图像处理方法、装置、电子设备及存储介质制造方法及图纸

本申请公开一种图像处理方法、装置、电子设备及存储介质，属于信息安全技术领域，该方法中，通过抗干扰模型获取待加密的目标图像的宿主图像，通过图像融合模型将目标图像嵌入宿主图像，得到容器图像，完成对目标图像的首次加密，再循环执行N次：生成调制矩阵，利用调制矩阵对容器图像进行调制处理，得到调制图像，对调制图像进行光强测量，得到调制图像的光强值，以完成对目标图像的二次加密，然后，发送目标图像的密文信息，密文信息包括N个调制矩阵和N个调制图像的光强值。这样，通过两次加密能够有效保护图像，进而提升图像传输的安全性。

【技术实现步骤摘要】

本申请涉及信息安全，尤其涉及一种图像处理方法、装置、电子设备及存储介质。

技术介绍

1、在互联网中，图像已成为信息传递的主要载体，然而，图像在传输过程中，面临着来自黑客、恶意软件和不法分子的安全威胁，容易出现图像泄露、篡改和非法使用的问题。比如在智能医疗领域，医学图像须通过互联网进行传输，这就可能引发医学图像或患者个人隐私的泄漏，而无论是远程诊断还是数据共享，对患者隐私信息的保护都是至关重要的。因此，亟需一种安全的图像加密方案。

技术实现思路

1、本申请实施例提供一种图像处理方法、装置、电子设备及存储介质，用以提供一种安全的图像加密方案。

2、第一方面，本申请实施例提供一种图像处理方法，包括：

3、通过抗干扰模型获取待加密的目标图像的宿主图像；

4、通过图像融合模型将所述目标图像嵌入所述宿主图像，得到容器图像；

5、循环执行n次：生成调制矩阵，利用所述调制矩阵对所述容器图像进行调制处理，得到调制图像，对所述调制图像进行光强测量，得到所述调制图像的光强值，n为大于本文档来自技高网...

【技术保护点】

1.一种图像处理方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述抗干扰模型包括一个第一深度学习网络、M个第二深度学习网络、特征融合组件和揭示网络组件，所述M个第二深度学习网络对应的干扰攻击不同，M为大于1的整数，以及

3.如权利要求1或2所述的方法，其特征在于，所述图像融合模型的嵌入目标是：所述宿主图像和所述容器图像相似，且所述目标图像和解密后的所述目标图像相似。

4.一种图像处理方法，其特征在于，包括：

5.如权利要求4所述的方法，其特征在于，根据所述N个调制矩阵和所述N个调制图像的光强值进行图像恢复，得到所述容器图...

【技术特征摘要】

1.一种图像处理方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述抗干扰模型包括一个第一深度学习网络、m个第二深度学习网络、特征融合组件和揭示网络组件，所述m个第二深度学习网络对应的干扰攻击不同，m为大于1的整数，以及

3.如权利要求1或2所述的方法，其特征在于，所述图像融合模型的嵌入目标是：所述宿主图像和所述容器图像相似，且所述目标图像和解密后的所述目标图像相似。

4.一种图像处理方法，其特征在于，包括：

5.如权利要求4所述的方法，其特征在于，根据所述n个调制矩阵和所述n个调制图像的光强值进行图像恢复，得到所述容器图像，包括：

6....

【专利技术属性】
技术研发人员：嵇超，刘双，陈泽锋，
申请(专利权)人：天翼安全科技有限公司，
类型：发明
国别省市：