帶水印圖像的識(shí)別方法及識(shí)別系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開(kāi)了帶水印圖像的識(shí)別方法及識(shí)別系統(tǒng)，選取待識(shí)別圖像的所有水印候選區(qū)域；并通過(guò)深度卷積神經(jīng)網(wǎng)絡(luò)分類器對(duì)每個(gè)水印候選區(qū)域進(jìn)行水印識(shí)別，判斷待識(shí)別圖像是否為帶水印圖像；實(shí)現(xiàn)帶水印圖像的識(shí)別。本發(fā)明能夠方便快捷地獲取大量的圖像訓(xùn)練數(shù)據(jù)，利用大量的圖像訓(xùn)練數(shù)據(jù)通過(guò)卷積神經(jīng)網(wǎng)絡(luò)算法建立深度卷積神經(jīng)網(wǎng)絡(luò)分類器，解決了現(xiàn)有技術(shù)中訓(xùn)練數(shù)據(jù)不足的問(wèn)題。本發(fā)明建立的深度卷積神經(jīng)網(wǎng)絡(luò)分類器，有效地模擬了人眼視覺(jué)處理系統(tǒng)，能夠識(shí)別出局部細(xì)微的水印紋理，較好地解決了帶水印圖像中，水印所占面積小、顏色淺、透明度高等問(wèn)題。本發(fā)明能夠減少對(duì)無(wú)水印區(qū)域的識(shí)別過(guò)程，縮短了識(shí)別時(shí)間，提高了識(shí)別效率。
【專利說(shuō)明】
帶水印圖像的識(shí)別方法及識(shí)別系統(tǒng)
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及圖像識(shí)別領(lǐng)域，具體涉及一種帶水印圖像的識(shí)別方法及識(shí)別系統(tǒng)。
【背景技術(shù)】
[0002]圖像包含了豐富且直觀的信息，當(dāng)前在互聯(lián)網(wǎng)的社交、購(gòu)物和旅游等領(lǐng)域，都需要大量的圖像來(lái)給用戶傳遞信息。由于互聯(lián)網(wǎng)信息的傳播極為快速和便攜，越來(lái)越多的個(gè)人和組織選擇給自身?yè)碛械膱D像嵌入水印信息，如在圖像部分區(qū)域打上商標(biāo)或網(wǎng)址的水印，以此保護(hù)圖像信息的所有權(quán)。因此，圖像信息的提供方在使用圖像前，需要對(duì)圖像進(jìn)行審核，識(shí)別圖像中是否含有水印信息，避免出現(xiàn)誤用和侵權(quán)的行為。隨著互聯(lián)網(wǎng)的飛速發(fā)展，圖像提供方每天都會(huì)利用用戶上傳、爬蟲(chóng)下載等諸多途徑獲取大量圖像信息，數(shù)量已遠(yuǎn)遠(yuǎn)超過(guò)人工審核的限度。因此，利用計(jì)算機(jī)自動(dòng)審核圖像信息，識(shí)別出其中帶水印的圖像成為了迫切的需求。
[0003]水印信息在圖像中的視覺(jué)顯著性很低，具有面積小，顏色淺，透明度高等特點(diǎn)，帶水印圖像與未帶水印圖像之間的差異往往很小，區(qū)分度較低?，F(xiàn)階段，對(duì)帶水印圖像識(shí)別的研究尚未深入展開(kāi)，鮮有有效的帶水印圖像識(shí)別技術(shù)，實(shí)現(xiàn)帶水印圖像的準(zhǔn)確識(shí)別是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于為了克服現(xiàn)有技術(shù)中不能準(zhǔn)確識(shí)別出帶水印信息的圖像等問(wèn)題的出現(xiàn);提供一種帶水印圖像的識(shí)別方法及識(shí)別系統(tǒng)。
[0005]為了達(dá)到上述目的，本發(fā)明通過(guò)以下技術(shù)方案實(shí)現(xiàn):
[0006]—種帶水印圖像的識(shí)別方法，所述識(shí)別方法包含:
[0007]選取待識(shí)別圖像的所有水印候選區(qū)域；
[0008]通過(guò)深度卷積神經(jīng)網(wǎng)絡(luò)分類器對(duì)每個(gè)所述水印候選區(qū)域進(jìn)行水印識(shí)別，判斷所述待識(shí)別圖像是否為帶水印圖像。
