CN111783146A - 基于隐私保护的图像处理方法、装置和电子设备 - Google Patents

Abstract

本说明书实施例公开了一种基于隐私保护的图像处理方法、装置和电子设备。所述方法包括：获取生物特征图像的分块参数，所述生物特征图像包括至少一个通道图像；利用分块参数对通道图像进行分块处理，得到图像块；以图像块为处理单位，对像素点的通道值进行归一化处理；根据处理后的通道图像生成脱敏图像，所述脱敏图像能够用于身份识别。本说明书实施例能够对生物特征图像中的隐私信息进行保护。

Description

基于隐私保护的图像处理方法、装置和电子设备

技术领域

本说明书实施例涉及计算机技术领域，特别涉及一种基于隐私保护的图像处理方法、装置和电子设备。

背景技术

目前，生物识别技术广泛地应用于各种领域，是认证用户身份的主要手段之一。在相关技术中，可以采集生物特征图像；可以利用生物特征图像识别用户身份。

所述生物特征图像中通常包含用户个人的隐私信息。如何对生物特征图像中的隐私信息进行保护，是当前亟需解决的技术问题。

发明内容

本说明书实施例提供一种图像处理方法、装置和电子设备，以对生物特征图像中的隐私信息进行保护。本说明书实施例的技术方案如下。

本说明书实施例的第一方面，提供了一种基于隐私保护的图像处理方法，包括：获取生物特征图像的分块参数，所述生物特征图像包含隐私信息；利用分块参数对生物特征图像进行分块处理，得到图像块；以图像块为处理单位，对生物特征图像中像素点的像素值进行归一化处理，得到对所述隐私信息进行保护后的脱敏图像。

本说明书实施例的第二方面，提供了一种基于隐私保护的图像处理方法，包括：获取生物特征图像的分块参数，所述生物特征图像包括至少一个通道图像；利用分块参数对通道图像进行分块处理，得到图像块；以图像块为处理单位，对像素点的通道值进行归一化处理；根据处理后的通道图像生成脱敏图像，所述脱敏图像能够用于身份识别。

本说明书实施例的第三方面，提供了一种基于隐私保护的图像处理装置，包括：获取单元，用于获取生物特征图像的分块参数，所述生物特征图像包含隐私信息；分块单元，用于利用分块参数对生物特征图像进行分块处理，得到图像块；归一化单元，用于以图像块为处理单位，对生物特征图像中像素点的像素值进行归一化处理，得到对所述隐私信息进行保护后的脱敏图像。

本说明书实施例的第四方面，提供了一种基于隐私保护的图像处理装置，包括：获取单元，用于获取生物特征图像的分块参数，所述生物特征图像包括通道图像；分块单元，用于利用分块参数对通道图像进行分块处理，得到图像块；归一化单元，用于以图像块为处理单位，对像素点的通道值进行归一化处理；生成单元，用于利用处理后的通道图像生成脱敏图像，所述脱敏图像能够用于身份识别。

本说明书实施例的第五方面，提供了一种电子设备，包括：至少一个处理器；存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如第一方面所述方法的指令。

本说明书实施例提供的技术方案，以图像块为处理单位进行归一化处理，一方面，可以使脱敏图像中保留隐私信息，使得脱敏图像能够用于身份识别；另一方面，脱敏图像中的隐私信息变得肉眼不可视，实现了对生物特征图像中的隐私信息进行保护。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本说明书实施例中图像处理方法的流程示意图；

图2为本说明书实施例中图像处理方法的流程示意图；

图3为本说明书实施例中图像处理装置的结构示意图；

图4为本说明书实施例中图像处理装置的结构示意图；

图5为本说明书实施例中电子设备的结构示意图；

图6为本说明书实施例中由生物特征图像得到脱敏图像的处理过程示意图；

图7为本说明书实施例中由人脸图像得到脱敏图像的处理过程示意图。

具体实施方式

下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。

在相关技术中，可以识别所述生物特征图像中的隐私区域，所述隐私区域包含隐私信息。可以采用包含虚假隐私信息的图像对所述生物特征图像中的隐私区域进行替换，得到脱敏图像。通过上述相关技术可以对生物特征图像中的隐私信息进行保护。但是通过上述相关技术所获得的脱敏图像完全损失了隐私信息，因而无法用于身份识别。

