【技术实现步骤摘要】
本专利技术属于图像处理技术，特别涉及一种安全可逆的人脸图像处理方法及系统。
技术介绍
1、随着视频捕捉和分析技术的进步，公众在享受便利的同时，也面临着对面部隐私的担忧。个人面部数据被广泛捕捉和发布，容易被未经授权的第三方滥用，对个人隐私和安全构成威胁。例如，clearview ai收集个人照片并训练面部识别系统，而监控摄像头的泄露表明视频监控系统存在隐私和安全风险。此外，中国首例面部识别诉讼案也引起了公众对面部识别系统的合法性和隐私问题的关注。
2、为保护面部隐私，现有技术已经广泛研究了各种方法，包括基于混淆的技术、图像遮罩、变换等。虽然这些传统方法在视觉隐私方面表现出色，但它们在图像的自然性和可逆性方面受到限制，且容易受到图像重建攻击的影响。随着深度学习技术的发展，生成方法被研究用于更自然和可用的方式来保护面部隐私。早期基于深度的方法使用生成对抗网络来创造出展示匿名身份的、与原始身份不同的面部外观。然而，由于gan机制的局限性，视觉质量通常不令人满意。最近，可逆方法被研究用于处理需要恢复原始图像的情况。然而，由于单一生成或变换模型在产生多样化身份方面的能力有限，因此受保护的面部在多样性上仍然受到限制。
技术实现思路
1、为了弥合面部隐私保护不同范例之间的差距，本专利技术提出一种安全可逆的人脸图像处理方法，具体包括以下处理方法：
2、获取原图像，对原图像进行匿名化处理得到预处理图像，并分别对原图像和预处理图像进行离散小波变换；
3、用户端输入初始
4、将离散小波变换后的二进制图、原图像、预处理图像输入可逆神经网络进行加密处理，将加密后的数据进行离散小波逆变换，得到加密保护图像。
5、进一步的，当获取加密保护图像和一个密钥后，利用密钥对加密保护图像进行解密的过程包括：
6、利用秘钥生成模块根据密钥生成固定长度的二进制密钥，将二进制密钥转换为与输入图像同维度的二进制图；
7、将二进制图、加密保护图像进行离散小波变换，然后输入可逆神经网络进行逆处理；
8、可逆神经网络逆处理输出的数据进行离散小波逆变换，若密钥与原始密钥相同则回复图像为原始想，若密钥与原始密钥不同，则得到错误恢复图像。
9、进一步的，可逆神经网络由级联的n个安全仿射耦合块构成，第i个安全仿射耦合块对图像的处理包括：
10、将第i-1个安全仿射耦合块输出的密钥信息图和预处理图像作为第i个安全仿射耦合块的输入；
11、第i个安全仿射耦合块对第i-1个安全仿射耦合块输出的密钥信息图和预处理图像进行混合和变换并输出经过第i个安全仿射耦合块混合和变换后的密钥信息图和预处理图像；
12、其中，第一个安全仿射耦合块的输入为离散小波变换后的预处理图像和通过二进制密钥转换得到的与输入图像同维度的二进制图。
13、进一步的，可逆神经网络进行逆处理的过程中，第i个安全仿射耦合块对图像的处理包括：
14、将第i+1个安全仿射耦合块输出的密钥信息图和加密保护图像作为第i个安全仿射耦合块的输入；
15、第i个安全仿射耦合块对输入的密钥信息图和加密保护图像进行逆混合和逆变换；
16、其中，若总共有n个安全仿射耦合块，则逆变换过程总共第n个安全仿射耦合块的输入为第n个安全仿射耦合块正变换输出的加密保护图像，以及经过秘钥生成模块得到的密钥图像。
17、进一步的，将二进制密钥转换为与输入图像同维度的二进制图的过程包括：
18、利用秘钥生成模块，根据输入的初始密钥，通过密钥派生函数生成固定长度的二进制密钥；
19、将生成的二进制密钥通过几何变换转换成与输入图像维度相同的二进制图。
20、进一步的，利用可逆神经网络的损失函数对其进行训练，可逆神经网络的损失函数表示为：
21、
22、其中，表示加密图像与原始输入图像之间的总损失函数；为加密图像与预处理图像之间的视觉相似度损失；为正确恢复图像与原始图像之间的恢复损失；为正确恢复图像、错误恢复图像和原始图像之间的三元损失；
23、λ1、λ2、λ3分别为的权重。
24、进一步的，加密图像与预处理图像之间的视觉相似度损失表示为：
25、
26、其中，其中，表示加密图像，y表示原始图像混淆处理后的预处理图像，lpips表示由学习感知图像块相似度定义的感知距离，‖·‖1表示l1范数，β表示权重参数。
27、进一步的，正确恢复图像与原始图像之间的恢复损失表示为：
28、
29、其中，表示由正确密钥恢复出的正确恢复图像，x表示原始人脸图像，‖·‖1表示l1范数。