[0009]較佳地，建立所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器的方法包含:
[0010]生成圖像訓(xùn)練數(shù)據(jù)；
[0011]采用所述圖像訓(xùn)練數(shù)據(jù)通過(guò)卷積神經(jīng)網(wǎng)絡(luò)算法建立所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器。
[0012]較佳地，所述生成圖像訓(xùn)練數(shù)據(jù)的實(shí)現(xiàn)方法為:
[0013]收集若干張無(wú)水印圖像；
[0014]在每張所述無(wú)水印圖像中隨機(jī)截取若干個(gè)矩形區(qū)域圖像，每個(gè)所述矩形區(qū)域圖像作為不包含水印信息的矩形圖像；
[0015]收集多種水印信息圖形;將每個(gè)所述水印信息圖形分別嵌入每個(gè)所述不包含水印信息的矩形圖像內(nèi)，形成一類包含對(duì)應(yīng)的所述水印信息圖形的圖像；
[0016]將每個(gè)所述不包含水印信息的矩形圖像、每個(gè)包含水印信息圖形的圖像均作為所述圖像訓(xùn)練數(shù)據(jù)。
[0017]較佳地，所述建立所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器的實(shí)現(xiàn)方法為:
[0018]Al，初始化所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器各層參數(shù)；
[0019]A2，將每個(gè)所述圖像訓(xùn)練數(shù)據(jù)通過(guò)所述卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行逐層計(jì)算后得到輸出值；
[0020]A3，計(jì)算獲取每個(gè)所述輸出值與對(duì)應(yīng)的所述圖像訓(xùn)練數(shù)據(jù)所屬類別的誤差;根據(jù)最小誤差準(zhǔn)則，通過(guò)所述誤差進(jìn)行逐層修正所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器中各層參數(shù)；
[0021]A4，重復(fù)所述步驟A2、A3，直至誤差收斂，實(shí)現(xiàn)所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器的建立。
[0022 ]較佳地，在選取待識(shí)別圖像的所有水印候選區(qū)域的步驟中包含:
[0023]將所述待識(shí)別圖像劃分成多個(gè)候選區(qū)域，對(duì)每個(gè)所述候選區(qū)域進(jìn)行水印特征點(diǎn)檢測(cè)，統(tǒng)計(jì)每個(gè)所述候選區(qū)域的所有水印特征點(diǎn)數(shù)量；當(dāng)任一所述候選區(qū)域的水印特征點(diǎn)總數(shù)量大于特征點(diǎn)閾值時(shí)，對(duì)應(yīng)所述候選區(qū)域作為所述待識(shí)別圖像的一個(gè)所述水印候選區(qū)域。
[0024]較佳地，判斷所述待識(shí)別圖像是否為帶水印圖像的實(shí)現(xiàn)步驟包含:
[0025]將所述待識(shí)別圖像的每個(gè)所述水印候選區(qū)域的圖像數(shù)據(jù)輸入至所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器中，獲取所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器最后一層輸出的每個(gè)所述水印候選區(qū)域包含水印信息圖形的概率向量；
[0026]計(jì)算判斷所有的概率向量的概率最大值是否表示為包含水印信息圖形；當(dāng)所有的所述概率向量的最大值均表示為不包含水印信息圖形時(shí)，所述待識(shí)別圖像不帶水印的圖像；當(dāng)至少一個(gè)所述概率向量的最大值表示為包含水印信息圖形時(shí)，所述待識(shí)別圖像為帶水印圖像。
[0027]—種帶水印圖像的識(shí)別系統(tǒng)，所述識(shí)別系統(tǒng)包含:
[0028]獲取單元，用于生成圖像訓(xùn)練數(shù)據(jù)；