为了在对生物特征图像中的隐私信息进行保护的同时，所获得的脱敏图像还能够用于身份识别，本说明书实施例提供一种基于隐私保护的图像处理方法。所述基于隐私保护的图像处理方法可以应用于电子设备。所述电子设备可以包括面向用户的终端设备。所述终端设备包括但不限于智能手机、平板电子设备、便携式计算机、个人计算机、人脸识别设备（例如刷脸机）、指纹识别设备（例如指纹机）等。或者，所述电子设备还可以包括面向后台的服务器。所述服务器可以为单个服务器、由多个服务器构成的服务器集群、或者部署在云端的服务器。请一并参阅图1、图6和图7，所述图像处理方法可以包括以下步骤。

步骤S12：获取生物特征图像的分块参数，所述生物特征图像包括至少一个通道图像。

在一些实施例中，所述生物特征图像可以为人脸图像、虹膜图像、指纹图像、或者掌纹图像等。所述生物特征图像可以包含隐私信息。所述隐私信息可以包括人脸信息、虹膜信息、巩膜信息、指纹信息、掌纹信息、心跳信息、脉搏信息、染色体信息、牙齿咬痕等。

在一些实施例中，所述生物特征图像可以具有至少一种颜色通道。例如，所述生物特征图像可以由IR摄像头（红外摄像头）采集得到，所述生物特征图像可以具有一种颜色通道。又例如，所述生物特征图像的色彩空间可以包括YUV色彩空间、YCbCr色彩空间、RGB色彩空间、HSL色彩空间等。所述YUV色彩空间可以包括Y、U和V等3种颜色通道，颜色通道Y代表亮度，颜色通道U和颜色通道V代表色度。所述YCbCr色彩空间可以包括Y、Cb和Cr等3种颜色通道，颜色通道Y代表亮度，颜色通道Cb代表蓝色色度，颜色通道Cr代表红色色度。所述RGB色彩空间可以包括R、G和B等3种颜色通道，颜色通道R代表红色，颜色通道G代表绿色，颜色通道B代表蓝色。所述HSL色彩空间可以包括H、S和L等3种颜色通道来，颜色通道H代表色相，颜色通道S代表饱和度，颜色通道L代表亮度。

在所述生物特征图像中，每个像素点的像素值可以包括至少一个通道值，每个通道值对应一种颜色通道。例如，所述生物特征图像的色彩空间可以为RGB色彩空间，所述生物特征图像可以包括R、G和B等3种颜色通道。在所述生物特征图像中，每个像素点的像素值可以包括R颜色通道的通道值、G颜色通道的通道值、以及B颜色通道的通道值。

所述生物特征图像可以包括至少一个通道图像，每个通道图像可以对应一种颜色通道。在所述通道图像中，每个像素点可以包括一个通道值。例如，所述生物特征图像的色彩空间可以为RGB色彩空间，所述生物特征图像可以包括R、G和B等3种颜色通道。所述生物特征图像可以包括R颜色通道的通道图像、G颜色通道的通道图像、以及B颜色通道的通道图像。在R颜色通道的通道图像中，每个像素点可以包括R颜色通道的通道值。在G颜色通道的通道图像中，每个像素点可以包括G颜色通道的通道值。在B颜色通道的通道图像中，每个像素点可以包括B颜色通道的通道值。

在一些实施例中，所述电子设备可以采集得到所述生物特征图像。例如，所述电子设备可以包括传感器。所述传感器可以包括摄像头、指纹传感器等。所述电子设备可以控制传感器采集生物特征图像。具体的，例如，所述电子设备可以为智能手机。所述智能手机可以包括摄像头。所述智能手机可以提供人机交互界面。在所述人机交互界面上用户可以触发人脸图像获取指令。所述智能手机在接收到人脸图像获取指令后，可以控制所述摄像头给用户的面部进行拍照，得到人脸图像。或者，所述电子设备还可以接收其它设备发来的生物特征图像。或者，所述电子设备还可以读取存储的生物特征图像。

