一种数字图像或视频的水印去除方法及系统与流程

本发明涉及水印处理技术领域，具体的说是一种数字图像或视频的水印去除方法及系统。

背景技术：

在某些数字图像处理的场景下，有时会有水印干扰的情况，如银行对身份证复印件的扫描识别时，会有复印无效的水印防止身份证信息被滥用，由于这种水印从收录系统时就存在，因此对后续身份证信息的识别会有持续的干扰。同样的，在多种类似的场景中，水印的存在都会对信息获取有一定干扰。

大多数水印有一个共通的特性，即它的样式是固定的，因此，我们可以考虑将水印当成一个模板来进行去除。

技术实现要素：

本发明针对目前技术发展的需求和不足之处，提供一种数字图像或视频的水印去除方法及系统。

首先，本发明提供一种数字图像或视频的水印去除方法，解决上述技术问题采用的技术方案如下：

一种数字图像或视频的水印去除方法，定义一个水印模板，在图像或视频中定位水印模板的位置，随后再通过投影变换将水印模板与图像或视频中的水印位置进行匹配，匹配成功后，通过对图像或视频中的水印做像素处理，达到去除水印的目的。

可选的，采用sift特征匹配算法或深度学习的目标检测算法定位图像或视频中水印模板的位置；

且目标检测算法为使用含语义分割的目标检测算法。

进一步的，所涉及水印去除方法的具体实现步骤包括：

s10、获取一个完整干净的水印图像作为模板i_d；

s20、使用sift或其他具有旋转缩放不变性的本地特征描述算法分别对水印模板i_d和目标图像i_t生成两组特征描述子，两组特征描述子分别标记为d_d和d_t；

s30、遍历水印模板的特征描述子d_d和目标图像的特征描述子d_t，并对每一个d_d_i特征描述子寻找欧氏距离最近的2个d_t_j描述子；

s40、定义d_d_i和d_t_j1的欧氏距离为d_i_j1，d_d_i和d_t_j2的欧氏距离为d_i_j2，设定阈值t，将d_i_j1/d_i_j2>t的匹配点过滤掉；

s50、使用ransac算法结合投影矩阵计算，对剩下的多对特征描述子再次进行过滤，仅保留逆向投影mse最小的一组投影矩阵作为最终投影矩阵；

s60、对每一个水印模板上的像素计算目标图像上投影后的位置，并在对应位置做像素处理，以达到去水印的效果。

更进一步的，在步骤s40中，针对目标图像i_t生成的特征描述子d_t，所述水印模板i_d的每个d_d_i特征描述子应当只能计算得到一个匹配点，如果出现多个匹配点且欧式距离相差不大的情况，则应当同时过滤多个匹配点。

更进一步的，在步骤s60中，所述像素处理可以是减去水印模板对应的像素值，或者，按百分比减去水印模板对应的像素值。

其次，本发明还提供一种数字图像或视频的水印去除系统，解决上述技术问题采用的技术方案如下：

一种数字图像或视频的水印去除系统，其包括：

定义模块，用于定义一个完整干净的水印图像作为水印模板；

定位模块，用于在图像或视频中定位水印模板的位置；

变换匹配模块，用于通过投影变换将水印模板与图像或视频中的水印位置进行匹配；

判定模块，用于判定水印模板与图像或视频中的水印位置是否成功匹配；

去除模块，用于在匹配成功时对图像或视频中的水印进行像素处理并最终实现水印的去除。

可选的，所涉及定位模块采用sift特征匹配算法或深度学习的目标检测算法定位图像或视频中水印模板的位置；

且目标检测算法为使用含语义分割的目标检测算法。

可选的，所涉及定位模块在图像或视频中定位水印模板的位置，具体定位过程包括：

使用sift或其他具有旋转缩放不变性的本地特征描述算法分别对水印模板i_d和目标图像i_t生成两组特征描述子，两组特征描述子分别标记为d_d和d_t；

遍历水印模板的特征描述子d_d和目标图像的特征描述子d_t，并对每一个d_d_i特征描述子寻找欧氏距离最近的2个d_t_j描述子；

定义d_d_i和d_t_j1的欧氏距离为d_i_j1，d_d_i和d_t_j2的欧氏距离为d_i_j2，设定阈值t，将d_i_j1/d_i_j2>t的匹配点过滤掉，最后水印模板i_d的每个d_d_i特征描述子应当只能计算得到一个匹配点，如果出现多个匹配点且欧式距离相差不大的情况，则应当同时过滤多个匹配点；

水印模板i_d的特征描述子d_d在目标图像i_t全部找到匹配点后，即完成图像或视频中水印模板的定位。

可选的，所涉及变换匹配模块通过投影变换将水印模板与图像或视频中的水印位置进行匹配，具体操作为：

使用ransac算法结合投影矩阵计算，对剩下的多对特征描述子再次进行过滤，仅保留逆向投影mse最小的一组投影矩阵作为最终投影矩阵；

对每一个水印模板上的像素计算目标图像上投影后的位置，并在对应位置做像素处理，像素处理可以是减去水印模板对应的像素值，或者，按百分比减去水印模板对应的像素值；

完成像素处理后，水印模板高匹配图像或视频中的水印位置。

本发明的一种数字图像或视频的水印去除方法及系统，与现有技术相比具有的有益效果是：

1)本发明通过sift特征匹配算法或深度学习的目标检测算法精确定位图像或视频中的水印位置，通过对图像或视频进行投影变换和像素处理，减掉或者降低水印的值，实现图像或视频的水印去除；