[0029]訓(xùn)練單元，與所述獲取單元連接;所述訓(xùn)練單元獲取所述圖像訓(xùn)練數(shù)據(jù)，建立深度卷積神經(jīng)網(wǎng)絡(luò)分類器；
[0030]選擇單元，與所述訓(xùn)練單元連接;所述選擇單元選取待識(shí)別圖像的所有水印候選區(qū)域，并將每個(gè)所述水印候選區(qū)域的圖像數(shù)據(jù)輸入至所述訓(xùn)練單元建立的所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器中；
[0031]識(shí)別單元，與所述訓(xùn)練單元連接;所述識(shí)別單元獲取所述訓(xùn)練單元輸出的所有概率向量進(jìn)行所述待識(shí)別圖像是否為帶水印圖像的判斷。
[0032]較佳地，所述獲取單元包含:
[0033]無(wú)水印圖像生成模塊，與所述訓(xùn)練單元連接;所述無(wú)水印圖像生成模塊收集若干張無(wú)水印圖像，并在每張所述無(wú)水印圖像中隨機(jī)截取若干個(gè)矩形區(qū)域圖像，生成多張不包含水印信息的矩形圖像；
[0034]含水印圖像生成模塊，分別與所述無(wú)水印圖像生成模塊、所述訓(xùn)練單元連接;所述含水印圖像生成模塊獲取所有的所述不包含水印信息的矩形圖像并收集多種水印信息圖形，將每個(gè)所述水印信息圖形分別嵌入所有的所述不包含水印信息的矩形圖像，形成一類包含對(duì)應(yīng)的所述水印信息圖形的圖像。
[0035]較佳地，所述選擇單元包含:
[0036]特征點(diǎn)檢測(cè)模塊，將所述待識(shí)別圖像劃分成多個(gè)候選區(qū)域，對(duì)每個(gè)所述候選區(qū)域進(jìn)行水印特征點(diǎn)檢測(cè)，統(tǒng)計(jì)每個(gè)所述候選區(qū)域的所有水印特征點(diǎn)數(shù)量；
[0037]水印候選區(qū)域選擇模塊，分別與所述特征點(diǎn)檢測(cè)模塊、所述訓(xùn)練單元連接;所述水印候選區(qū)域選擇模塊獲取每個(gè)所述候選區(qū)域的所有水印特征點(diǎn)數(shù)量，判斷每個(gè)所述候選區(qū)域的水印特征點(diǎn)總數(shù)量是否大于特征點(diǎn)閾值；當(dāng)大于時(shí)，對(duì)應(yīng)所述候選區(qū)域作為所述待識(shí)別圖像的一個(gè)所述水印候選區(qū)域。
[0038]在符合本領(lǐng)域常識(shí)的基礎(chǔ)上，上述各優(yōu)選條件，可任意組合，即得本發(fā)明各較佳實(shí)例。
[0039]本發(fā)明的積極進(jìn)步效果在于:
[0040]本發(fā)明公開(kāi)的一種帶水印圖像的識(shí)別方法及識(shí)別系統(tǒng)，首先，選取待識(shí)別圖像的所有水印候選區(qū)域;其次，通過(guò)深度卷積神經(jīng)網(wǎng)絡(luò)分類器對(duì)每個(gè)水印候選區(qū)域進(jìn)行水印識(shí)另IJ，判斷待識(shí)別圖像是否為帶水印圖像;實(shí)現(xiàn)帶水印圖像的識(shí)別。本發(fā)明能夠方便快捷地獲取大量的圖像訓(xùn)練數(shù)據(jù)，并利用大量的圖像訓(xùn)練數(shù)據(jù)通過(guò)卷積神經(jīng)網(wǎng)絡(luò)算法建立深度卷積神經(jīng)網(wǎng)絡(luò)分類器，解決了現(xiàn)有技術(shù)中訓(xùn)練數(shù)據(jù)不足的問(wèn)題。本發(fā)明建立的深度卷積神經(jīng)網(wǎng)絡(luò)分類器，有效地模擬了人眼視覺(jué)處理系統(tǒng)，能夠識(shí)別出局部細(xì)微的水印紋理，較好地解決了帶水印圖像中，水印所占面積小、顏色淺、透明度高等問(wèn)題。本發(fā)明能夠減少對(duì)無(wú)水印區(qū)域的識(shí)別過(guò)程，縮短了識(shí)別時(shí)間，提高了識(shí)別效率。本發(fā)明相比于現(xiàn)有技術(shù)還具有實(shí)用性強(qiáng)、可擴(kuò)展性好的優(yōu)點(diǎn)。
【附圖說(shuō)明】
[0041]圖1為本發(fā)明帶水印圖像的識(shí)別系統(tǒng)的整體結(jié)構(gòu)示意圖。
