摘要
图像隐私保护主要应用于云计算领域,而针对图像或视频的识别任务一般需要其视觉可见,因而往往忽略了隐私保护问题.为了解决这类问题,受到基于压缩感知(compressed sensing,CS)的稀疏表示分类识别算法对于遮挡或污染图像具有较强鲁棒性的启发,提出了一种单层CS采样的扩展模型,使得经过多层CS采样编码后的图像虽然质量退化、内容逐渐变得不可辨别,但依然能够用于图像识别,达到视觉隐私保护的目的.为了能够对多层CS采样编码图像进行图像内容隐私保护度的有效评价,基于人类视觉系统(human visual system,HVS),利用多层CS图像对比度和图像视觉结构退化的特点,通过度量图像对比度和提取图像局部二进制模式(local binary pattern,LBP)特征,提出了面向多层CS图像的内容隐私保护度评价模型(MCS-CPPE).通过在构造的三大数据集上进行与人眼视觉相关性的实验,验证了所提出的模型有较好的预测性能和效果.
基金项目
江苏省自然科学基金(BK20180088)
中国博士后科学基金(2019M651916)
江苏省研究生科研与实践创新计划(KYCX18_0919)
国家科技期刊平台
NSTL
维普
万方数据