在一些实施例中，所述分块参数可以包括横向分块数n1和纵向分块数n2。所述n1和所述n2的取值可以相同或不同。在实际应用中可以根据需要确定横向分块数n1和纵向分块数n2的大小。例如，所述n1可以为3，所述n2可以为4。具体地，横向分块数n1和纵向分块数n2的取值越大，在后续过程中所获得的图像块数量越多，由于是以图像块为处理单位进行归一化处理的，相当于在归一化处理过程中所使用的参数（例如后文中的均值、方差等）数量越多，因而由脱敏图像恢复得到生物特征图像的难度越大，脱敏图像的不可逆性越好，但计算量也较大。横向分块数n1和纵向分块数n2的取值越小，在后续过程中所获得的图像块数量越少，由于是以图像块为处理单位进行归一化处理的，相当于在归一化处理过程中所使用的参数（例如后文中的均值、方差等）数量越少，因而由脱敏图像恢复得到生物特征图像的难度越小，脱敏图像的不可逆性越差，但计算量也较小。

所述分块参数可以是预先设定的。

或者，为了提高由脱敏图像恢复得到生物特征图像的难度，增强脱敏图像的不可逆性，所述电子设备还可以随机生成分块参数。例如，所述电子设备可以在数值区间[min，max]内随机生成横向分块数n1和纵向分块数n2，使得min≤n1≤max，min≤n2≤max。

在一些实施例中，所述电子设备可以获得一个或多个分块参数。所述生物特征图像的每个通道图像可以对应一个或多个分块参数。不同通道图像对应的分块参数可以相同或不同。另外，不同通道图像对应的分块参数的数量也可以相同或不同。

例如，所述电子设备可以随机生成R_N1、R_N2、G_N、B_N等4个分块参数。所述生物特征图像可以包括R颜色通道的通道图像、G颜色通道的通道图像、以及B颜色通道的通道图像。R颜色通道的通道图像与分块参数R_N1、以及分块参数R_N2相对应，G颜色通道的通道图像与分块参数G_N相对应，B颜色通道的通道图像与分块参数B_N相对应。

步骤S14：利用分块参数对通道图像进行分块处理，得到图像块。

在一些实施例中，针对所述生物特征图像的每个通道图像，所述电子设备可以利用相应的分块参数对该通道图像进行分块处理，得到多个图像块。具体地，针对所述生物特征图像的每个通道图像，若该通道图像对应一个分块参数，所述电子设备可以利用相应的一个分块参数对该通道图像进行分块处理，得到多个图像块；若该通道图像对应多个分块参数，所述电子设备可以利用相应的多个分块参数分别对该通道图像进行分块处理，得到多个图像块。

所述电子设备可以利用分块参数中的横向分块数n1和纵向分块数n2，对通道图像进行分块处理，得到n1×n2个图像块。所述图像块可以为矩形或者其它任意形状。同一通道图像中各个图像块的大小可以相同或不同。不同通道图像中图像块的大小可以相同或不同。

例如，所述生物特征图像可以包括R颜色通道的通道图像、G颜色通道的通道图像、以及B颜色通道的通道图像。R颜色通道的通道图像同时与分块参数R_N1、以及分块参数R_N2相对应，G颜色通道的通道图像与分块参数G_N相对应，B颜色通道的通道图像与分块参数B_N相对应。在分块参数R_N1中，横向分块数n1=3，纵向分块数n2=4。在分块参数R_N2中，横向分块数n1=4，纵向分块数n2=5。在分块参数G_N中，横向分块数n1=3，纵向分块数n2=4。在分块参数B_N中，横向分块数n1=6，纵向分块数n2=7。

所述电子设备可以利用分块参数R_N1，对R颜色通道的通道图像进行分块处理，得到12个图像块；可以利用分块参数R_N2，对R颜色通道的通道图像进行分块处理，得到20个图像块；可以利用分块参数G_N，对G颜色通道的通道图像进行分块处理，得到12个图像块；可以利用分块参数B_N，对B颜色通道的通道图像进行分块处理，得到42个图像块。