[0042]圖2為本發(fā)明帶水印圖像的識(shí)別方法的整體流程示意圖。
【具體實(shí)施方式】
[0043]下面通過(guò)實(shí)施例的方式進(jìn)一步說(shuō)明本發(fā)明，但并不因此將本發(fā)明限制在所述的實(shí)施例范圍之中。
[0044]如圖1所示，一種帶水印圖像的識(shí)別系統(tǒng)，識(shí)別系統(tǒng)包含:獲取單元1、訓(xùn)練單元2、選擇單元3及識(shí)別單元4。其中，訓(xùn)練單元2分別與獲取單元1、選擇單元3及識(shí)別單元4連接。
[0045]本發(fā)明中，獲取單元I用于生成圖像訓(xùn)練數(shù)據(jù)。訓(xùn)練單元2獲取圖像訓(xùn)練數(shù)據(jù)，建立深度卷積神經(jīng)網(wǎng)絡(luò)分類器。選擇單元3選取待識(shí)別圖像的所有水印候選區(qū)域，并將每個(gè)水印候選區(qū)域的圖像數(shù)據(jù)輸入至深度卷積神經(jīng)網(wǎng)絡(luò)分類器中。識(shí)別單元4作為水印判定模塊，獲取訓(xùn)練單元2輸出的所有概率向量進(jìn)行待識(shí)別圖像是否為帶水印圖像的判斷。
[0046]如圖1所示，獲取單元I包含:無(wú)水印圖像生成模塊11、含水印圖像生成模塊12;其中，含水印圖像生成模塊12與無(wú)水印圖像生成模塊11連接。
[0047]本發(fā)明中，無(wú)水印圖像生成模塊11用于自動(dòng)收集若干張無(wú)水印圖像，并在每張無(wú)水印圖像中隨機(jī)截取一定比例大小的若干個(gè)矩形區(qū)域圖像，將所有的不包含水印信息的矩形圖像生成無(wú)水印類圖像集合。
[0048]本發(fā)明中，含水印圖像生成模塊12自動(dòng)收集多種待識(shí)別本發(fā)明中的水印信息圖形，并通過(guò)無(wú)水印圖像生成模塊11獲取無(wú)水印類圖像集合。含水印圖像生成模塊12將每個(gè)待識(shí)別的水印信息圖形分別嵌入所有的不包含水印信息的矩形圖像，形成一類包含對(duì)應(yīng)的待識(shí)別的水印信息圖形的圖像集合。
[0049]如圖1所示，選擇單元3包含:特征點(diǎn)檢測(cè)模塊31、水印候選區(qū)域選擇模塊32;其中，水印候選區(qū)域選擇模塊32與特征點(diǎn)檢測(cè)模塊31連接。
[0050]本發(fā)明中，特征點(diǎn)檢測(cè)模塊31將待識(shí)別圖像劃分成多個(gè)候選區(qū)域，對(duì)每個(gè)候選區(qū)域進(jìn)行水印特征點(diǎn)檢測(cè)，統(tǒng)計(jì)每個(gè)候選區(qū)域的所有水印特征點(diǎn)數(shù)量。
[0051]本發(fā)明中，水印候選區(qū)域選擇模塊32獲取每個(gè)候選區(qū)域的所有水印特征點(diǎn)數(shù)量，判斷每個(gè)候選區(qū)域的水印特征點(diǎn)總數(shù)量是否大于特征點(diǎn)閾值；當(dāng)大于時(shí)，對(duì)應(yīng)候選區(qū)域作為待識(shí)別圖像的一個(gè)水印候選區(qū)域。
[0052]如圖2所示，一種帶水印圖像的識(shí)別方法，識(shí)別方法包含:
[0053]SI，獲取單元I生成圖像訓(xùn)練數(shù)據(jù)。具體實(shí)現(xiàn)方法如下:
[0054]S1.1，獲取單元I的無(wú)水印圖像生成模塊11收集若干張無(wú)水印圖像。
[0055]S1.2，無(wú)水印圖像生成模塊11在每張無(wú)水印圖像中隨機(jī)截取若干個(gè)矩形區(qū)域圖像，每個(gè)矩形區(qū)域圖像作為不包含水印信息的矩形圖像，并將所有的不包含水印信息的矩形圖像形成無(wú)水印類圖像集合。
[0056]本實(shí)施例中，無(wú)水印圖像生成模塊11在每張無(wú)水印圖像中隨機(jī)截取高寬比為1:2和1:3.6大小的矩形區(qū)域圖像作為不包含水印信息的矩形圖像。
[0057]S1.3，獲取單元I的含水印圖像生成模塊12收集多種待識(shí)別的水印信息圖形;將每個(gè)待識(shí)別的水印信息圖形分別嵌入每個(gè)不包含水印信息的矩形圖像內(nèi)，形成一類包含對(duì)應(yīng)的待識(shí)別的水印信息圖形的圖像集合。
