一种图像分类方法和装置制造方法及图纸

本申请公开了一种图像分类方法，包括：将待分类的图像进行加密；对所述加密后的图像进行属性的约简，其中，所述约简之后的图像的属性的数量从第一数量变为第二数量，所述第一数量大于第二数量，所述图像的属性是为所述图像进行分类的依据；将进行属性约简之后的加密图像输入到模型中得到输出结果，其中，所述模型为利用多组训练数据训练出来的用于分类的机器学习模型；对所述模型的输出结果进行解密后获得所述图像的分类结果。通过本申请解决了利用机器学习技术对图像分类时进行隐私保护导致的效率低下的问题，从而使得图像分类安全且效率高。效率高。效率高。

【技术实现步骤摘要】
一种图像分类方法和装置


[0001]本申请涉及到人工智能领域，具体而言，涉及一种基于机器学习的图像分类方法。

技术介绍

[0002]近几年来人工智能技术逐渐应用于各领域，现有的机器学习技术在图像分类领域的应用有了一定的突破，主要涉及的算法有神经网络、支持向量机、决策树、贝叶斯网络以及各种改进算法等。
[0003]然而，由于数字图像中包含了众多隐私信息，易受到窃取、篡改或者破坏，一旦数据泄露，将造成无可挽回的损失。目前，常用的对图像进行隐私保护的方法是图像加密，对于复杂的图像信息而言，加解密上耗费的时间过长，导致整个分类过程效率低下。