步骤S16：以图像块为处理单位，对通道图像中像素点的通道值进行归一化处理。

在一些实施例中，以图像块为处理单位进行归一化处理，一方面，可以保留相邻像素点间的信息（例如相邻像素点之间通道值的大小关系），从而保留生物特征图像中的隐私信息，使得脱敏图像能够用于身份识别；另一方面，由于经过了归一化处理，脱敏图像中的隐私信息变得肉眼不可视，从而实现了对生物特征图像中的隐私信息进行保护。

在一些实施例中，针对每个通道图像中的每个图像块，所述电子设备可以对该图像块中像素点的通道值进行归一化处理。具体地，所述电子设备可以利用归一化方法对该图像块中像素点的通道值进行变换，得到该像素点的归一化通道值。所述归一化方法例如可以为Z-score归一化方法、Min-Max归一化方法等。当然所述归一化方法还可以为其它的方法。

所述Z-score归一化方法可以包括公式

。x表示像素点的通道值，x^*表示像素点变换后的通道值，μ表示图像块内像素点的通道值的平均值，σ表示图像块内像素点的通道值的标准差。在实际应用中，所述电子设备可以根据图像块内各个像素点的通道值，计算平均值μ和标准差σ。针对所述图像块内的每个像素点，所述电子设备可以利用平均值μ和标准差σ对该像素点的通道值x进行变换，得到该像素点的归一化通道值

。

所述Min-Max归一化方法可以包括公式

。x表示像素点的通道值，x^*表示像素点变换后的通道值，x_min表示图像块内像素点的通道值中的最小者，x_max表示图像块内像素点的通道值中的最大者。在实际应用中，所述电子设备可以获取图像块内像素点的通道值中的最大者x_max、以及图像块内像素点的通道值中的最小者x_min。针对所述图像块内的每个像素点，所述电子设备可以利用x_max和x_min对该像素点的通道值x进行变换，得到该像素点的归一化通道值

。

在一些实施例中，所述电子设备可以利用归一化方法对图像块中像素点的通道值进行变换；可以直接将变换后的通道值作为该像素点的归一化后的通道值。或者，为了提高隐私信息的保护效果，所述电子设备可以利用归一化方法对图像块中像素点的通道值进行变换；可以在变换后的通道值中添加随机噪声，得到该像素点的归一化后的通道值。在变换后的通道值中添加随机噪声，例如可以是：将变换后的通道值与随机噪声相加。当然，还可以采用其它方式在变换后的通道值中添加随机噪声。例如，还可以将变换后的通道值与随机噪声相乘。

在实际应用中，所述电子设备可以为每个像素点生成一个随机噪声。这样针对每个图像块，所述电子设备可以利用归一化方法对像素点的通道值进行变换；可以在变换后的通道值中添加该像素点的随机噪声。或者，所述电子设备还可以为每个图像块生成一个随机噪声。这样针对每个图像块，所述电子设备可以利用归一化方法对像素点的通道值进行变换；可以在变换后的通道值中添加该图像块的随机噪声。

所述随机噪声越大，对隐私信息的保护效果越好，但脱敏图像的身份识别效果越差。所述随机噪声越小，对隐私信息的保护效果越差，但脱敏图像的身份识别效果越好。在实际应用中可以根据需要对随机噪声的取值范围进行设定。

步骤S18：根据处理后的通道图像生成脱敏图像，所述脱敏图像能够用于身份识别。

在一些实施例中，所述生物特征图像可以包括一个通道图像。

所述通道图像可以对应一个分块参数。这样通过步骤S12-步骤S14，所述电子设备可以获得一个处理后的通道图像。所述电子设备可以将处理后的通道图像作为脱敏图像。

或者，所述通道图像可以对应多个分块参数。这样通过步骤S12-步骤S14，所述电子设备可以获得多个处理后的通道图像。所述多个处理后的通道图像对应同一颜色通道，每个处理后的通道图像可以对应一个分块参数。所述电子设备可以将所述多个处理后的通道图像进行融合，得到融合后的通道图像；可以将融合后的通道图像作为脱敏图像。