[0058]本實(shí)施例中，含水印圖像生成模塊12先將每種待識(shí)別的水印信息圖形進(jìn)行灰度二值化處理，隨后將該種待識(shí)別的水印信息圖形以60%_80%不等的透明度分別嵌入所有不包含水印信息的矩形圖像中，作為包含對(duì)應(yīng)水印信息圖形的圖像。
[0059]例如，無(wú)水印圖像生成模塊11收集3000張無(wú)水印圖像，每張無(wú)水印圖像隨機(jī)截取3個(gè)矩形區(qū)域圖像，則一共產(chǎn)生9000張不包含水印信息的矩形圖像。含水印圖像生成模塊12收集3種待識(shí)別的水印信息圖形，則每種待識(shí)別的水印信息圖形能夠產(chǎn)生9000張包含對(duì)應(yīng)水印信息圖形的圖像;則含水印圖像生成模塊12—共生成27000張包含水印信息圖形的圖像。
[0060]S1.4,將每個(gè)不包含水印信息的矩形圖像、每個(gè)包含待識(shí)別的水印信息的圖像均作為圖像訓(xùn)練數(shù)據(jù)。
[0061]本實(shí)施例中，無(wú)水印圖像生成模塊11生成的9000張不包含水印信息的圖像、含水印圖像生成模塊12生成27000張包含水印信息圖形的圖像均作為圖像訓(xùn)練數(shù)據(jù)。
[0062]S2，訓(xùn)練單元2采用圖像訓(xùn)練數(shù)據(jù)通過(guò)卷積神經(jīng)網(wǎng)絡(luò)算法建立深度卷積神經(jīng)網(wǎng)絡(luò)分類器。本發(fā)明中，建立深度卷積神經(jīng)網(wǎng)絡(luò)分類器的具體實(shí)現(xiàn)方法如下:
[0063]Al，初始化深度卷積神經(jīng)網(wǎng)絡(luò)分類器各層參數(shù)。
[0064]A2，將每個(gè)圖像訓(xùn)練數(shù)據(jù)通過(guò)所述卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行逐層計(jì)算后得到輸出值。
[0065]A3，計(jì)算獲取每個(gè)輸出值與對(duì)應(yīng)的圖像訓(xùn)練數(shù)據(jù)所屬類別的誤差。根據(jù)最小誤差準(zhǔn)則，通過(guò)所述誤差進(jìn)行逐層修正所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器中各層參數(shù)。
[0066]本實(shí)施例中，圖像訓(xùn)練數(shù)據(jù)所屬類別是指圖像訓(xùn)練數(shù)據(jù)為不包含水印信息的矩形圖像類型或包含不同種類水印信息圖形的矩形圖像類型。例如所屬類別包括:1、不包含水印信息的矩形圖像類型，2、第一種種類水印信息圖形的矩形圖像類型，3、第二種種類水印信息圖形的矩形圖像類型，4、第三種種類水印信息圖形的矩形圖像類型。
[0067]A4，重復(fù)所述步驟A2、A3，直至誤差收斂，實(shí)現(xiàn)所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器的建立。
[0068]在本實(shí)施例中，訓(xùn)練單元2輸入的包含水印信息圖形的圖像和/或不包含水印信息的矩形圖像的尺寸被統(tǒng)一調(diào)整為227X227像素點(diǎn)大小。訓(xùn)練單元2設(shè)置深度卷積神經(jīng)網(wǎng)絡(luò)分類器采用8層結(jié)構(gòu)，前5層為卷積層，第6層和第7層為全連接層，第8層為輸出層。其中，卷積層的實(shí)現(xiàn)包括卷積、激活和池化3個(gè)步驟。
[0069]各層激活函數(shù)為修正線性函數(shù)f (X) =max(0，x)。各層池化方式為max pooling，池化單位區(qū)域優(yōu)選為3X3像素點(diǎn)大小，池化步長(zhǎng)為2個(gè)像素點(diǎn)。卷積層的卷積核大小由各層的輸入而定，本實(shí)施例中，第I層卷積核大小為11X11X3，卷積核個(gè)數(shù)為96，步長(zhǎng)為4。第2_5層卷積核大小分別為5 X5X96、3X3X256、3X3X 384和3 X 3 X 384，卷積核個(gè)數(shù)分別為256、384、384和256，卷積步長(zhǎng)均為I。第6、7層輸出個(gè)數(shù)為4096，輸出層的輸出根據(jù)待識(shí)別的水印信息的種類個(gè)數(shù)而定。
