[发明专利]基于FCN的图像信息加密方法及装置

权利要求书

1.一种基于FCN的图像信息加密方法，其特征在于，涉及加密端和解密端，所述方法包括：

通过所述加密端获取待加密图像M_a；

通过所述加密端采用预设图像压缩参数对所述待加密图像M_a进行图像压缩，生成压缩图像M_b；

通过所述加密端将所述压缩图像M_b输入到目标全卷积神经网络模型的编码网络部分，生成加密图像M_c；

通过所述加密端采用所述加密图像M_c、所述预设图像压缩参数和预设图像还原参数，构建加密数据并发送到所述解密端；

通过所述解密端接收所述加密数据并采用所述目标全卷积神经网络模型的解码网络部分进行解码，生成解密图像M_d；

通过所述解密端采用所述预设图像还原参数对所述解密图像M_d进行图像还原，生成目标图像M_e；

其中，所述目标全卷积神经网络模型通过预置的模型训练过程生成；

所述待加密图像M_a的分辨率为N_x×N_y，矩阵形式为所述预设图像压缩参数包括压缩数M、第一预设高斯随机矩阵V、第二预设高斯随机矩阵V′，所述通过所述加密端采用预设图像压缩参数对所述待加密图像M_a进行图像压缩，生成压缩图像M_b的步骤，包括：

按列为基准将所述待加密图像M_a分解为N_y个包含N_x个元素的向量其中N_x、M和N_y均为正整数，N_en为预设整数，M≥1；

将所述向量分别代入到第一预设公式u＝V·s中的s，得到N_y个向量其中，V为尺寸为M×N_x的第一预设高斯随机矩阵；

采用所述向量组成尺寸为M×N_y的矩阵

按行为基准将所述矩阵U分解为M个包含N_y个元素的向量s′₁,s′₂,s′₃,…,s′_M；其中

将所述向量s′₁,s′₂,s′₃,…,s′_M分别代入到第二预设公式v＝V′·s′中的s′得到向量v₁,v₂,v₃,…,v_M；其中，V′为尺寸为M×N_y的第二预设高斯随机矩阵；

采用所述向量v₁,v₂,v₃,…,v_M组成尺寸为M×M的矩阵

将所述矩阵V″作为分辨率M×M的压缩图像

2.根据权利要求1所述的方法，其特征在于，所述模型训练过程包括：

采用预置卷积模块构建预置的初始全卷积神经网络模型的编码网络部分，采用预置反卷积模块构建所述初始全卷积神经网络模型的解码网络部分，并采用高斯分布随机数初始化所述初始全卷积神经网络模型的所有模型参数；

以均匀分布随机方式创建多个尺寸为的灰度图作为训练样本并进行标定，生成多个已标定训练样本；其中，m为整数，0≤m≤255；

采用多个已标定训练样本分别组成训练集和测试集；

采用所述训练集训练所述初始全卷积神经网络模型，得到目标全卷积神经网络模型。