将多个通道图像进行融合，例如可以是：根据多个通道图像中同一位置处的像素点的通道值，计算代表通道值（例如可以为平均值或者中位数）；将所述代表通道值作为融合后的通道图像中相应位置处的像素点的通道值。具体地，例如，所述通道图像可以同时对应分块参数N1、N2。这样通过步骤S12-步骤S14，所述电子设备可以获得处理后的通道图像Image_channel_N1、以及Image_channel_N2。所述电子设备可以根据处理后的通道图像Image_channel_N1、以及Image_channel_N2中同一位置处的像素点的通道值，计算平均值；可以将平均值作为融合后的通道图像中相应位置处的像素点的通道值。

在一些实施例中，所述生物特征图像可以包括多个通道图像。每个通道图像可以对应一个或多个分块参数。通过步骤S12-步骤S14，所述电子设备可以获得多个处理后的通道图像。所述电子设备可以将多个处理后的通道图像进行通道合并，得到脱敏图像。

具体地，所述生物特征图像中的每个通道图像可以对应一个分块参数。这样通过步骤S12-步骤S14，所述电子设备可以获得多个处理后的通道图像。每个处理后的通道图像对应一种颜色通道。所述电子设备可以将多个处理后的通道图像进行通道合并，得到脱敏图像。

或者，所述生物特征图像中的每个通道图像可以对应多个分块参数。这样通过步骤S12-步骤S14，所述电子设备可以获得多个处理后的通道图像。所述电子设备可以将同一颜色通道下的多个处理后的通道图像进行融合，得到融合后的通道图像。所述电子设备可以将多个融合后的通道图像进行通道合并，得到脱敏图像。

又或者，所述生物特征图像中的部分通道图像可以对应一个分块参数，另一部分通道对象可以对应多个分块参数。这样通过步骤S12-步骤S14，所述电子设备可以获得多个处理后的通道图像。所述电子设备可以将同一颜色通道下的多个处理后的通道图像进行融合，得到融合后的通道图像。所述电子设备可以将融合后的通道图像和处理后的通道图像进行通道合并，得到脱敏图像。例如，所述生物特征图像可以包括R颜色通道的通道图像、G颜色通道的通道图像、以及B颜色通道的通道图像。其中，R颜色通道的通道图像同时与分块参数R_N1、以及分块参数R_N2相对应，G颜色通道的通道图像与分块参数G_N相对应，B颜色通道的通道图像与分块参数B_N相对应。通过步骤S12-步骤S14，所述电子设备可以获得处理后的通道图像Image_channel_R_N1、Image_channel_R_N2、Image_channel_G_N、Image_channel_B_N。所述电子设备可以将处理后的通道图像Image_channel_R_N1、以及Image_channel_R_N2进行融合，得到融合后的通道图像；可以将融合后的通道图像、处理后的通道图像Image_channel_G_N、处理后的通道图像Image_channel_B_N进行通道合并，得到脱敏图像。

在一些实施例中，所述电子设备可以存储所述脱敏图像。或者，所述电子设备还可以向其它设备发送所述脱敏图像。所述脱敏图像能够用于身份识别。例如，可以将所述脱敏图像作为训练样本；可以利用训练样本对身份识别模型进行训练。所述身份识别模型可以包括人脸识别模型、指纹识别模型等。又例如，还可以直接利用所述脱敏图像进行身份识别。

本说明书实施例的图像处理方法，以图像块为处理单位进行归一化处理，一方面，可以使脱敏图像中保留隐私信息，使得脱敏图像能够用于身份识别；另一方面，脱敏图像中的隐私信息变得肉眼不可视，实现了对生物特征图像中的隐私信息进行保护。

