FSCCNet：基于多尺度协同卷积和感知嵌入控制的鲁棒图像水印技术

《Journal of Visual Communication and Image Representation》：FSCCNet: Robust image watermarking via multi-scale collaborative convolution and perceptual embedding control

　　``

• •
  FSCC 模块将多尺度特征与全局统计线索相结合。
• •
  MSDA 掩码引导嵌入到纹理丰富的感知区域。
• •
  FSCCNet 在面对多种攻击时提高了鲁棒性和视觉保真度。

引言

随着数字图像分享的快速发展，确保内容真实性和版权保护变得越来越重要。然而，数字媒体的开放性也促进了未经授权的复制、篡改和深度伪造的生成，对内容安全构成了严重挑战[1]、[2]、[3]。数字水印通过在媒体内容中嵌入不可察觉的版权标识符来解决这些问题，以实现身份验证和可追踪性[4]、[5]、[6]。

传统的变换域水印方法[7]、[8]为鲁棒性奠定了理论基础。然而，它们依赖于手工制作的特征，这限制了在复杂非线性失真下的适应性。最近的基于深度学习的方法，如 HiDDeN[9]、MBRS[10]、ReDMark[11] 和基于 INN 的方案[12]，通过联合优化编码器-解码器框架显著提高了性能。尽管取得了这些进展，现有的深度水印模型仍然面临两个结构上的限制，这些限制影响了它们在现实世界传输环境中的有效性。

首先，大多数编码器依赖于具有固定且均匀感受野的标准卷积层，这限制了学习到的水印特征的多尺度多样性。实际上，不同类型的失真作用在根本不同的空间尺度上：JPEG 压缩在 8 × 8 网格上引入块级伪影，高斯模糊在像素级别平滑局部邻域，而裁剪则在大范围内移除整个图像区域。单尺度特征表示缺乏同时抵御这些异构攻击所需的结构冗余。这一观察结果与视觉表示学习中的公认原则一致，即并行多尺度特征提取显著提高了对多种变换的鲁棒性[13]、[14]。

其次，现有方法在嵌入策略上缺乏细粒度的感知适应性。许多方法[9]、[10]、[11]将水印能量均匀分配到所有空间位置，而没有考虑到人类视觉系统（HVS）的非均匀遮蔽特性。众所周知，在视觉生理学中，平滑区域对扰动非常敏感，而纹理区域则表现出更强的遮蔽效应，从而提高了可见性阈值[15]、[16]。忽略这种空间非均匀性会导致次优的妥协：要么水印在平滑区域嵌入得太强，产生可见的伪影；要么整体嵌入得太弱，牺牲了解码的鲁棒性。

这两个限制——特征提取中的尺度同质性和嵌入中的空间均匀性——对应于水印处理流程的不同方面，但必须同时解决这两个问题，以在鲁棒性和不可察觉性之间取得满意的平衡。这一观察结果激发了我们提出的一种基于角色的解耦原则：我们没有将鲁棒性构建和感知优化封装在一个模块中，而是将它们的主要处理分配给在不同表示空间中运行的两个相互作用的子系统。这种分离表示了一种责任划分，而不是严格的统计独立性，因为这两个子系统是联合优化的，两者都会影响最终的鲁棒性-不可察觉性权衡。

基于这一原则，我们提出了 FSCCNet，这是一个基于多尺度协作卷积和感知嵌入控制的深度图像水印框架。在特征层，我们引入了一个特征-空间协作卷积模块（FSCC 块）作为编码器和解码器的核心构建块。FSCC 块包含两条互补的路径：一条多尺度聚合（MSA）路径，通过通道-空间重排和平行多核卷积在多个空间粒度上提取特征；另一条全局不变性和重新校准（GIR）路径，通过全局平均池化获得位置独立的全局通道统计信息，并将其重新校准回空间域。一个自适应的通道门控机制根据每张输入图像的全局特性动态平衡两条路径的贡献。这种设计使水印表示既有细粒度的局部精度，也有粗粒度的全局韧性，使其能够抵御在不同空间尺度上操作的攻击。

