彩色图像重构方法及装置、图像分类方法及装置制造方法及图纸

本发明专利技术公开了彩色图像重构方法及装置、图像分类方法及装置，该方法通过训练基于张量的深度卷积生成对抗网络，提取出生成网络模型和判别网络模型，并基于所述生成网络模型获得生成器，基于所述判别网络模型获得解码器；利用所述解码器将待分类彩色图像转化为彩色图像编码；所述彩色图像编码的空间分布和噪声的空间分布的相似度高于预设阈值，所述噪声从潜在空间中得到；将所述彩色图像编码重复输入到所述生成器中，生成若干目标彩色图像；利用所述判别网络模型对所述若干目标彩色图像进行评估打分；将分数满足要求的目标彩色图像作为所述重构彩色图像。

Color image reconstruction method and device, image classification method and device

【技术实现步骤摘要】
彩色图像重构方法及装置、图像分类方法及装置
本专利技术涉及图像处理
，尤其涉及彩色图像重构方法及装置、图像分类方法及装置。
技术介绍
近年来，在信息物理社会系统(CPSS)领域，随着IoT设备的发展以及相关研究的深入，数据规模越来越大，数据类型越来越复杂，图像作为数据的一种表现形式，在现实中的应用也日益常见。图像分类作为图像应用中的典型，被人们广泛研究，相关技术层出不穷，然而现有的图像分类技术大都是基于神经网络模型的，且模型一般是线性的，这就导致了当对输入图像添加扰动时，即便是细小的噪声在输出后也能被放大数倍，从而使得分类器输出的分类结果是错误的，甚至攻击者可以将分类器的输出指定为自己希望的类别。由于扰动是细微的，在原始图像上不容易被察觉，但是通过分类器的输出，就会产生错误的结果影响分类准确率。为了保护分类器能够免受对抗样本的攻击，有人提出了利用近年来兴起的深度卷积生成对抗网络(DCGAN)对分类器实现保护，提高其鲁棒性。但是，目前的DCGAN中的网络都是基于矩阵的，根据已经训练好的深度卷积生成对抗网络(DCGAN)模型，将其中的生成网络模型提出出来作为生成器用于重构图像。但是，现有技术的重构图像方案采用的是梯度下降方法，对于灰度图像而言，梯度的变化改变了噪声从而使生成的图像向希望的方向改变，然而对于彩色图像而言，单通道的下降对整个多通道表示的彩色图像影响较小，因此即使是通过数次迭代，生成的彩色图像依然变化较小，不能高效率的逼近待分类图像，也就是生成的彩色图像和待分类图像差别依然很大。同时，由于生成网络的输入来自于潜在空间，噪声使随机选取的，我们无法指定这样的随机噪声生成结果与待分类图像近似，即现有方法对于彩色图像而言，想要通过梯度下降方法重构彩色图像使之与待分类图像相近是很困难的。
技术实现思路
本专利技术提供了彩色图像重构方法及装置、图像分类方法及装置，以解决或者部分解决现有技术生成的重构图像不能高效率的逼近待分类图像的技术问题。为解决上述技术问题，本专利技术提供了一种彩色图像重构方法，所述方法包括：通过训练基于张量的深度卷积生成对抗网络，提取出生成网络模型和判别网络模型，并基于所述生成网络模型获得生成器，基于所述判别网络模型获得解码器；利用所述解码器将待分类彩色图像转化为彩色图像编码；所述彩色图像编码的空间分布和噪声的空间分布的相似度高于预设阈值，所述噪声从潜在空间中得到；将所述彩色图像编码重复输入到所述生成器中，生成若干目标彩色图像；利用所述判别网络模型对所述若干目标彩色图像进行评估打分；将分数满足要求的目标彩色图像作为所述重构彩色图像。优选的，所述基于所述判别网络模型获得解码器，包括：使用所述判别网络模型的结构训练得到所述解码器。优选的，所述使用所述判别网络模型的结构训练得到所述解码器，具体包括：将所述判别网络模型的输出层由sigmoid层改为全连接层，控制输出编码的大小与所述噪声的输出大小一致。优选的，所述将分数满足要求的目标彩色图像作为所述重构彩色图像，具体包括：将所述若干目标彩色图像按照分数高低进行排序，将分数最高的目标彩色图像作为所述重构彩色图像；或者将所述若干目标彩色图像的分数分别和预设分数阈值进行比对，将高于所述预设分数阈值的任一目标彩色图像作为所述重构彩色图像。优选的，所述重构彩色图像满足如下条件：表示重构彩色图像G(N)和待分类彩色图像X之间的2范数趋近0；其中，N为彩色图像编码。本专利技术公开了一种彩色图像重构装置，包括：提取单元，用于通过训练基于张量的深度卷积生成对抗网络，提取出生成网络模型和判别网络模型，并基于所述生成网络模型获得生成器，基于所述判别网络模型获得解码器；转化单元，用于利用所述解码器将待分类彩色图像转化为彩色图像编码；所述彩色图像编码的空间分布和噪声的空间分布的相似度高于预设阈值，所述噪声从潜在空间中得到；生成单元，用于将所述彩色图像编码重复输入到所述生成器中，生成若干目标彩色图像；评估单元，用于利用所述判别网络模型对所述若干目标彩色图像进行评估打分；处理单元，用于将分数满足要求的目标彩色图像作为所述重构彩色图像。本专利技术公开了一种图像分类方法，所述方法包括：根据如上述的彩色图像重构方法生成所述重构彩色图像；将所述重构彩色图像输入预设分类器进行图像分类；所述预设分类器通过训练神经网络模型得到。本专利技术公开了一种图像分类装置，所述装置包括：生成模块，用于根据如上述任一彩色图像重构方法生成所述重构彩色图像；分类模块，用于将所述重构彩色图像输入预设分类器进行图像分类；所述预设分类器通过训练神经网络模型得到。本专利技术公开了一种可移动设备，包括：处理器；以及存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上述任一方法技术方案。本专利技术公开了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述任一方法技术方案。通过本专利技术的一个或者多个技术方案，本专利技术具有以下有益效果或者优点：本专利技术中的方法通过训练基于张量的深度卷积生成对抗网络，提取出生成网络模型和判别网络模型，并基于所述生成网络模型获得生成器，基于所述判别网络模型获得解码器；然后利用所述解码器将待分类彩色图像转化为彩色图像编码，并使得所述彩色图像编码的空间分布和噪声的空间分布的相似度高于预设阈值；将所述彩色图像编码重复输入到所述生成器中，生成若干目标彩色图像；利用所述判别网络模型对所述若干目标彩色图像进行评估打分；将分数满足要求的目标彩色图像作为所述重构彩色图像。如此解码得到的与生成网络输入空间分布相近的编码生成的重构彩色图像与原来的待分类彩色图像更接近。而使用梯度下降法在彩色图像上重构是做不到的。进一步的，本专利技术的方案由于得到的重构彩色图像更接近待分类彩色图像，那么在原始彩色图像可能已被攻击的情况下，由重构彩色图像作为分类器的输入，能够提高分类器分类结果的准确性，从而避免了对抗攻击在原图上的扰动使得分类器分类结果出现极大的偏差，能够提高分类准确率。上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了根据本专利技术一个实施例的现有技术方案的示意图；图2示出了根据本专利技术一个实施例的现有技术方案中根据噪声重构图像的具体过程示意图；图3示出了根据本专利技术一个实施例的彩色图像重构方法的流程图；图4示出了根据本专利技术一个本文档来自技高网...

