[發明專利]一種針對多層壓縮感知圖像的隱私保護度評價方法

有效

• 申請號: 201911355594.7
• 申請日: 2019-12-25
• 公開（公告）號: CN111199538B
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 石旭剛;劉佶鑫
• 申請（專利權）人: 杭州中威電子股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T9/00;G06V10/56;G06V10/46;G06V10/762;G06V10/764
• 代理公司: 杭州天昊專利代理事務所(特殊普通合伙) 33283
• 代理人: 董世博

本發明公開了一種針對多層壓縮感知圖像的隱私保護度評價方法，針對多層壓縮感知圖像，本發明包括分別采用CAAME算法、GCS?LBP算子和GBVS視覺顯著性算法提取圖像的對比度特征、顯著性結構特征；將訓練圖像的特征與對應的主觀圖像質量分數送入支持向量機訓練，建立圖像質量模型；最后利用模糊C均值算法對預測的質量分數聚類，由類別統計平均得到待測各圖像的隱私保護度分數，本發明提出的方法提取符合人眼視覺特性的對比度特征和顯著性結構特征，使得圖像隱私保護度評價結果更加接近人眼的主觀觀測，具有很好的準確度和魯棒性，能夠滿足多層壓縮感知圖像處理和模式識別實際應用中對于隱私保護度評價的要求。

技術領域

本發明涉及壓縮感知圖像領域，特別是涉及一種針對多層壓縮感知圖像的隱私保護度評價方法。

背景技術

在當今大數據時代，海量的圖像和視頻使得隱私信息和隱私保護的概念不斷得到重視。針對圖像與視頻的模式識別任務一直是計算機視覺和人工智能領域的研究熱點，而在考慮隱私保護的情況下做到高精度識別在近年來受到極大關注。但是如何做到針對圖像或視頻數據的內容隱私保護度評價成為了該領域亟待解決的問題。

Wright等人將壓縮感知(Compressed Sensing，CS)應用到人臉識別中，將其稱為稀疏表示下的分類識別(Sparse Representation-Based Classification，SRC)，該算法對于被遮擋或者受損壞退化的人臉圖像識別具有非常好的魯棒性。Liu等提出了單層CS采樣編碼模型，實現了利用基于混沌元胞自動機和原信號閾值(Cellular Automata Chaos andOriginal Signal Thresholding，CAC-OST)模型的CS采樣編碼。由此，可將單層CS采樣模型進行多層擴展，通過CS采樣編碼得到多層CS態下的圖像。而由于CS欠采樣的特點，各層圖像的分辨率及像素值大小等會發生變化，導致圖像質量退化，圖像內容會隨采樣層數的增加而逐漸變得不可見或不可辨，這就為隱私保護及隱私保護下的模式識別提供了可能。

因此，為了衡量多層壓縮感知隱私保護的性能、指導圖像采樣編碼等目的，希望計算機能自動評價一幅圖像的隱私保護程度。于是，需要設計一種和人眼視覺特性一致的針對多層壓縮感知圖像的隱私保護度評價算法顯得至關重要。

發明內容

本發明的目的是解決現有技術的不足，提供一種針對多層壓縮感知圖像的隱私保護度評價方法，結構簡單，使用方便。

一種針對多層壓縮感知圖像的隱私保護度評價方法，包括如下步驟：

步驟1：從總圖集選取設定張數圖像的多層壓縮感知圖像，構成訓練集圖像；總圖集中剩余的圖像作為待測圖像；

步驟2：提取訓練集圖像的對比度特征，記為f_c；

步驟3：提取訓練集圖像的顯著性結構特征，記為f_s；

步驟4：將訓練集所有圖像的特征[f_c,f_s]和對應的主觀質量分數送入支持向量機模型中訓練，得到一個圖像質量評價模型；

步驟5：對于待測圖像，按照步驟2、步驟3相同的方法提取待測圖像的特征，然后輸入步驟4訓練好的模型中，得到待測圖像的預測質量分數；

步驟6：將待測圖像預測質量分數與訓練集所有圖像的質量分數進行分類；

步驟7：計算待測圖像的所屬類別中訓練集圖像的主觀隱私保護度分數的統計平均；所述主觀隱私保護度分數的統計平均為預測的隱私保護度分數。

進一步的，所述步驟1中的訓練集圖像為總圖集圖像數量的80％，剩余20％作為待測圖像；所述多層壓縮感知圖像為五層壓縮感知采樣。

進一步的，所述訓練集圖像以主觀圖像質量分數和主觀隱私保護度分數作為訓練標簽。