本技术涉及计算机，具体涉及一种水印隐写的方法、装置和设备及计算机存储介质。
背景技术：
1、随着移动互联网的蓬勃发展，海量数据开始通过这种开放渠道传输，在网络传输过程中，数据可以被轻松地转换、更改、复制和分发，而形式多样的处理和传播手段使得数据的真实所有权和版权变得难以追溯，且他人可轻易地通过更改、删减等二次创作的手段证明其所有权。因此，数字水印作为一种保护版权、维护内容认证的技术，被引入到视频、图像等版权保护相关的场景中。
2、相比于传统的标志(logo)型单一明水印，数字水印具有不可见、携带信息量大、可定制内容、美观的特点，不仅能最大程度低降低对读者的观感影响，还能起到标示版权归属、追溯泄露源头的作用。
3、为此，越来越多的版权方采用图像隐写技术，将数字水印嵌入图像，从而在确保图像质量与观感的前提下，标示版权归属。其中，隐写技术是一门关于信息隐藏的技巧与科学，所谓信息隐藏指的是不让除预期的接收者之外的任何人知晓信息的传递事件或者信息的内容。而图像隐写技术是指将信息隐藏在图像中，需通过额外手段从图像中恢复出原始信息的技术。应用在数字水印这一方面，则是通过图像隐写技术将水印信息隐藏在图像中，且确保后续可以通过额外的技术手段从图像中恢复出原始水印信息。
4、一般的实现上述对数字水印进行隐写的方法是：采用生成对抗网络(generativeadversarial net，gan)的思想来训练一个网络架构，然后该网络架构通过其包括的编码器、解码器以及判别器共同完成对数字水印的嵌入与提取。具体的，编码器用于将水印信息嵌入图像，解码器用于从被嵌入图像中提取水印信息，而其中最为关键的判别器则是用于保证编码器的收敛以及生成图像的质量。
5、然而，由于gan的训练本质上是生成器(即上述提到的编码器)与判别器对抗的过程，且需要分别对生成器和判别器进行单独地交替迭代训练。因此，在通过上述训练方法对网络架构进行训练时，存在着训练过程长且难以收敛的问题。进一步的，当通过该方法训练得到了相应的网络架构，并将其应用在实际的数字水印的嵌入与提取过程中时，由于网络架构在训练过程中收敛较为困难，得到的网络架构并不能很好的满足要求，因此多数情况下，通过这样的网络架构也很难稳定地生成高分辨率的嵌入了数字水印的图像。
6、因此，如何提高图像处理过程中，数字水印的嵌入与提取的效率与质量，是一个亟待解决的问题。
技术实现思路
1、本技术提供一种水印隐写的方法、装置和设备及计算机存储介质，用以提高数字水印的嵌入与提取过程的效率与质量。
2、第一方面，本技术实施例提供一种水印隐写的方法，包括：
3、基于参考水印的水印特征，对参考载体图像进行多轮特征叠加，直到全部水印特征叠加完毕，输出目标载体图像；在一轮叠加过程中，执行以下操作：
4、获取本轮输入的参考载体图像，以及本轮输入的参考水印；
5、对参考水印进行部分特征提取，并基于获得的至少一个参考水印特征，对参考载体图像进行特征叠加，获得本轮输出的前向隐写图像；
6、对前向隐写图像进行部分特征提取，并基于获得的至少一个参考图像特征对参考水印进行特征叠加，获得本轮输出的中间噪声图像；
7、在全部水印特征未叠加完毕时，将本轮输出的前向隐写图像作为下一轮输入的参考载体图像，将本轮输出的中间噪声图像作为下一轮输入的参考水印；
8、在全部水印特征已叠加完毕时，将本轮输出的前向隐写图像作为目标载体图像。
9、第二方面，本技术提供实施例一种水印隐写的方法，包括：
10、基于目标载体图像包含的图像特征与水印特征，对目标载体图像进行多轮特征分离，直到全部水印特征分离完成，输出目标水印以及目标隐写图像；其中，在一轮分离过程中，执行以下操作：
11、获取本轮输入的参考隐写图像以及本轮输入的参考噪声图像；参考隐写图像包含目标载体图像中的图像特征以及水印特征；
12、对参考隐写图像进行部分特征提取，并基于获得的至少一个提取水印特征，对参考噪声图像进行特征叠加，获得本轮输出的中间水印图像；
13、对中间水印图像进行部分特征提取，并基于获得的至少一个中间水印特征，对参考隐写图像进行特征叠加，获得本轮输出的逆向隐写图像；
14、在未全部分离水印特征时，将本轮输出的中间水印图像作为下一轮输入的参考噪声图像，将本轮输出的逆向隐写图像作为下一轮输入的参考隐写图像；
15、在全部分离水印特征后，将本轮输出的中间水印图像作为目标水印，并将本轮输出的逆向隐写图像作为目标隐写图像。
16、第三方面，本技术提供一种水印隐写的装置，包括：
17、第一隐写模块，用于基于参考水印的水印特征，对参考载体图像进行多轮特征叠加，直到全部水印特征叠加完毕，输出目标载体图像；
18、其中，第一隐写模块包括第一获取单元、第一图像单元、第一水印单元以及第一输出单元，用于在一轮叠加过程中，执行以下操作：
19、第一获取单元用于获取本轮输入的参考载体图像，以及本轮输入的参考水印；
20、第一图像单元用于对参考水印进行部分特征提取，并基于获得的至少一个参考水印特征，对参考载体图像进行特征叠加，获得本轮输出的前向隐写图像；
21、第一水印单元用于对前向隐写图像进行部分特征提取，并基于获得的至少一个参考图像特征对参考水印进行特征叠加，获得本轮输出的中间噪声图像；
22、第一输出单元用于在全部水印特征未叠加完毕时，将本轮输出的前向隐写图像作为下一轮输入的参考载体图像，将本轮输出的中间噪声图像作为下一轮输入的参考水印；在全部水印特征已叠加完毕时，将本轮输出的前向隐写图像作为目标载体图像。
23、可选的，在对参考载体图像进行至少一轮叠加过程后，第一图像单元用于对参考水印进行部分特征提取，并基于获得的至少一个参考水印特征，对参考载体图像进行特征叠加时，具体用于：
24、对参考水印进行部分特征提取，获得至少一个参考水印特征以及至少一个修正图像特征；其中，修正图像特征为参考水印中被叠加的部分参考载体图像的图像特征；
25、基于至少一个参考水印特征，对本轮输入的参考载体图像进行特征叠加；
26、基于至少一个修正图像特征，对本轮输入的参考载体图像进行特征修复。
27、可选的，在对参考载体图像进行至少一轮叠加过程后，第一水印单元用于对前向隐写图像进行部分特征提取，并基于获得的至少一个参考图像特征对参考水印进行特征叠加时，具体用于：
28、对前向隐写图像进行部分特征提取，获得至少一个参考图像特征以及至少一个修正水印特征；其中，修正水印特征为前向隐写图像中被叠加的部分参考水印的水印特征；
29、基于至少一个参考图像特征，对参考水印进行特征叠加；
30、基于至少一个修正水印特征，标记参考水印中包含的已被叠加至前向隐写图像的水印特征，以使被叠加的水印特征在下一轮叠加过程中被跳过。
31、可选的，第一输出单元用于在全部水印特征已叠加完毕时，将本轮输出的前向隐写图像作为目标载体图像时，具体用于：
32、在全部水印特征已叠加完毕时，将本轮输出的前向隐写图像作为目标载体图像，将本轮输出的中间噪声图像作为第一白噪声图像；其中，第一白噪声图像为不包含有效信息的图像。
33、可选的，水印隐写的装置还包括：第一训练模块，用于基于预设的第一训练样本集对待训练的隐写模型进行多轮迭代训练，第一训练样本集中的每个训练样本包含一个样本载体图像以及一个样本输入水印；其中，在一轮迭代过程中，执行以下操作：
34、基于样本输入水印的水印特征，对样本载体图像进行多轮特征叠加，直到全部水印特征叠加完毕，获得样本隐写图像；
35、基于样本隐写图像与样本载体图像之间的第一损失值，对待训练的隐写模型的模型参数进行调整。
36、第四方面，本技术实施例提供一种水印隐写的装置，包括：
37、第二隐写模块，用于基于目标载体图像包含的图像特征与水印特征，对目标载体图像进行多轮特征分离，直到全部水印特征分离完成，输出目标水印以及目标隐写图像；
38、其中，第二隐写模块包括第二获取单元、第二水印单元、第二图像单元以及第二输出单元，用于在一轮分离过程中，执行以下操作：
39、第二获取单元用于获取本轮输入的参考隐写图像以及本轮输入的参考噪声图像；参考隐写图像包含目标载体图像中的图像特征以及水印特征；
40、第二水印单元用于对参考隐写图像进行部分特征提取，并基于获得的至少一个提取水印特征，对参考噪声图像进行特征叠加，获得本轮输出的中间水印图像；
41、第二图像单元用于对中间水印图像进行部分特征提取，并基于获得的至少一个中间水印特征，对参考隐写图像进行特征叠加，获得本轮输出的逆向隐写图像；
42、第二输出单元用于在未全部分离水印特征时，将本轮输出的中间水印图像作为下一轮输入的参考噪声图像，将本轮输出的逆向隐写图像作为下一轮输入的参考隐写图像；在全部分离水印特征后，将本轮输出的中间水印图像作为目标水印，并将本轮输出的逆向隐写图像作为目标隐写图像。
43、可选的，第二图像单元用于对中间水印图像进行部分特征提取，并基于获得的至少一个中间水印特征，对参考隐写图像进行特征叠加时，具体用于：
44、对中间水印图像进行部分特征提取，获得至少一个中间水印特征；
45、基于至少一个中间水印特征，标记参考隐写图像中包含的已被分离至中间水印图像的部分水印特征，以使被分离的水印特征在下一轮分离过程中被跳过。
46、可选的，第二隐写模块用于基于目标载体图像包含的图像特征与水印特征，对目标载体图像进行多轮特征分离，直到全部水印特征分离完成时，具体用于：
47、基于目标载体图像包含的图像特征与水印特征，结合第二白噪声图像，对目标载体图像进行多轮特征分离，直到全部水印特征均被分离且叠加至第二白噪声图像；其中，第二白噪声图像为不包含有效信息的图像；
48、基于被叠加全部水印特征的第二白噪声图像，获得目标水印。
49、可选的，水印隐写的装置还包括第二训练模块，第二训练模块用于：基于预设的第二训练样本集对待训练的隐写模型进行多轮迭代训练，第二训练样本集中的每个训练样本包含一个样本隐写图像以及样本输入水印；其中，在一轮迭代过程中，执行以下操作：
50、基于样本隐写图像包含的图像特征和水印特征，对样本隐写图像进行多轮特征分离，直到全部水印特征分离完成，获得样本提取水印；
51、基于样本提取水印与样本输入水印之间的第二损失值，对待训练的隐写模型的模型参数进行调整。
52、可选的，第二训练模块用于基于样本隐写图像包含的图像特征和水印特征，对样本隐写图像进行多轮特征分离时，具体用于：
53、获取样本噪声集合，样本噪声集合中包含至少两种噪声；
54、基于样本噪声集合中的任意一种噪声，对样本隐写图像进行噪声叠加，获得相应的样本加噪图像；
55、基于样本加噪图像中包含的图像特征和水印特征，对样本加噪图像进行多轮特征分离。
56、第五方面，本技术实施例还提供了一种电子设备，其包括处理器和存储器，其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器实现上述任意一种水印隐写方法的步骤。
57、第六方面，本技术实施例还提供了一种计算机可读存储介质，其包括程序代码，当程序代码在电子设备上运行时，程序代码用于使电子设备执行述任意一种水印隐写方法的步骤。
58、第七方面，本技术实施例还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述任意一种水印隐写方法的步骤。
59、本技术有益效果如下：
60、本技术实施例提供了一种水印隐写的方法、装置和设备及存储介质，该方法包括：
61、通过目标隐写模型，对待处理的参考载体图像与参考水印进行多轮特征叠加，以使参考水印的水印特征叠加至参考载体图像上。该方法并不强求单次特征提取的完整度，而是通过增加特征提取与叠加的轮次，确保水印特征的完整提取与叠加，使得本方法可以通过简单的特征提取结构实现水印特征完整提取，降低了特征提取所需的算力，提高了水印嵌入过程的效率。
