一种基于粒球计算的图像内容噪声处理方法技术

本发明专利技术属于图像处理领域，具体涉及一种基于粒球计算的图像内容噪声处理方法，所述方法包括获取待处理图片的各个像素点的梯度；以当前梯度最小的像素点为中心，按照矩形形状向外扩散，重复迭代形成多个不同的矩形局域；计算出各个像素点到其对应矩形区域中心的欧式距离，将所有像素点的欧式距离的倒数经过处理，得到各个矩形区域的权重列表；将各个矩形区域的权重列表与对应像素点的像素值求乘积得到聚类后的各部分像素值，进而完成对待处理图片的聚类操作；基于高斯分布对聚类操作后的待处理图片进行重采样处理。通过本发明专利技术处理后的图像，能够拥有更多的抗噪和抗攻击能力。能够拥有更多的抗噪和抗攻击能力。能够拥有更多的抗噪和抗攻击能力。

【技术实现步骤摘要】
一种基于粒球计算的图像内容噪声处理方法


[0001]本专利技术属于图像处理领域，具体涉及一种基于粒球计算的图像内容噪声处理方法。

技术介绍

[0002]图像作为人类感知事物的视觉基础，是人类从外界获得信息的重要依据和感知外界的重要方式，在此背景下，通过各种方式对图像进行快速地识别处理显得愈发重要。近些年来，随着深度学习技术的快速发展，深度神经网络在图像领域等领域得到了广泛使用。
[0003]尽管深度神经网络在图像识别等领域取得了重大突破，甚至一些场景中，图像识别模型的效率和准确性超过了人眼。深度神经网络识别模型在面对对抗样本等内容噪声时展现出的脆弱性，仍然给其广泛应用带来了隐患。对抗样本是指通过在干净图片中添加一些人眼无法察觉的微小扰动，得到使模型推理时做出错误判断的图片。对抗样本的存在会使得深度学习在安全敏感性领域的应用受到威胁。对抗样本的产生有白盒攻击和黑盒攻击等多种方式，如何有效地防御这些攻击，使得神经网络模型可以正常的工作，是当前神经网络领域亟待解决的问题之一。
[0004]现有的处理对抗样本等内容噪声的方法，大致可分为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于粒球计算的图像内容噪声处理方法，其特征在于，所述方法包括：获取待处理图片的各个像素点的梯度；以当前梯度最小的像素点为中心，按照矩形形状向外扩散，重复迭代形成多个不同的矩形局域；计算出各个像素点到其对应矩形区域中心的欧式距离，将所有像素点的欧式距离的倒数经过处理，得到各个矩形区域的权重列表；将各个矩形区域的权重列表与对应像素点的像素值求乘积得到聚类后的各部分像素值，进而完成对待处理图片的聚类操作；基于高斯分布对聚类操作后的待处理图片进行重采样处理。2.根据权利要求1所述的一种基于粒球计算的图像内容噪声处理方法，其特征在于，所述以当前梯度最小的像素点为中心，按照矩形形状向外扩散，重复迭代形成多个不同的矩形局域包括每次迭代选取剩余梯度最小处的像素点为中心呈矩形形状向外扩散，直至该矩形区域像素点的纯度达到事先设定的纯度阈值时终止扩散；其中，所述纯度定义为1减去矩形区域内异类点个数与该区域像素点总数的比值，定义异类点为矩形区域内与中心点灰度值超出某个预设灰度值的像素点。3.根据权利要求1所述的一种基于粒球计算的图像内容噪声处理方法，其特征在于，所述计算出各个像素点到其对应矩形区域中心的欧式距离，将所有像素点的欧式距离的倒数经过处理，得到各个矩形区域的权重列表包括将各个像素点到当前矩形区域的欧式距离的倒数经过归一化函数处理，当像素点只对应一个矩形区域时，对应权重直接视为1；当像素点对应多个不同矩形区域时，得到当前矩形区域中各个像素点的权重列表，且归一化后权重列表中各权重之和为1。4.根据权...

【专利技术属性】
技术研发人员：庄志国，戴大伟，朱浩，夏书银，王国胤，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：