基于全局与局部特征的二阶段文档图像可见水印去除模型

作者：赵江锋; 和红杰^*; 陈帆; 杨树斌

来源：计算机科学, 2023, 1-13.

• 可见水印
• 水印去除
• 全局与局部特征提取
• 循环特征融合
• 文档图像

可见水印是一种常用的数字图像版权保护手段。分析可见水印去除结果可以验证图像上水印的有效性，并为水印设计者提供设计或添加水印的参考和启发。目前，大多数的水印去除方法都是基于自然图像的研究，而文档图像在生活中也被广泛使用，但由于缺乏公开的文档图像去水印数据集，导致相关文档图像的水印去除研究较少。为了探究水印去除方法在文档图像上的水印去除效果，构建了一个文档图像水印去除数据集(SDIWRD)。在对文档图像可见水印去除的研究中，发现使用已有的水印去除方法得到的水印去除结果中容易留下水印主体伪影或者轮廓伪影。为了解决这个问题，提出了一种基于全局与局部特征的二阶段文档图像可见水印去除模型(RWRNet)，该模型采用由粗到细的二阶段的半实例归一化编解码器架构。在粗略阶段，使用全局与局部特征提取模块增强对全局空间特征捕捉能力，同时保留对局部细节信息的提取能力，从而帮助进行水印去除；在细化阶段，细化网络共享粗略阶段权重，并构建循环特征融合模块来充分挖掘粗略阶段编解码器的重要特征，为细化阶段提供丰富的上下文信息，帮助进行细致的水印去除。此外，还结合了结构相似性损失来帮助获取更好的视觉质量。提出的方法在SDIWRD数据集进行了实验，实验结果的PSNR达到了41.21dB、SSIM达到了99.07%、RMSE降低至3.64，优于现有水印去除方法。另外也在公开的CLWD彩色水印去除数据集进行了实验，实验结果的PNSR达到了39.31dB、SSIM达到98.81%，RMSE降低至3.50，也优于现有水印去除方法。实验结果证明了提出的方法具有良好的泛化性和去水印的能力，能有效减轻水印伪影。最后还提出了一些防止水印去除的建议。在https://github.com/shuzizihemu/RWRNet可公开访问提出的方法和数据集。

• 单位
  西南交通大学