基于GooLeNet-GMP网络的自适应图像水印方法

来源：电子测量技术杂志2021年第14期北京时间：

作者：熊丽婷

单位：南昌交通学院，人工智能学院， 南昌，江西, 330100

摘要：为提高水印方案的抗攻击能力和自适应性，提出一种盲水印的GoogLeNet-GMP神经网络方案。首先，所提网络较为简约，最深的路径（即通过预处理网络、嵌入网络和提取网络的路径）仅包含17层。通过在水印预处理网络中提高水印分辨率来保持宿主图像的分辨率，由此增强了水印的透明性。同时，在水印预处理网络中使用平均池化，将水印数据的二进制值与宿主图像结合在一起，从而增强了水印的透明性。最后，提取器使用交叉熵作为损失函数，实现嵌入器和提取器之间的训练平衡。实验结果表明，所提方案性能出色，水印容量为0.0038，数据集中的PSNR均值为40.57 dB。在有意义攻击下的性能优于其他先进方法。

关键词：图像水印;GoogLeNet;预处理网络;神经网络;损失函数;分辨率

基金资助：江西省教育厅科学技术研究项目(GJJ191583)、华东交通大学理工学院校级课题(xjjg2019-3)资助