[0070]S3，選擇單元3選取待識(shí)別圖像的所有水印候選區(qū)域。本發(fā)明中，具體包含如下步驟:
[0071]S3.1，選擇單元3的特征點(diǎn)檢測(cè)模塊31將待識(shí)別圖像劃分成多個(gè)候選區(qū)域，對(duì)每個(gè)候選區(qū)域進(jìn)行水印特征點(diǎn)檢測(cè)，統(tǒng)計(jì)每個(gè)候選區(qū)域的所有水印特征點(diǎn)數(shù)量。
[0072]本發(fā)明中，水印特征點(diǎn)的類型包括但不限于SIFT、SURF、0RB等。
[0073]S3.2，選擇單元3的水印候選區(qū)域選擇模塊32獲取每個(gè)候選區(qū)域的所有水印特征點(diǎn)數(shù)量，判斷每個(gè)候選區(qū)域的水印特征點(diǎn)總數(shù)量是否大于特征點(diǎn)閾值;當(dāng)大于時(shí)，對(duì)應(yīng)候選區(qū)域作為待識(shí)別圖像的一個(gè)水印候選區(qū)域。
[0074]本實(shí)施例中，水印特征點(diǎn)的類型為0RB，特征點(diǎn)檢測(cè)模塊31劃分的候選區(qū)域?qū)挾葹榇R(shí)別圖像寬度的1/3，候選區(qū)域的高寬比為1:2，相鄰候選區(qū)域有50%面積重疊，特征點(diǎn)閾值設(shè)置為10。
[0075]S4，訓(xùn)練單元2通過(guò)深度卷積神經(jīng)網(wǎng)絡(luò)分類器對(duì)每個(gè)水印候選區(qū)域進(jìn)行水印識(shí)別，識(shí)別單元4判斷待識(shí)別圖像是否為帶水印圖像。本發(fā)明中，具體實(shí)現(xiàn)步驟包含:
[0076]S4.1，選擇單元3將待識(shí)別圖像的每個(gè)水印候選區(qū)域的圖像數(shù)據(jù)輸入至訓(xùn)練單元2建立的深度卷積神經(jīng)網(wǎng)絡(luò)分類器中，獲取待識(shí)別圖像的每個(gè)水印候選區(qū)域在深度卷積神經(jīng)網(wǎng)絡(luò)分類器最后一層輸出概率向量。
[0077]本實(shí)施例中，選擇單元3將每個(gè)水印候選區(qū)域的圖像尺寸統(tǒng)一縮放為227X 227像素大小后輸入至訓(xùn)練單元2。深度卷積神經(jīng)網(wǎng)絡(luò)分類器每次輸入一個(gè)水印候選區(qū)域的圖像數(shù)據(jù)，經(jīng)過(guò)深度卷積神經(jīng)網(wǎng)絡(luò)計(jì)算后，獲取本次輸入的水印候選區(qū)域包含水印信息圖形的概率向量。
[0078]S4.2，識(shí)別單元4獲取訓(xùn)練單元2輸出的待識(shí)別圖像的所有水印候選區(qū)域包含水印信息圖形的概率向量。識(shí)別單元4計(jì)算判斷所有的概率向量的概率最大值是否表示為包含水印信息圖形；當(dāng)所有的概率向量的最大值均表示為不包含水印信息圖形時(shí)，所述待識(shí)別圖像為不帶水印的圖像；當(dāng)至少一個(gè)概率向量的最大值表示為包含水印信息圖形時(shí)，待識(shí)別圖像為帶水印圖像。
[0079]例如，待識(shí)別圖像包含3個(gè)水印候選區(qū)域，每個(gè)水印候選區(qū)域在深度卷積神經(jīng)網(wǎng)絡(luò)分類器最后一層的輸出是一個(gè)四維概率向量，分別對(duì)應(yīng)水印候選區(qū)域?qū)儆诓话⌒畔⒌木匦螆D像類型和包含其他3種種類水印信息圖形的矩形圖像類型的概率，計(jì)算每個(gè)四維概率向量中最大的概率值，從而判斷當(dāng)前的水印候選區(qū)域是否包含水印信息圖形。當(dāng)3個(gè)水印候選區(qū)域均判斷為不包含水印信息圖形，則表示待識(shí)別圖像為不帶水印的圖像。當(dāng)3個(gè)水印候選區(qū)域中任一水印候選區(qū)域被判斷為包含水印信息圖形，則表示待識(shí)別圖像為帶水印圖像。