【技术保护点】
1.一种彩色图像重构方法，其特征在于，所述方法包括：/n通过训练基于张量的深度卷积生成对抗网络，提取出生成网络模型和判别网络模型，并基于所述生成网络模型获得生成器，基于所述判别网络模型获得解码器；/n利用所述解码器将待分类彩色图像转化为彩色图像编码；所述彩色图像编码的空间分布和噪声的空间分布的相似度高于预设阈值，所述噪声从潜在空间中得到；/n将所述彩色图像编码重复输入到所述生成器中，生成若干目标彩色图像；/n利用所述判别网络模型对所述若干目标彩色图像进行评估打分；/n将分数满足要求的目标彩色图像作为所述重构彩色图像。/n

【技术特征摘要】
1.一种彩色图像重构方法，其特征在于，所述方法包括：
通过训练基于张量的深度卷积生成对抗网络，提取出生成网络模型和判别网络模型，并基于所述生成网络模型获得生成器，基于所述判别网络模型获得解码器；
利用所述解码器将待分类彩色图像转化为彩色图像编码；所述彩色图像编码的空间分布和噪声的空间分布的相似度高于预设阈值，所述噪声从潜在空间中得到；
将所述彩色图像编码重复输入到所述生成器中，生成若干目标彩色图像；
利用所述判别网络模型对所述若干目标彩色图像进行评估打分；
将分数满足要求的目标彩色图像作为所述重构彩色图像。


2.如权利要求1所述的方法，其特征在于，所述基于所述判别网络模型获得解码器，包括：
使用所述判别网络模型的结构训练得到所述解码器。


3.如权利要求2所述的方法，其特征在于，所述使用所述判别网络模型的结构训练得到所述解码器，具体包括：
将所述判别网络模型的输出层由sigmoid层改为全连接层，控制输出编码的大小与所述噪声的输出大小一致。


4.如权利要求1所述的方法，其特征在于，所述将分数满足要求的目标彩色图像作为所述重构彩色图像，具体包括：
将所述若干目标彩色图像按照分数高低进行排序，将分数最高的目标彩色图像作为所述重构彩色图像；或者
将所述若干目标彩色图像的分数分别和预设分数阈值进行比对，将高于所述预设分数阈值的任一目标彩色图像作为所述重构彩色图像。


5.如权利要求1所述的方法，其特征在于，所述重构彩色图像满足如下条件：表示重构彩色图像G(N)和待分类彩色图像X之间的2范数趋近0；其中，N为彩色图像编码。

【专利技术属性】
技术研发人员：杨天若，朱宇翔，冯君，张顺利，任志安，
申请(专利权)人：华中科技大学鄂州工业技术研究院，华中科技大学，
类型：发明
国别省市：湖北;42