以下介绍本说明书实施例的一个场景示例。

所述电子设备可以为智能手机。所述智能手机可以包括摄像头。所述智能手机可以提供人机交互界面。在所述人机交互界面上用户可以触发人脸图像获取指令。例如，用户可以通过点击所述人机交互界面上的按钮，触发人脸图像获取指令。所述智能手机在接收到人脸图像获取指令后，可以控制所述摄像头给用户的面部进行拍照，得到人脸图像。

所述人脸图像可以包括R颜色通道的通道图像、G颜色通道的通道图像、以及B颜色通道的通道图像。所述智能手机可以分别为每个通道图像生成一个分块参数。不同通道图像对应的分块参数不同。如此针对所述生物特征图像的每个通道图像，所述智能手机可以利用相应的分块参数对该通道图像进行分块处理，得到多个图像块。针对每个图像块，所述智能手机可以利用Z-score归一化方法对像素点的通道值进行变换。所述智能手机可以将处理后的多个通道图像进行通道合并，得到脱敏图像。

所述智能手机可以向服务器发送所述脱敏图像。所述服务器可以接收所述脱敏图像；可以将所述脱敏图像作为训练样本；可以根据训练样本，对人脸识别模型进行训练。

本说明书实施例还提供另一种基于隐私保护的图像处理方法。

所述基于隐私保护的图像处理方法可以应用于电子设备。所述电子设备可以包括面向用户的终端设备。所述终端设备包括但不限于智能手机、平板电子设备、便携式计算机、个人计算机、人脸识别设备（例如刷脸机）、指纹识别设备（例如指纹机）等。或者，所述电子设备还可以包括面向后台的服务器。所述服务器可以为单个服务器、由多个服务器构成的服务器集群、或者部署在云端的服务器。请参阅图2，所述图像处理方法可以包括以下步骤。

步骤S22：获取生物特征图像的分块参数，所述生物特征图像包含隐私信息。

步骤S24：利用分块参数对生物特征图像进行分块处理，得到图像块。

步骤S26：以图像块为处理单位，对生物特征图像中像素点的像素值进行归一化处理，得到对所述隐私信息进行保护后的脱敏图像。

在一些实施例中，所述生物特征图像可以包括至少一个通道图像，所述像素值可以包括至少一个通道值。所述电子设备可以利用分块参数对通道图像进行分块处理，得到图像块；可以以图像块为处理单位，对通道图像中像素点的通道值进行归一化处理；可以根据处理后的通道图像生成对所述隐私信息进行保护后的脱敏图像。具体过程可以参见图1对应实施例。

在一些实施例中，所述电子设备还可以利用分块参数直接对生物特征图像进行分块处理，得到图像块。这样所获得的图像块便为生物特征图像中的图像块。因而在所述图像块中，每个像素点的像素值可以包括至少一个通道值，每个通道值可以对应一种颜色通道。这样针对每种颜色通道，所述电子设备可以对图像块中的各个像素点在该颜色通道下的通道值进行归一化处理，得到对所述隐私信息进行保护后的脱敏图像。

例如，所述生物特征图像的色彩空间可以为RGB色彩空间，所述生物特征图像可以包括R、G和B等3种颜色通道。在所述图像块中，每个像素点的像素值可以包括R颜色通道的通道值、G颜色通道的通道值、以及B颜色通道的通道值。针对R颜色通道，所述电子设备可以对图像块中的各个像素点在R颜色通道下的通道值进行归一化处理。针对G颜色通道，所述电子设备可以对图像块中的各个像素点在G颜色通道下的通道值进行归一化处理。针对B颜色通道，所述电子设备可以对图像块中的各个像素点在B颜色通道下的通道值进行归一化处理。所述电子设备可以获得归一化处理后的图像块。在对所述生物特征图像中的各个图像块处理完毕后，所述电子设备便可以获得对隐私信息进行保护后的脱敏图像。

本说明书实施例的图像处理方法，以图像块为处理单位进行归一化处理，一方面，可以使脱敏图像中保留隐私信息，使得脱敏图像能够用于身份识别；另一方面，脱敏图像中的隐私信息变得肉眼不可视，实现了对生物特征图像中的隐私信息进行保护。