[0080]雖然以上描述了本發(fā)明的【具體實(shí)施方式】，但是本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，這些僅是舉例說(shuō)明，本發(fā)明的保護(hù)范圍是由所附權(quán)利要求書限定的。本領(lǐng)域的技術(shù)人員在不背離本發(fā)明的原理和實(shí)質(zhì)的前提下，可以對(duì)這些實(shí)施方式做出多種變更或修改，但這些變更和修改均落入本發(fā)明的保護(hù)范圍。
【主權(quán)項(xiàng)】
1.一種帶水印圖像的識(shí)別方法，其特征在于，所述識(shí)別方法包含: 選取待識(shí)別圖像的所有水印候選區(qū)域； 通過(guò)深度卷積神經(jīng)網(wǎng)絡(luò)分類器對(duì)每個(gè)所述水印候選區(qū)域進(jìn)行水印識(shí)別，判斷所述待識(shí)別圖像是否為帶水印圖像。2.如權(quán)利要求1所述的帶水印圖像的識(shí)別方法，其特征在于，建立所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器的方法包含: 生成圖像訓(xùn)練數(shù)據(jù)； 采用所述圖像訓(xùn)練數(shù)據(jù)通過(guò)卷積神經(jīng)網(wǎng)絡(luò)算法建立所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器。3.如權(quán)利要求2所述的帶水印圖像的識(shí)別方法，其特征在于，所述生成圖像訓(xùn)練數(shù)據(jù)的實(shí)現(xiàn)方法為: 收集若干張無(wú)水印圖像； 在每張所述無(wú)水印圖像中隨機(jī)截取若干個(gè)矩形區(qū)域圖像，每個(gè)所述矩形區(qū)域圖像作為不包含水印信息的矩形圖像； 收集多種水印信息圖形;將每個(gè)所述水印信息圖形分別嵌入每個(gè)所述不包含水印信息的矩形圖像內(nèi)，形成一類包含對(duì)應(yīng)的所述水印信息圖形的圖像； 將每個(gè)所述不包含水印信息的矩形圖像、每個(gè)包含水印信息圖形的圖像均作為所述圖像訓(xùn)練數(shù)據(jù)。4.如權(quán)利要求2所述的帶水印圖像的識(shí)別方法，其特征在于，所述建立所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器的實(shí)現(xiàn)方法為: Al，初始化所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器各層參數(shù)； A2，將每個(gè)所述圖像訓(xùn)練數(shù)據(jù)通過(guò)所述卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行逐層計(jì)算后得到輸出值； A3，計(jì)算獲取每個(gè)所述輸出值與對(duì)應(yīng)的所述圖像訓(xùn)練數(shù)據(jù)所屬類別的誤差;根據(jù)最小誤差準(zhǔn)則，通過(guò)所述誤差進(jìn)行逐層修正所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器中各層參數(shù)； A4，重復(fù)所述步驟A2、A3，直至誤差收斂，實(shí)現(xiàn)所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器的建立。5.如權(quán)利要求1所述的帶水印圖像的識(shí)別方法，其特征在于，在選取待識(shí)別圖像的所有水印候選區(qū)域的步驟中包含: 將所述待識(shí)別圖像劃分成多個(gè)候選區(qū)域，對(duì)每個(gè)所述候選區(qū)域進(jìn)行水印特征點(diǎn)檢測(cè)，統(tǒng)計(jì)每個(gè)所述候選區(qū)域的所有水印特征點(diǎn)數(shù)量;當(dāng)任一所述候選區(qū)域的水印特征點(diǎn)總數(shù)量大于特征點(diǎn)閾值時(shí)，對(duì)應(yīng)所述候選區(qū)域作為所述待識(shí)別圖像的一個(gè)所述水印候選區(qū)域。6.