技术实现思路

[0004]本申请实施例提供了一种图像分类方法，以至少解决利用机器学习技术对图像分类时进行隐私保护导致的效率低下的问题。
[0005]根据本申请的一个方面，提供了一种图像分类方法，包括：
[0006]将待分类的图像进行加密；
[0007]对所述加密后的图像进行属性的约简，其中，所述约简之后的图像的属性的数量从第一数量变为第二数量，所述第一数量大于第二数量，所述图像的属性是为所述图像进行分类的依据；
[0008]将进行属性约简之后的加密图像输入到模型中得到输出结果，其中，所述模型为利用多组训练数据训练出来的用于分类的机器学习模型；
[0009]对所述模型的输出结果进行解密后获得所述图像的分类结果。
[0010]进一步的，对所述加密后的图像进行属性的约简包括：
[0011]利用加密属性约简算法对所述加密后的图像进行约简，其中，所述加密属性约简算法的属性重要度的标准为安全曼哈顿距离。
[0012]进一步的，将所述待分类的图像进行加密包括：
[0013]利用Paillier加密算法对所述待分类的图像进行加密。
[0014]进一步的，对所述模型的输出结果进行解密后获得所述图像的分类结果包括：
[0015]利用Paillier解密算法对所述模型的输出结果进行解密后获得所述图像的分类结果。
[0016]进一步的，将进行属性约简之后的加密图像输入到所述模型中得到输出结果包括：
[0017]利用加密算法对所述模型的参数进行加密，其中，所述模型为SVM模型，所述参数为所述SVM模型中的w参数和b参数；
[0018]将进行属性约简之后的加密图像输入到加密之后的所述模型中得到输出结果。
[0019]进一步的，将待分类的所述图像进行加密前，所述方法还包括：
[0020]将所述图像进行处理，其中，所述处理包括：去噪、增强和去除背景；
[0021]利用灰度共生矩阵对进行所述处理后的所述图像进行图像特征提取。
[0022]进一步的，利用灰度共生矩阵方法对进行所述处理后的图像进行图像特征提取包括：
[0023]将每张图像平均分为4份，对其中每1份进行如下操作：
[0024]获得其在0
°
、45
°
、90
°
、135
°
方向上的灰度共生矩阵，并通过灰度共生矩阵求解对比度、相关性、能量和角二阶矩4个统计量，再对每个统计量求均值和方差，得到一个8维的特征量。
[0025]本专利技术的另一个方面，提供了一种图像分类装置，包括：至少一个模块，其中，所述至少一个模块中的每个模块分别用于执行上述方法中的步骤。
[0026]本专利技术的第三个方面，提供了一种处理器，用于执行软件，所述软件用于执行上述的方法。
[0027]本专利技术的第四个方面，提供了一种存储器，用于存储软件，所述软件用于执行上述的方法。
[0028]在本申请实施例中，采用了将待分类的图像进行加密；对所述加密后的图像进行属性的约简，其中，所述约简之后的图像的属性的数量从第一数量变为第二数量，所述第一数量大于第二数量，所述图像的属性是为所述图像进行分类的依据；将进行属性约简之后的加密图像输入到模型中得到输出结果，其中，所述模型为利用多组训练数据训练出来的用于分类的机器学习模型；对所述模型的输出结果进行解密后获得所述图像的分类结果。通过本申请解决了利用机器学习技术对图像分类时进行隐私保护导致的效率低下的问题，从而使得图像分类安全且效率高。
附图说明
[0029]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0030]图1是根据本申请实施例的一种图像分类方法的流程图。
具体实施方式
[0031]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0032]需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0033]现有技术中，无法兼顾图像的隐私保护和对图像的快速分类，导致图像分类工作效率低下。本专利技术的实施例结合上述需求，将隐私保护和图像分类技术融合，使得图像分类工作既安全又高效。
[0034]为了解决这个问题，在本实施例中提供了一种图像分类方法，如图1所示是根据本申请的实施例的一种图像分类方法的流程图，该流程包括如下步骤：
[0035]步骤S102、将待分类的图像进行加密；
[0036]步骤S104、对所述加密后的图像进行属性的约简，其中，所述约简之后的图像的属性的数量从第一数量变为第二数量，所述第一数量大于第二数量，所述图像的属性是为所述图像进行分类的依据；
[0037]步骤S106、将进行属性约简之后的加密图像输入到模型中得到输出结果，其中，所述模型为利用多组训练数据训练出来的用于分类的机器学习模型；
[0038]步骤S108、对所述模型的输出结果进行解密后获得所述图像的分类结果。
[0039]通过上述方法，将待分类的图像在进入机器学习模型前先后进行加密和图像属性约简的处理，首先进行的加密算法从本方法执行之初即开始提供图像的隐私保护，将约简的过程设置在加密过程之后，直接在加密的图像上进行约简，图像约简过程简单快速，并且为高效获得整体分类结果提供保障，因此，通过上述方法能够解决图像的隐私保护和高效分类兼顾的需求，使得图像分类既安全又高效。
[0040]简约处理的方式有很多种，在本实施例中提供了一种比较优的处理方式，在该方式中，对所述加密后的图像进行属性的约简可以包括：利用加密属性约简算法对所述加密后的图像进行约简，其中，所述加密属性约简算法的属性重要度的标准为安全曼哈顿距离。
[0041]传统的约简算法中通常采用曼哈顿距离作为属性重要度的标准，但该标准无法直接将约简算法应用于密文中，如果要兼顾加密和约简，需要先进行约简后进行加密，这无疑会使得在约简过程中存在隐私泄漏的风险。而本优选实施方式中采用的安全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像分类方法，其特征在于，包括：将待分类的图像进行加密；对所述加密后的图像进行属性的约简，其中，所述约简之后的图像的属性的数量从第一数量变为第二数量，所述第一数量大于第二数量，所述图像的属性是为所述图像进行分类的依据；将进行属性约简之后的加密图像输入到模型中得到输出结果，其中，所述模型为利用多组训练数据训练出来的用于分类的机器学习模型；对所述模型的输出结果进行解密后获得所述图像的分类结果。2.根据权利要求1所述的方法，其特征在于，对所述加密后的图像进行属性的约简包括：利用加密属性约简算法对所述加密后的图像进行约简，其中，所述加密属性约简算法的属性重要度的标准为安全曼哈顿距离。3.根据权利要求2所述的方法，其特征在于，将所述待分类的图像进行加密包括：利用Paillier加密算法对所述待分类的图像进行加密。4.根据权利要求3所述的方法，其特征在于，对所述模型的输出结果进行解密后获得所述图像的分类结果包括：利用Paillier解密算法对所述模型的输出结果进行解密后获得所述图像的分类结果。5.根据权利要求1至4中任意一项所述的方法，其特征在于：将进行属性约简之后的加密图像输入到所述模型中得到输出结果包括：利用加密算法对所述模型的参数进行加密，其中，所述模型为SVM模型，所述参数为所述S...

【专利技术属性】
技术研发人员：郑啸，方晨晨，刘研，唐璇，
申请(专利权)人：安徽工业大学，
类型：发明
国别省市：