本说明书实施例还提供一种基于隐私保护的图像处理装置。

请参阅图3，所述基于隐私保护的图像处理装置可以包括以下单元。

获取单元32，用于获取生物特征图像的分块参数，所述生物特征图像包括通道图像；

分块单元34，用于利用分块参数对通道图像进行分块处理，得到图像块；

归一化单元36，用于以图像块为处理单位，对像素点的通道值进行归一化处理；

生成单元38，用于利用处理后的通道图像生成脱敏图像，所述脱敏图像能够用于身份识别。

本说明书实施例还提供一种基于隐私保护的图像处理装置。

请参阅图4，所述基于隐私保护的图像处理装置可以包括以下单元。

获取单元42，用于获取生物特征图像的分块参数，所述生物特征图像包含隐私信息；

分块单元44，用于利用分块参数对生物特征图像进行分块处理，得到图像块；

归一化单元46，用于用于以图像块为处理单位，对生物特征图像中像素点的像素值进行归一化处理，得到对所述隐私信息进行保护后的脱敏图像。

下面介绍本说明书电子设备的一个实施例。图5是该实施例中电子设备的硬件结构示意图。如图5所示，该电子设备可以包括一个或多个（图中仅示出一个）处理器、存储器和传输模块。当然，本领域普通技术人员可以理解，图5所示的硬件结构仅为示意，其并不对上述电子设备的硬件结构造成限定。在实际中该电子设备还可以包括比图5所示更多或者更少的组件单元；或者，具有与图5所示不同的配置。

所述存储器可以包括高速随机存储器；或者，还可以包括非易失性存储器，例如一个或者多个磁性存储装置、闪存或者其他非易失性固态存储器。当然，所述存储器还可以包括远程设置的网络存储器。所述存储器可以用于存储应用软件的程序指令或模块，所述应用软件例如可以基于图1或图2所对应的实施例来实现。

所述处理器可以按任何适当的方式实现。例如，所述处理器可以采取例如微处理器或处理器以及存储可由该（微）处理器执行的计算机可读程序代码（例如软件或固件）的计算机可读介质、逻辑门、开关、专用集成电路（Application Specific IntegratedCircuit，ASIC）、可编程逻辑控制器和嵌入微控制器的形式等等。所述处理器可以读取并执行所述存储器中的程序指令或模块。

所述传输模块可以用于经由网络进行数据传输，例如经由诸如互联网、企业内部网、局域网、移动通信网等网络进行数据传输。

本说明书还提供计算机存储介质的一个实施例。所述计算机存储介质包括但不限于随机存取存储器（Random Access Memory, RAM）、只读存储器（Read-Only Memory,ROM）、缓存（Cache）、硬盘（Hard Disk Drive, HDD）、存储卡（Memory Card）等等。所述计算机存储介质存储有计算机程序指令。在所述计算机程序指令被执行时实现：本说明书图1或图2所对应的实施例。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。尤其，对于装置实施例、电子设备实施例、以及计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。另外，可以理解的是，本领域技术人员在阅读本说明书文件之后，可以无需创造性劳动想到将本说明书列举的部分或全部实施例进行任意组合，这些组合也在本说明书公开和保护的范围内。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进（例如，对二极管、晶体管、开关等电路结构的改进）还是软件上的改进（对于方法流程的改进）。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件（Programmable Logic Device, PLD）（例如现场可编程门阵列（Field Programmable GateArray，FPGA））就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD 上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器（logic compiler）”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言（Hardware Description Language，HDL），而HDL 也并非仅有一种，而是有许多种，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware DescriptionLanguage）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（RubyHardware Description Language）等，目前最普遍使用的是VHDL（Very-High-SpeedIntegrated Circuit Hardware Description Language ）与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本说明书的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本说明书各个实施例或者实施例的某些部分所述的方法。

本说明书可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

虽然通过实施例描绘了本说明书，本领域普通技术人员知道，本说明书有许多变形和变化而不脱离本说明书的精神，希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。

Claims (15)

