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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD