《Knowledge-Based Systems》：GSGM: Gradient space guidance method for single-image visible watermark removal
編輯推薦：
本文提出梯度空間引導法（GSGM）解決單圖像可見水印去除中的定位與恢復難題，通過梯度空間優化水印定位，雙分支增強單元提升背景重建，三維注意力機制增強特征融合，實驗表明在LOGO-L、LOGO-H、LOGO-Gray數據集上PSNR、SSIM、LPIPS指標優于現有方法。
孟斌|周繼柳|楊浩然|劉家勇|蒲一飛
四川大學網絡科學與工程學院，成都，610207，四川，中國
摘要
數字水印是一種廣泛用于保護圖像版權的技術。隨著水印技術的發展，版權保護的研究逐漸擴展到了水印去除領域，公開的水印去除技術應運而生，以增強水印嵌入技術的魯棒性。目前，常見的可見水印去除方法使用U-net來進行水印定位和背景恢復。然而，這些方法經常面臨水印檢測不準確和背景恢復效果不佳的問題。這一問題源于大多數現有研究忽略了這兩項任務之間的復雜關聯：精確的水印定位依賴于更準確的背景特征提取，而有效的背景恢復又依賴于更精確的水印定位。為了解決這個問題，我們設計了一種梯度空間引導方法（GSGM），以連接這兩個子任務。一方面，該方法利用梯度信息來捕捉更準確的水印邊界和位置特征，從而提高水印定位的效果；另一方面，我們引入了雙分支結構和梯度圖來增強背景細節的重建。此外，得益于精心設計的增強單元和注意力模塊，我們的方法取得了出色的性能。在三個具有挑戰性的基準數據集上的廣泛實驗證明了我們方法在克服現有方法局限性方面的有效性。
引言
隨著計算機和互聯網技術的不斷進步，各種社交模式和媒體形式得到了持續發展。其中，圖像作為一種重要的信息載體，在我們的日常生活中無處不在。然而，隨著各種圖像編輯技術和社交軟件的發展，圖像濫用和非法修改的行為日益普遍，使得圖像版權保護成為一個熱點問題。數字圖像水印技術作為一種解決方案，通過在圖像中嵌入水印信息來明確所有權，從而緩解版權糾紛。數字水印大致可以分為可見水印和不可見水印兩類。盡管如此，數字水印仍面臨一些未解決的問題。首先，水印沒有時效性和固有的有效期，這給清除過期水印帶來了很大挑戰；其次，水印創建的門檻低且成本低，導致水印濫用和偽造現象頻發；最后，水印的魯棒性也是一個重要的問題。
現有的可見水印去除方法通常依賴于圖像修復技術，通過再生遮蓋區域內的背景內容來實現水印去除。然而，當前方法往往忽略水印圖像的高頻細節，導致水印檢測不準確或不完整。此外，一些方法直接依賴預先提供的水印位置掩模來進行后續去除。同時，現有方法通常存在水印去除不完全或背景恢復不夠精細的問題，最終無法獲得視覺上令人滿意的結果。
本文提出了一種梯度空間引導方法（GSGM）。首先，我們從水印圖像中提取高頻細節信息，并在梯度空間中捕捉邊界輪廓信息，從而更準確地預測水印掩模，為后續的水印去除奠定基礎。接著，我們設計了具有雙路徑結構的梯度引導增強單元（EU），以解決背景重建不夠精細的問題。此外，我們還引入了增強型聯合注意力（EJA）機制，以捕捉更多有價值的特征，提高模型區分水印和原始圖像信息的能力。我們的方法對于黑白和彩色水印都取得了優異的去除效果，無論它們的比例和位置如何隨機。一方面，該方法可以有效解決去除過期和非法水印的問題；另一方面，從數字水印對抗游戲的視角來看，該方法可以促進數字水印嵌入技術的進一步發展，實現更強大的版權保護目標。我們的主要貢獻如下：
1.我們提出了一種由梯度空間引導的單圖像可見水印去除方法。該方法利用梯度空間中的豐富高頻信息進行編碼和解碼指導，使得在梯度圖中更容易識別水印的位置和邊界，從而獲得更準確和精確的粗略去除結果。
2.我們引入了一個增強單元（EU），在細化階段重建被水印覆蓋的背景區域。在該單元內部，采用梯度引導的雙分支結構來交換高頻信息，實現更精細的水印區域重建。
3.為了進一步優化可見水印去除性能，我們在EU中設計了三維增強型聯合注意力模塊。一方面，該模塊可以關注通道維度中更關鍵的特征；另一方面，通過2D空間注意力，它可以有選擇地關注水印內部和外部不同的位置特征，從而實現更高效的計算效果。
我們的方法在三個數據集上與最先進的方法（SOTA）進行了比較。實驗表明，我們的方法在主觀視覺評估和客觀指標（如峰值信噪比（PSNR）、結構相似性（SSIM）[1] 和學習感知圖像塊相似性（LPIPS）[2]）方面均取得了最佳結果。
在接下來的部分中，我們將在第2節介紹相關先前的工作，在第3節詳細解釋我們的核心方法，在第4節展示實驗結果和分析，在第5節進行總結。
部分內容摘錄
數字圖像水印與去除
數字圖像水印是一種用于版權保護的技術，主要分為兩類：可見水印和不可見水印。可見水印[3]，[4]在視覺上是可感知的，將彩色或黑白符號以一定的透明度嵌入到載體圖像的任意位置。同時，它們可以接受基本的圖像處理操作，如縮放和旋轉。相比之下，不可見水印[5]，[6]在視覺上是不可察覺的
提出的方法
在本文中，我們將可見水印去除視為一種高級的圖像修復任務，其目的是恢復被水印遮擋的背景內容。與具有已知位置掩碼的經典圖像修復任務不同，我們的工作側重于自動檢測水印位置和水印掩模的構建。此外，我們發現將水印圖像轉換到梯度空間更有利于邊緣檢測和可見水印的定位
實驗
在本節中，我們將介紹數據集和實驗的具體細節。然后，我們將在不同數據集上將我們的方法與其他最先進的方法進行比較。最后，我們還將展示消融實驗，包括梯度引導機制、增強模塊、損失權重和注意力機制，以證明我們提出模型的有效性。我們使用的數據集包括LOGO-L、LOGO-H和LOGO-Gray [32]。實驗結果
結論
在本文中，我們提出了一種用于單圖像可見水印去除的梯度空間引導方法，取得了令人滿意的結果。具體來說，我們的方法在梯度空間中捕獲了更準確的水印掩模邊緣位置信息。得益于增強單元和增強損失的應用，實現了更詳細的背景重建。同時，增強的聯合注意力機制有助于網絡關注更重要的特征
CRediT作者貢獻聲明
孟斌：撰寫——原始草稿、可視化、驗證、軟件、方法論、研究。周繼柳：監督、資源提供。楊浩然：可視化、研究。劉家勇：監督、資源提供。蒲一飛：監督、研究。
利益沖突聲明
作者聲明他們沒有已知的財務利益或個人關系可能影響本文所述的工作。
致謝
本工作部分得到了國家自然科學基金（項目編號62171303）的支持。