2)本发明可以从图像或视频中高效率和高准确率的定位水印位置，还可以通过减去水印模板对应的像素值、或者按百分比减去水印模板对应像素值的操作，实现水印的去除。

附图说明

附图1是本发明实施例一的具体流程图；

附图2是本发明实施例二的连接框图。

附图中各标号信息表示：

1、定义模块，2、定位模块，3、变换匹配模块，4、判定模块，5、去除模块。

具体实施方式

为使本发明的技术方案、解决的技术问题和技术效果更加清楚明白，以下结合具体实施例，对本发明的技术方案进行清楚、完整的描述。

实施例一：

本实施例提出一种数字图像或视频的水印去除方法，定义一个水印模板，采用sift特征匹配算法或深度学习的目标检测算法定位图像或视频中水印模板的位置，随后再通过投影变换将水印模板与图像或视频中的水印位置进行匹配，匹配成功后，通过对图像或视频中的水印做像素处理，达到去除水印的目的。

在本实施例中，目标检测算法为使用含语义分割的目标检测算法。

结合附图1，在本实施例中，所涉及水印去除方法的具体实现步骤包括：

s10、获取一个完整干净的水印图像作为模板i_d；

s20、使用sift或其他具有旋转缩放不变性的本地特征描述算法分别对水印模板i_d和目标图像i_t生成两组特征描述子，两组特征描述子分别标记为d_d和d_t；

s30、遍历水印模板的特征描述子d_d和目标图像的特征描述子d_t，并对每一个d_d_i特征描述子寻找欧氏距离最近的2个d_t_j描述子；

s40、定义d_d_i和d_t_j1的欧氏距离为d_i_j1，d_d_i和d_t_j2的欧氏距离为d_i_j2，设定阈值t，将d_i_j1/d_i_j2>t的匹配点过滤掉；

s50、使用ransac算法结合投影矩阵计算，对剩下的多对特征描述子再次进行过滤，仅保留逆向投影mse最小的一组投影矩阵作为最终投影矩阵；

s60、对每一个水印模板上的像素计算目标图像上投影后的位置，并在对应位置做像素处理，以达到去水印的效果。

在本实施例的步骤s40中，针对目标图像i_t生成的特征描述子d_t，水印模板i_d的每个d_d_i特征描述子应当只能计算得到一个匹配点，如果出现多个匹配点且欧式距离相差不大的情况，则应当同时过滤多个匹配点。

在本实施例的步骤s60中，像素处理可以是减去水印模板对应的像素值，或者，按百分比减去水印模板对应的像素值。

实施例二：

结合附图2，本实施例提出一种数字图像或视频的水印去除系统，其包括：

定义模块1，用于定义一个完整干净的水印图像作为水印模板；

定位模块2，用于在图像或视频中定位水印模板的位置；

变换匹配模块3，用于通过投影变换将水印模板与图像或视频中的水印位置进行匹配；

判定模块4，用于判定水印模板与图像或视频中的水印位置是否成功匹配；

去除模块5，用于在匹配成功时对图像或视频中的水印进行像素处理并最终实现水印的去除。

在本实施例中，所涉及定位模块采用sift特征匹配算法或深度学习的目标检测算法定位图像或视频中水印模板的位置。目标检测算法为使用含语义分割的目标检测算法。

在本实施例中，所涉及定位模块2在图像或视频中定位水印模板的位置，具体定位过程包括：

使用sift或其他具有旋转缩放不变性的本地特征描述算法分别对水印模板i_d和目标图像i_t生成两组特征描述子，两组特征描述子分别标记为d_d和d_t；

遍历水印模板的特征描述子d_d和目标图像的特征描述子d_t，并对每一个d_d_i特征描述子寻找欧氏距离最近的2个d_t_j描述子；

定义d_d_i和d_t_j1的欧氏距离为d_i_j1，d_d_i和d_t_j2的欧氏距离为d_i_j2，设定阈值t，将d_i_j1/d_i_j2>t的匹配点过滤掉，最后水印模板i_d的每个d_d_i特征描述子应当只能计算得到一个匹配点，如果出现多个匹配点且欧式距离相差不大的情况，则应当同时过滤多个匹配点；

水印模板i_d的特征描述子d_d在目标图像i_t全部找到匹配点后，即完成图像或视频中水印模板的定位。

在本实施例中，所涉及变换匹配模块3通过投影变换将水印模板与图像或视频中的水印位置进行匹配，具体操作为：

使用ransac算法结合投影矩阵计算，对剩下的多对特征描述子再次进行过滤，仅保留逆向投影mse最小的一组投影矩阵作为最终投影矩阵；

对每一个水印模板上的像素计算目标图像上投影后的位置，并在对应位置做像素处理，像素处理可以是减去水印模板对应的像素值，或者，按百分比减去水印模板对应的像素值；

完成像素处理后，水印模板高匹配图像或视频中的水印位置。

综上可知，采用本发明的一种数字图像或视频的水印去除方法及系统，通过sift特征匹配算法或深度学习的目标检测算法精确定位图像或视频中的水印位置，通过对图像或视频进行投影变换和像素处理，减掉或者降低水印的值，实现图像或视频的水印去除。

以上应用具体个例对本发明的原理及实施方式进行了详细阐述，这些实施例只是用于帮助理解本发明的核心技术内容。基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作出的任何改进和修饰，皆应落入本发明的专利保护范围。