1.一种基于隐私保护的图像处理方法，包括：

获取生物特征图像的分块参数，所述生物特征图像包含隐私信息；

利用分块参数对生物特征图像进行分块处理，得到图像块；

以图像块为处理单位，对生物特征图像中像素点的像素值进行归一化处理，得到对所述隐私信息进行保护后的脱敏图像。

2.如权利要求1所述的方法，所述生物特征图像包括至少一个通道图像，所述像素值包括至少一个通道值；所述利用分块参数对生物特征图像进行分块处理，包括：

利用分块参数对通道图像进行分块处理，得到图像块；

所述对生物特征图像中像素点的像素值进行归一化处理，包括：

以图像块为处理单位，对通道图像中像素点的通道值进行归一化处理；

根据处理后的通道图像生成对所述隐私信息进行保护后的脱敏图像。

3.如权利要求1所述的方法，所述像素值包括至少一个通道值，每个通道值对应一种颜色通道；所述对生物特征图像中像素点的像素值进行归一化处理，包括：

针对每种颜色通道，对图像块中的各个像素点在该颜色通道下的通道值进行归一化处理，得到对所述隐私信息进行保护后的脱敏图像。

4.如权利要求1所述的方法，所述脱敏图像能够用于身份识别。

5.一种基于隐私保护的图像处理方法，包括：

获取生物特征图像的分块参数，所述生物特征图像包括至少一个通道图像；

利用分块参数对通道图像进行分块处理，得到图像块；

以图像块为处理单位，对通道图像中像素点的通道值进行归一化处理；

根据处理后的通道图像生成脱敏图像，所述脱敏图像能够用于身份识别。

6.如权利要求5所述的方法，每个通道图像对应有分块参数；

所述利用分块参数对通道图像进行分块处理，包括：

针对每个通道图像，利用相应的分块参数对该通道图像进行分块处理。

7.如权利要求6所述的方法，每个通道图像对应多个分块参数；

所述利用相应的分块参数对该通道图像进行分块处理，包括：

利用相应的多个分块参数分别对该通道图像进行分块处理；

所述根据处理后的通道图像生成脱敏图像，包括：

将同一颜色通道下的多个处理后的通道图像进行融合，得到融合后的通道图像；

根据融合后的通道图像生成脱敏图像。

8.如权利要求5所述的方法，所述分块参数是预先设定的或者随机生成的。

9.如权利要求5所述的方法，所述分块参数包括横向分块数n1和纵向分块数n2；

利用横向分块数n1和纵向分块数n2对通道图像进行分块处理，得到n1×n2个图像块。

10.如权利要求5所述的方法，对通道图像中像素点的通道值进行归一化处理，包括：

利用归一化方法对通道图像中像素点的通道值进行变换，得到像素点的归一化通道值；所述归一化方法包括以下至少之一：Z-score归一化方法、Min-Max归一化方法。

11.如权利要求5所述的方法，对通道图像中像素点的通道值进行归一化处理，包括：

利用归一化方法对通道图像中像素点的通道值进行变换；

在变换后的通道值中添加随机噪声，得到像素点的归一化通道值。

12.如权利要求5所述的方法，所述根据处理后的通道图像生成脱敏图像，包括：

将处理后的通道图像进行通道合并，得到脱敏图像。

13.一种基于隐私保护的图像处理装置，包括：

获取单元，用于获取生物特征图像的分块参数，所述生物特征图像包含隐私信息；

分块单元，用于利用分块参数对生物特征图像进行分块处理，得到图像块；

归一化单元，用于以图像块为处理单位，对生物特征图像中像素点的像素值进行归一化处理，得到对所述隐私信息进行保护后的脱敏图像。

14.一种基于隐私保护的图像处理装置，包括：

获取单元，用于获取生物特征图像的分块参数，所述生物特征图像包括通道图像；

分块单元，用于利用分块参数对通道图像进行分块处理，得到图像块；

归一化单元，用于以图像块为处理单位，对通道图像中像素点的通道值进行归一化处理；

生成单元，用于利用处理后的通道图像生成脱敏图像，所述脱敏图像能够用于身份识别。

15.一种电子设备，包括：

至少一个处理器；

存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1-12中任一项所述方法的指令。

Images