原创

： UnseenCode: Invisible On-screen Barcode with Image-based Extraction论文阅读

UnseenCode: Invisible On-screen Barcode with Image-based Extraction论文阅读

突然觉得这些做screen水印的人路子很野

总体思路

这篇文章是2019年IEEE上发表的文章，使用的是时域水印，完全的图像处理方法，没有设计网络。之后的2021年的文章TERA: Screen-to-Camera Image Code with Transparency, Efficiency, Robustness and Adaptability相当于给它做了优化。
在这里插入图片描述

在这里插入图片描述
该水印的不可见思路还是通用的时域水印思路，人眼视觉的融合措施，如上图1所示。叫做Grassmann’s law of color matching。

flicker fusion effect：当光强度波动足够快时，人的眼睛只感知平均强度，而不是闪烁。

水印嵌入

先将cover转换为CIE XYZ颜色通道。个人认为主要是为了提取步骤，在RGB空间使用该水印将会导致出现严重偏色问题。
在这里插入图片描述
颜色转换如公式8所示
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

水印编码方式

此处添加的水印是正反斜杠，每个块表示一个bit，由于改动较大，可以认为具有抗屏幕拍摄的鲁棒性。
在这里插入图片描述

结果展示

在这里插入图片描述
在较高刷新率下，依次显示b,c，可以使得人眼不可见。

水印提取

在这里插入图片描述
拍照获取的图像为RGB格式，进行颜色空间转换，为CIE XYZ空间。再过一个归一化层
由于水印嵌入只有设计X通道，因此，Z通道不变，且在这个颜色空间中，X,Z数值接近，可以用于表示原本的X。
那么现在和原先的X都已经获取，即可获得嵌入的水印。（可能还有个系数）
在这里插入图片描述
在这里插入图片描述

一个彩色图像的X分量用于嵌入，但不使用另一个彩色分量Z。我们发现了从彩色图像的交叉成分相关性中去除背景的可能性。对于一个彩色图像，在不同的彩色成分之间通常有很高的相关性。因此，我们可以假设两个分量之间的归一化像素值几乎相同，即X0≈z0。跨分量相关已被有效地用于图像恢复[14][15]。

经过公式13的L1距离拟合之后，即可判断嵌入的信息。不过在上面的展示图来看，已经可以通过肉眼分辨比特位了。
在这里插入图片描述

图像扰动层

由于全部为图像处理方法，没有图像扰动