30、进一步的，正确恢复图像、错误恢复图像和原始图像之间的三元损失对于随机化错误恢复模式表示为对于混淆错误恢复模式表示为即：
31、
32、
33、
34、其中，x表示原始人脸图像，表示由正确密钥恢复出的正确恢复图像，表示由错误密钥恢复出的错误恢复图像，表示以lpips为距离度量的三重损失，表示基于l1距离的类似三重损失；y表示原始图像混淆处理后的预处理图像；a表示三重损失中的锚样本，p表示三重损失中锚样本的正样本，n表示三重损失中锚样本的负样本。
35、本专利技术还提供一种安全可逆的人脸图像处理方法系统，包括图像混淆器、离散小波变换模块、秘钥生成模块、可逆神经网络、离散小波逆变换模块，其中：
36、当需要对原图像进行加密时，用户将原始秘钥输入秘钥生成模块，秘钥生成模块根据初始密钥生成固定长度的二进制密钥，将二进制密钥转换为与输入图像同维度的二进制图；
37、利用图像混淆器对原图像进行预处理得到预处理图像，并利用离散小波变换模块对预处理图像、原图像进行小波变换，将小波变换后的数据输入可逆神经网络；
38、可逆神经网络对输入数据进行处理后输出加密保护图像；
39、当需要对加密保护图像进行解密时，用户输入秘钥生成模块一个密钥，秘钥生成模块根据该密钥生成固定长度的二进制密钥，将二进制密钥转换为与输入图像同维度的二进制图；
40、利用离散小波变换模块对二进制图和加密保护图像进行小波变换，并将变换后的数据输入可逆神经网络进行逆处理；
41、将逆处理得到的数据利用离散小波逆变换模块进行逆变换得到恢复图像，若用户使用的密钥与初始密钥一致则解密得到原图像，否则输入错误的恢复图像。
42、本专利技术通过可逆神经网络和密钥生成模块，将经过混淆后的预处理图像与密钥进行融合，保证了原始图像仅由正确密钥才可恢复，有效确保了原始图像的安全性。本专利技术具体的有益效果包括：
43、1)、本专利技术具有较强多样性，即本文档来自技高网...
【技术保护点】
1.一种安全可逆的人脸图像处理方法，其特征在于，具体包括以下处理方法：
2.根据权利要求1所述的一种安全可逆的人脸图像处理方法，其特征在于，当获取加密保护图像和一个密钥后，利用密钥对加密保护图像进行解密的过程包括：
3.根据权利要求1或2所述的一种安全可逆的人脸图像处理方法，其特征在于，可逆神经网络由级联的N个安全仿射耦合块构成，第i个安全仿射耦合块对图像的处理包括：
4.根据权利要求3所述的一种安全可逆的人脸图像处理方法，其特征在于，可逆神经网络进行逆处理的过程中，第i个安全仿射耦合块对图像的处理包括：
5.根据权利要求1所述的一种安全可逆的人脸图像处理方法，其特征在于，将二进制密钥转换为与输入图像同维度的二进制图的过程包括：
6.根据权利要求1所述的一种安全可逆的人脸图像处理方法，其特征在于，利用可逆神经网络的损失函数对其进行训练，可逆神经网络的损失函数表示为：
7.根据权利要求6所述的一种安全可逆的人脸图像处理方法，其特征在于，加密图像与预处理图像之间的视觉相似度损失表示为：
8.根据权利要
9.根据权利要求6所述的一种安全可逆的人脸图像处理方法，其特征在于，正确恢复图像、错误恢复图像和原始图像之间的三元损失对于随机化错误恢复模式表示为对于混淆错误恢复模式表示为即：
10.一种安全可逆的人脸图像处理方法系统，其特征在于，包括图像混淆器、离散小波变换模块、秘钥生成模块、可逆神经网络、离散小波逆变换模块，其中：
...【技术特征摘要】
1.一种安全可逆的人脸图像处理方法，其特征在于，具体包括以下处理方法：
2.根据权利要求1所述的一种安全可逆的人脸图像处理方法，其特征在于，当获取加密保护图像和一个密钥后，利用密钥对加密保护图像进行解密的过程包括：
3.根据权利要求1或2所述的一种安全可逆的人脸图像处理方法，其特征在于，可逆神经网络由级联的n个安全仿射耦合块构成，第i个安全仿射耦合块对图像的处理包括：
4.根据权利要求3所述的一种安全可逆的人脸图像处理方法，其特征在于，可逆神经网络进行逆处理的过程中，第i个安全仿射耦合块对图像的处理包括：
5.根据权利要求1所述的一种安全可逆的人脸图像处理方法，其特征在于，将二进制密钥转换为与输入图像同维度的二进制图的过程包括：
6.根据权利要求1所述...
【专利技术属性】
技术研发人员：张栩嫣，周子怡，于广浩，袁霖，高新波，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。