Optical watermarking reconstruction method based on FC-DenseNets-BC neural network

doi:10.13741/j.cnki.11-1879/o4.2021.02.016

您当前的位置：

首页 >

文章列表页 >

Optical watermarking reconstruction method based on FC-DenseNets-BC neural network

更新时间：2025-09-01

- Optical watermarking reconstruction method based on FC-DenseNets-BC neural network
- Vol. 47, Issue 2, Pages: 223-230(2021)
- 作者机构：
  
  1. 1:上海理工大学光电信息与计算机工程学院
  2. 2:上海理工大学上海市现代光学系统重点实验室
  3. 3:上海理工大学出版印刷与艺术设计学院
- 作者简介：
- 基金信息：
- DOI：10.13741/j.cnki.11-1879/o4.2021.02.016
  CLC：
- Published：2021
- 稿件说明：
移动端阅览
Optical watermarking reconstruction method based on FC-DenseNets-BC neural network[J]. 2021, 47(2): 223-230.
DOI：

Optical watermarking reconstruction method based on FC-DenseNets-BC neural network[J]. 2021, 47(2): 223-230. DOI： 10.13741/j.cnki.11-1879/o4.2021.02.016.

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。

Abstract

关键词

Keywords

references

Views

132

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Classification model of dominant species in desertification grassland based on hyperspectral remote sensing

Segmentation of lung lobes based on 3D full convolution neural network

A facial expression recognition method based on dual-stream convolutional neural network

Pose measurement based on moving robot based and monocular vision

Human image segmentation method based on depth staggered feature fusion

Related Author

张锡鹏

毕玉革

杨红艳

皮伟强

刘浩

康拥朝

祁章璇

高磊

Related Institution

1:内蒙古农业大学机电学院

1:上海理工大学医疗器械与食品学院医学影像处理实验室

1:河南工学院计算机科学与技术学院

2:河南省生产制造物联大数据工程技术研究中心

3:武汉理工大学计算机科学与技术学院

⁰