1.基于Transformer的软融合鲁棒图像水印方法，其特征在于，包括：构建基于Transformer的端到端水印模型；其中，所述端到端水印模型包括：编码器、解码器、噪声层和鉴别器；

将原始图像和原始水印输入所述编码器进行编码，获取编码图像，完成水印融合；

将所述编码图像输入所述噪声层进行噪声添加，获取噪声图像；

将所述噪声图像输入所述解码器进行水印提取，获取解码后的水印；

基于所述鉴别器，对所述编码图像进行鉴别。

2.根据权利要求1所述的基于Transformer的软融合鲁棒图像水印方法，其特征在于，所述编码器包括：水印预处理模块、第一卷积层、特征增强模块、软融合模块、Transformer块和第二卷积层；

所述原始水印输入所述水印预处理模块进行扩展，获取初始水印特征图，所述原始图像输入所述第一卷积层进行卷积处理，获取初始图像特征图；

将所述初始水印特征图和所述初始图像特征图输入所述特征增强模块，获取增强特征图；

将所述增强特征图和所述初始水印特征图输入所述软融合模块，获取带水印特征图；

将所述带水印特征图通过Transformer块后与所述原始图像进行连接，再通过所述第二卷积层进行卷积处理，获取含水印的所述编码图像。

3.根据权利要求1所述的基于Transformer的软融合鲁棒图像水印方法，其特征在于，所述编码器的编码过程表示为：其中，Ic为原始图像，Ie为编码图像，E为编码器，W为原始水印，θE为编码器的参数，LE为编码损失。

4.根据权利要求1所述的基于Transformer的软融合鲁棒图像水印方法，其特征在于，所述解码器进行水印提取的过程表示为：，

其中，W为原始水印，W 为解码器提取的

水印，In为噪声图像，θD为解码器的参数，D为解码器， 为解码损失。

5.根据权利要求1所述的基于Transformer的软融合鲁棒图像水印方法，其特征在于，所述鉴别器对所述编码图像进行鉴别包括：所述鉴别器对所述编码图像进行识别；所述编码器阻止所述鉴别器对所述编码图像进行识别；

所述鉴别器对所述编码图像进行识别表示为：其中，θA为鉴别器的参数，

Ie为编码图像，A为鉴别器，θE为编码器的参数，W为原始水印，E为编码器，Ic为原始图像，为鉴别损失；

所述编码器阻止所述鉴别器对所述编码图像进行识别表示为：其中， 为对抗损失。

6.根据权利要求1所述的基于Transformer的软融合鲁棒图像水印方法，其特征在于，构建基于Transformer的所述端到端水印模型还包括：对所述端到端水印模型设置总损失函数；

所述总损失函数包括：编码损失，对抗损失和解码损失；

所述总损失函数为：

其中，Loverall为总损失函数，λ1为编码损失权重，λ2为对抗损失权重，λ3为解码损失权重，LE为编码损失，LA为对抗损失，LD为解码损失。

7.根据权利要求2所述的基于Transformer的软融合鲁棒图像水印方法，其特征在于，获取所述初始水印特征图包括：将所述原始水印重塑为预设大小的矩阵；

使用pixel‑shuffle操作进行对所述矩阵进行上采样，并利用Transformer块操作对所述矩阵自注意提取有效特征，获取所述初始水印特征图；

所述矩阵的预设大小为：

其中，L为水印长度，h×w为水印大小，K3为整数，表示pixel‑shuffle和Transformer块的次数，H为原始图像的高，W为原始图像的宽。

8.根据权利要求2所述的基于Transformer的软融合鲁棒图像水印方法，其特征在于，通过所述特征增强模块获取所述增强特征图的过程表示为：其中，FF为增强特征图， 为初始水印特征图生成的2D查询张量， 为初始图像特征图生成的2D 键张量， 为初始图像特征图生成的2D 值张量，Fc为初始图像特征图， 为注意力图， 为激活函数，d为键张量的维度。

9.根据权利要求2所述的基于Transformer的软融合鲁棒图像水印方法，其特征在于，通过所述软融合模块获取所述带水印特征图的过程表示为：其中， 和 分

别表示初始水印和原始图像的注意力图，P(.) 为线性映射， 为特征拼接操作， 为增强特征图生成的2D 查询张量，Fwc为带水印特征图。