申请/专利权人:河南大学
申请日:2023-12-13
公开(公告)日:2024-04-12
公开(公告)号:CN117876201A
主分类号:G06T1/00
分类号:G06T1/00;G06V10/774;G06V10/74
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明提供一种基于深度学习的图像加密方法。该方法包括:步骤1:采用DeepEDN作为图像加密网络;步骤2:将明文图像作为源域图像,将明文图像对应的密文图像作为目标域图像;步骤3:使用噪音生成器对源域图像进行加噪生成加噪的源域图像,将所述加噪的源域图像作为图像加密网络的输入,结合对应的目标域图像对所述图像加密网络进行训练,得到训练好的图像加密模型;步骤4:使用噪声生成器对待保护明文图像进行加噪生成加噪的明文图像,将所述加噪的明文图像输入至训练好的图像加密模型,生成所述待保护明文图像的密文图像。本发明可以增强训练周期、明文和密钥的敏感性。
主权项:1.一种基于深度学习的图像加密方法,其特征在于,包括:步骤1:采用DeepEDN作为图像加密网络;步骤2:将明文图像作为源域图像,将明文图像对应的密文图像作为目标域图像;步骤3:使用噪音生成器对源域图像进行加噪生成加噪的源域图像,将所述加噪的源域图像作为图像加密网络的输入,结合对应的目标域图像对所述图像加密网络进行训练,得到训练好的图像加密模型;步骤4:使用噪声生成器对待保护明文图像进行加噪生成加噪的明文图像,将所述加噪的明文图像输入至训练好的图像加密模型,生成所述待保护明文图像的密文图像。
全文数据:
权利要求:
百度查询: 河南大学 一种基于深度学习的图像加密方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。