62、而具体的在一轮特征叠加过程中，针对参考载体图像与参考水印可以执行如下操作：首先从参考水印中提取出至少一个参考水印特征，将其叠加至参考图像中，以此完成本轮对水印特征的叠加；然后从参考载体图像中提取出至少一个参考图像特征，并将其叠加至参考水印，从而获得本轮输出的中间噪声图像。这样，在一轮特征叠加过程后，参考载体图像中嵌入了部分水印特征，参考水印中也嵌入了部分图像特征。
63、如此，在后续的特征叠加过程中，可以从参考水印中同时提取水印特征与图像特征，其中，水印特征用于叠加至参考载体图像，图像特征则用于修复参考载体图像，以降低可能的由于水印特征嵌入而造成的图像质量下降的影响，通过该方法，可以确保目标隐写模型生成的目标载体图像具有较高的图像质量。
64、并且，还可以从参考载体图像中同时提取水印特征与图像特征，其中，图像特征可以继续叠加至参考水印，以后下一轮参考图像修复使用；而水印特征叠加至参考水印则可以将参考水印中的已然被叠加至参考载体图像的水印特征标记，从而使得下一轮对参考水印进行特征提取时，可以跳过这些已经叠加过的水印特征，转而提取未被叠加的特征，以此加快水印特征的全部叠加。
65、如此循环往复之后，直到判断参考水印中的全部水印特征叠加至参考载体图像后，目标隐写模型即可将最终的目标载体图像输出。
66、以外，本技术提供的目标隐写模型是基于可逆神经网络创建的，因此，该目标隐写模型具有可逆性。所以，与水印嵌入相对的水印提取同样可以通过该目标隐写模型执行与上述对称的操作完成。如此，水印嵌入与水印提取共用同一模型以及同一模型中的相同结构以及对应的模型参数，降低了模型训练过程中所需参数的数量，进一步地降低了模型训练所需时间，有效地提高了本方法的实用性。
1.一种水印隐写的方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，在对所述参考载体图像进行至少一轮叠加过程后，所述对所述参考水印进行部分特征提取，并基于获得的至少一个参考水印特征，对所述参考载体图像进行特征叠加，包括：
3.如权利要求2所述的方法，其特征在于，在对所述参考载体图像进行至少一轮叠加过程后，所述对所述前向隐写图像进行部分特征提取，并基于获得的至少一个参考图像特征对所述参考水印进行特征叠加，包括：
4.如权利要求1所述的方法，其特征在于，所述在全部水印特征已叠加完毕时，将本轮输出的前向隐写图像作为所述目标载体图像，包括：
5.如权利要求1-4任一项所述的方法，其特征在于，所述方法是通过目标隐写模型执行的，所述目标隐写模型的训练过程如下：
6.一种水印隐写的方法，其特征在于，所述方法包括：
7.如权利要求6所述的方法，其特征在于，所述对所述中间水印图像进行部分特征提取，并基于获得的至少一个中间水印特征，对所述参考隐写图像进行特征叠加，包括：
8.如权利要求6所述的方法，其特征在于，所述基于目标载体图像包含的图像特征与水印特征，对所述目标载体图像进行多轮特征分离，直到全部水印特征分离完成，包括：
9.如权利要求6-8任一项所述的方法，其特征在于，所述方法是通过目标隐写模型执行的，所述目标隐写模型的训练过程如下：
10.如权利要求9所述的方法，其特征在于，所述基于所述样本隐写图像包含的图像特征和水印特征，对所述样本隐写图像进行多轮特征分离，包括：
11.一种水印隐写的装置，其特征在于，所述装置包括：
12.一种水印隐写的装置，其特征在于，所述装置包括：
13.一种电子设备，其特征在于，其包括处理器和存储器，其中，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行权利要求1-5或者6-10中任一项所述方法的步骤。
14.一种计算机可读存储介质，其特征在于，其包括程序代码，当所述程序代码在电子设备上运行时，所述程序代码用于使所述电子设备执行权利要求1-5或者6-10中任一项所述方法的步骤。
15.一种计算机程序产品，其特征在于，包括计算机程序，所述计算机程序被处理器执行时实现权利要求1-5或者6-10中任一项所述方法的步骤。
