本發明涉及計算機視覺，尤其涉及一種基于串行嵌入和并行提取的圖表圖像深度水印方法。

背景技術：

1、各種圖表圖像，如折線圖、餅圖、柱狀圖等，可以給出數據的可視化展示，讓人們更加直觀地對數據進行理解和分析，從而在財務分析和商業管理等各種重要場景中發揮至關重要的作用。由于圖表圖像所具有的高價值，人們迫切地需要找到有效的方式來保護圖表圖像的合法版權并防止圖表圖像的非授權泄漏。圖像水印技術可以有效阻止版權侵犯行為和泄密事件，一直以來得到了學術界與工業界的廣泛關注。近年來，隨著深度學習技術的發展，許多基于深度學習的圖像水印方法被不斷提出，并且表現出比之前的傳統圖像水印方法明顯更好的性能。以往的深度水印方案框架主要是針對自然圖像而設計的，其中主要包括水印編碼器、噪聲層和水印解碼器。水印編碼器需要將水印消息以人眼不可見的方式嵌入圖像，盡量保證圖像的視覺質量不因水印的嵌入而降低；噪聲層通常出現在水印編碼器和解碼器之間，它模擬圖像在信道傳輸過程中可能發生的失真，對含水印圖像施加噪聲，從而向訓練過程添加干擾，以幫助模型通過訓練提升對相關失真的魯棒性。通過使用各種噪聲層，模型可以靈活地獲取各種相應的魯棒性；最后，水印解碼器需要對接收到的可能經受了干擾的含水印圖像進行處理，并準確提取其中的水印消息。

2、仿照上述的針對自然圖像的深度學習水印方法的設計框架，一些針對圖表圖像的深度學習水印方案也被提出，然而此類框架仍存在一些限制，這樣的方案設計依靠一個包含多種失真的組合噪聲層對水印模型進行訓練，以提升模型對多種圖像失真的多重魯棒性，訓練中的每個樣本批次將被隨機施加組合噪聲層中含有的某一種失真類型的干擾。這樣的多變性將會對水印模型訓練的收斂造成挑戰，使模型難以很好地習得如何向圖像中嵌入適用于各種失真的水印特征。因此之前的仿照這種框架設計的圖表圖像深度學習水印方案在獲取對多種失真的多重魯棒性方面仍存在提升空間。

3、同時作為一種特殊類型的圖像，圖表圖像在實際應用中可能會遭遇特殊的針對圖表圖像的失真，這是之前的圖表圖像水印方案所沒有考慮的。另外對于信道傳輸過程中可能出現的各種訓練過程中沒有考慮過的失真，也需要設計有效的應對方法來避免這些訓練時未考慮過的失真對水印的準確提取造成的嚴重威脅，這也是現有的深度學習圖表圖像水印方案所需要提升的一個重要方面。

技術實現思路

1、本發明的目的是提供一種基于串行嵌入和并行提取的圖表圖像深度水印方法，該方法在確保水印嵌入不會影響圖表圖像質量的同時，還能實現圖表圖像版權保護和泄露阻止功能，從而有助于加強對圖表圖像的知識產權和安全性保護。

2、本發明的目的是通過以下技術方案實現的：

3、一種基于串行嵌入和并行提取的圖表圖像深度水印方法，所述方法包括：

4、步驟1、對水印模型進行第一階段串行訓練，逐一使用各個噪聲層訓練并微調水印模型，得到一個能向圖表圖像中嵌入具有抗多種失真能力的水印特征的水印編碼器；

5、步驟2、進行第二階段的并行訓練，固定串行訓練階段得到的水印編碼器，并行地同時訓練多個水印解碼器，每個水印編碼器針對一種特定失真進行水印信息提取。

6、由上述本發明提供的技術方案可以看出，上述方法在確保水印嵌入不會影響圖表圖像質量的同時，還能實現圖表圖像版權保護和泄露阻止功能，從而有助于加強對圖表圖像的知識產權和安全性保護，在需要保護圖表圖像版權并進行圖表圖像泄露阻止的現實場景下具有很強的實用性。

技術特征：

1.一種基于串行嵌入和并行提取的圖表圖像深度水印方法，其特征在于，所述方法包括：

2.根據權利要求1所述基于串行嵌入和并行提取的圖表圖像深度水印方法，其特征在于，在步驟1中，在串行訓練階段，首先初始化水印編碼器、水印解碼器和判別器；然后從總共n種失真中隨機選擇一種失真，并將其設置為第一個用來參與端到端訓練的噪聲層，利用它來訓練初始化的水印模型，包括水印編碼器和水印解碼器；

3.根據權利要求2所述基于串行嵌入和并行提取的圖表圖像深度水印方法，其特征在于，在步驟2中，在并行訓練階段，第一階段訓練和微調得到的水印編碼器將被保存并固定，并且重新以并行的方式同時訓練多個與之匹配的水印解碼器，每個水印解碼器均在某一特定失真條件下進行訓練，保證在各個不同的失真條件下都有對應的一個水印解碼器來有針對性地提取水印信息；

4.根據權利要求1所述基于串行嵌入和并行提取的圖表圖像深度水印方法，其特征在于，在步驟1的串行訓練階段，設計基于組合的未知失真模擬噪聲層，包括三個部分：

5.根據權利要求1所述基于串行嵌入和并行提取的圖表圖像深度水印方法，其特征在于，在步驟2的并行訓練階段，針對圖表圖像的特殊應用場景設計兩種針對圖表圖像的特殊噪聲層，包括向圖表圖像中添加標題，以及重疊兩張圖表圖像，其中：

技術總結
本發明公開了一種基于串行嵌入和并行提取的圖表圖像深度水印方法，首先對水印模型進行第一階段串行訓練，逐一使用各個噪聲層訓練并微調水印模型，得到一個能向圖表圖像中嵌入具有抗多種失真能力的水印特征的水印編碼器；再進行第二階段的并行訓練，固定串行訓練階段得到的水印編碼器，并行地同時訓練多個水印解碼器，每個水印編碼器針對一種特定失真進行水印信息提取。該方法在確保水印嵌入不會影響圖表圖像質量的同時，還能實現圖表圖像版權保護和泄露阻止功能，從而有助于加強對圖表圖像的知識產權和安全性保護。

技術研發人員：張衛明,馬臨風,馬澤華,陳可江,俞能海
受保護的技術使用者：中國科學技術大學
技術研發日：
技術公布日：2025/4/28