科研之友
微信
新浪微博
Facebook
分享链接
摘要
提出了一种基于深度学习的光学水印重建方法,通过双随机相位加密的方法实现水印的加密,并将加密图像嵌入到宿主图像中,然后利用原水印图像与含水印宿主图像之间的物理关系,训练改进的神经网络FC-DenseNets-BC,得到可以重建原水印图像的网络模型。在传统光学水印技术中,含水印宿主图像质量和解密水印图像质量依赖于嵌入强度的选取(当嵌入强度较大时,含水印宿主图像质量低,解密水印图像质量高;当嵌入强度较小时,含水印宿主图像质量高,解密水印图像质量低),然而使用深度学习重建水印图像可以摆脱该依赖关系。研究结果表明,在嵌入强度低至0.05的情况下,所提方法仍能够重建出峰值信噪比在35dB以上的高质量水印图像,且具有一定的泛化性、安全性和抵抗噪声、剪切的能力。并进一步通过光学系统实验验证了方法的可行性和高效性。
- 单位