如權(quán)利要求4所述的帶水印圖像的識(shí)別方法，其特征在于，判斷所述待識(shí)別圖像是否為帶水印圖像的實(shí)現(xiàn)步驟包含: 將所述待識(shí)別圖像的每個(gè)所述水印候選區(qū)域的圖像數(shù)據(jù)輸入至所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器中，獲取所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器最后一層輸出的每個(gè)所述水印候選區(qū)域包含水印信息圖形的概率向量； 計(jì)算判斷所有的概率向量的概率最大值是否表示為包含水印信息圖形；當(dāng)所有的所述概率向量的最大值均表示為不包含水印信息圖形時(shí)，所述待識(shí)別圖像為不帶水印的圖像；當(dāng)至少一個(gè)所述概率向量的最大值表示為包含水印圖像時(shí)，所述待識(shí)別圖像為帶水印圖像。7.一種帶水印圖像的識(shí)別系統(tǒng)，其特征在于，所述識(shí)別系統(tǒng)包含: 獲取單元，用于生成圖像訓(xùn)練數(shù)據(jù)； 訓(xùn)練單元，與所述獲取單元連接;所述訓(xùn)練單元獲取所述圖像訓(xùn)練數(shù)據(jù)，建立深度卷積神經(jīng)網(wǎng)絡(luò)分類器； 選擇單元，與所述訓(xùn)練單元連接;所述選擇單元選取待識(shí)別圖像的所有水印候選區(qū)域，并將每個(gè)所述水印候選區(qū)域的圖像數(shù)據(jù)輸入至所述訓(xùn)練單元建立的所述深度卷積神經(jīng)網(wǎng)絡(luò)分類器中； 識(shí)別單元，與所述訓(xùn)練單元連接;所述識(shí)別單元獲取所述訓(xùn)練單元輸出的所有概率向量進(jìn)行所述待識(shí)別圖像是否為帶水印圖像的判斷。8.如權(quán)利要求7所述的帶水印圖像的識(shí)別系統(tǒng)，其特征在于，所述獲取單元包含: 無(wú)水印圖像生成模塊，與所述訓(xùn)練單元連接;所述無(wú)水印圖像生成模塊收集若干張無(wú)水印圖像，并在每張所述無(wú)水印圖像中隨機(jī)截取若干個(gè)矩形區(qū)域圖像，生成多張不包含水印信息的矩形圖像； 含水印圖像生成模塊，分別與所述無(wú)水印圖像生成模塊、所述訓(xùn)練單元連接;所述含水印圖像生成模塊獲取所有的所述不包含水印信息的矩形圖像并收集多種水印信息圖形，將每個(gè)所述水印信息圖形分別嵌入所有的所述不包含水印信息的矩形圖像，形成一類包含對(duì)應(yīng)的所述水印信息圖形的圖像。9.如權(quán)利要求7所述的帶水印圖像的識(shí)別系統(tǒng)，其特征在于，所述選擇單元包含: 特征點(diǎn)檢測(cè)模塊，將所述待識(shí)別圖像劃分成多個(gè)候選區(qū)域，對(duì)每個(gè)所述候選區(qū)域進(jìn)行水印特征點(diǎn)檢測(cè)，統(tǒng)計(jì)每個(gè)所述候選區(qū)域的所有水印特征點(diǎn)數(shù)量； 水印候選區(qū)域選擇模塊，分別與所述特征點(diǎn)檢測(cè)模塊、所述訓(xùn)練單元連接;所述水印候選區(qū)域選擇模塊獲取每個(gè)所述候選區(qū)域的所有水印特征點(diǎn)數(shù)量，判斷每個(gè)所述候選區(qū)域的水印特征點(diǎn)總數(shù)量是否大于特征點(diǎn)閾值；當(dāng)大于時(shí)，對(duì)應(yīng)所述候選區(qū)域作為所述待識(shí)別圖像的一個(gè)所述水印候選區(qū)域。
【文檔編號(hào)】G06K9/62GK106096668SQ201610688726
【公開(kāi)日】2016年11月9日
【申請(qǐng)日】2016年8月18日 公開(kāi)號(hào)201610688726.8, CN 106096668 A, CN 106096668A, CN 201610688726, CN-A-106096668, CN106096668 A, CN106096668A, CN201610688726, CN201610688726.8
【發(fā)明人】李翔, 李發(fā)科, 趙華
【申請(qǐng)人】攜程計(jì)算機(jī)技術(shù)（上海）有限公司