在像素级别，我们整合了一个多尺度膨胀注意力（MSDA）[17]模块，该模块对原始封面图像进行操作并生成一个内容自适应的空间掩码。这个掩码作为一个嵌入强度调节器：它在将残差添加到封面图像之前，根据人类感知最不敏感的纹理丰富区域调整水印特征的强度。这种调节行为在重建损失、结构相似性损失和对抗损失的联合监督下端到端学习得到，无需显式的 HVS 模型或感知数据集。从经验来看，学习到的掩码和残差图与视觉生理学中记录的纹理遮蔽效应在质量上是一致的[15]。

主要贡献总结如下：

• 1.
  我们提出了一种特征-空间协作卷积模块（FSCC 块），它通过自适应通道门控同时利用多尺度空间聚合和全局统计不变性，构建具有多尺度结构冗余的水印表示，以抵抗异构失真。
• 2.
  我们引入了一种基于多尺度膨胀注意力的感知嵌入控制机制，生成内容自适应的空间掩码来调节嵌入强度，实现了无需显式感知监督的数据驱动的人类视觉遮蔽近似。
• 3.
  我们使用所提出的模块开发了 FSCCNet，并通过在多个基准数据集上的广泛实验验证了其有效性，证明了它在面对多种失真时的强大鲁棒性，同时显著提高了视觉保真度，优于最近的方法。

本文的其余部分组织如下。第 2 节回顾相关工作。第 3 节介绍所提出的方法。第 4 节报告实验结果。第 5 节讨论局限性。第 6 节总结本文。

部分摘录

相关工作

本节回顾了与我们研究密切相关的三个领域：基于深度学习的图像水印、视觉表示中的多尺度特征学习，以及将注意力机制应用于感知质量控制。我们系统地分析了现有方法的演变和局限性，以激发所提出的多尺度协作水印框架的灵感。

方法

如图 1 所示，FSCCNet 由四个组件组成：编码器、噪声层、解码器和鉴别器。整体架构遵循一种基于角色的架构分离：FSCC 块在潜在特征空间中操作，构建具有多尺度结构冗余的鲁棒水印表示，而多尺度膨胀注意力模块在像素空间中操作，以控制嵌入强度的空间分布。这两个子系统被共同训练

数据集和参数设置

COCO2017 数据集[55] 由于其丰富的内容多样性和复杂的自然场景而被用于模型训练和评估，这些场景有效地反映了现实世界的图像分布。从训练集中随机抽取了 10,000 张图像用于模型训练，而从测试集中选取了 3000 张不重叠的图像用于性能评估。所有图像在网络输入前都被统一调整大小为 128 × 128。因此，训练好的 FSCCNet 模型遵循

局限性

尽管 FSCCNet 具有很强的整体性能，但它仍然存在一些局限性。当前框架主要改进了结构冗余和感知嵌入控制，但它没有明确建模几何同步，因此在严重的空间不同步情况下效果较差。它对学习到的恶意水印去除的鲁棒性也有限，表明需要进行攻击感知训练和更强的安全导向防御。此外，目前

结论

本文提出了 FSCCNet，这是一个将鲁棒性构建与感知嵌入控制分离的强大图像水印框架，同时共同优化这两个目标。所提出的 FSCC 块构建了具有多尺度空间聚合和全局统计重新校准的水印表示，提高了对抗异构失真的特征冗余。此外，基于 MSDA 的嵌入控制模块根据图像

CRediT 作者贡献声明

Jianhao Chen：撰写 – 原始草稿、验证、方法论、概念化。Xiaolong Xu：撰写 – 审阅和编辑、方法论、资金获取、概念化。

利益冲突声明

作者声明他们没有已知的竞争财务利益或个人关系可能影响本文报告的工作。

Jianhao Chen|Xiaolong Xu

```