面向抗屏摄水印的屏幕内容图像数据集—scid

目的抗屏摄鲁棒水印技术通过嵌入算法将秘密信息嵌入载体图像，当发现图像被侵权时可经提取算法还原信息，实现版权保护。但目前对屏幕内容图像的版权保护方面缺少专用数据集，导致基于自然图像数据集训练的模型在屏幕内容场景中应用时易出现视觉质量下降的问题。方法针对保护屏幕内容图像的抗屏摄鲁棒水印任务，本文构建了一个新的数据集。在不同的操作系统下，以全屏和窗口两种显示形式，采集了网页类应用10 303张、聊天类应用823张、编程类应用636张、工程制图类应用2 294张、线上会议类应用676张和办公类应用2 369张等不同主题的图像，最终建立了一个包含17 101张图像的面向抗屏摄水印的屏幕内容图像数据集（screen content image dataset， SCID）。结果所构建的数据集涵盖图片、文本等多样化的屏幕内容类型，并选用StegaStamp、MBRS、PIMoG、HiFiMSFA和MTVDGAN五个典型深度学习水印嵌入方法，在SCID与自然图像数据集上训练，并进行多组对比实验。特别地，在屏摄攻击实验中，我们设置不同的光照（50Lux、100Lux、150Lux）、拍摄角度（Up/Down30°和15°、0°、Left/Right30°和15°）、拍摄距离（20cm、30cm、40cm）、显示亮度（45%、60%、75%）和不同设备组合，对各个模型进行测试。实验结果表明，基于自然图像数据集训练的水印模型在SCID上进行水印嵌入测试时，含水印图像的峰值信噪比较其在自然图像数据集上的测试结果下降2~4dB；而基于SCID训练的水印模型在自然图像数据集上测试时，含水印图像的视觉质量保持稳定。在鲁棒性实验中，基于SCID训练的模型在数字攻击和真实屏摄攻击条件下的水印提取准确率与基于自然图像数据集训练模型的测试结果相当，性能差异较小，表现出良好的泛化能力。结论构建了一个面向抗屏摄鲁棒水印的屏幕内容图像数据集，通过大量的对比实验表明了该数据集在屏幕内容版权保护场景下的有效性，该工作可为屏幕内容保护的抗屏摄鲁棒水印技术研究提供有力支撑。为便于学术同行复现与验证，本文构建的数据集将在论文录用后公开，届时将在文中补充完整下载地址。