基于ViT与扩散概率模型的深度学习图像水印方法

本发明公开一种基于ViT与扩散概率模型的深度学习图像水印方法。首先，利用多层U‑Net结构与Transform块对宿主图像和水印信息进行特征级的编码，然后通过Concatenate操作融合水印特征；接下来，为了模拟潜在攻击并提高鲁棒性，本方法在编码后的图像中添加随机数据增强和高斯噪声处理。在水印提取阶段，采用池化层和Transform块的多次迭代来解码特征，并最终通过U‑Net网络实现水印的准确提取。本发明在增强水印隐藏性、提升鲁棒性以及降低模型训练复杂度和提高效率方面具有潜在优势，预期能在面对复杂图像处理和攻击条件下展现其高效且可靠的技术特性。