CN116108464A - 图像处理方法、装置、电子设备及可读存储介质 - Google Patents

图像处理方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN116108464A
CN116108464A CN202211656735.0A CN202211656735A CN116108464A CN 116108464 A CN116108464 A CN 116108464A CN 202211656735 A CN202211656735 A CN 202211656735A CN 116108464 A CN116108464 A CN 116108464A
Authority
CN
China
Prior art keywords
image
sensitive
area
desensitization
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211656735.0A
Other languages
English (en)
Inventor
王�琦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Telecom Corp Ltd
Original Assignee
China Telecom Corp Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Telecom Corp Ltd filed Critical China Telecom Corp Ltd
Priority to CN202211656735.0A priority Critical patent/CN116108464A/zh
Publication of CN116108464A publication Critical patent/CN116108464A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6227—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database where protection concerns the structure of data, e.g. records, types, queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioethics (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Television Signal Processing For Recording (AREA)

Abstract

本申请实施例提供了一种图像处理方法、装置、电子设备及可读存储介质，涉及图像处理技术领域。该图像处理方法可以包括：获取第一图像；获取与目标应用场景对应的目标敏感数据特征；其中，所述目标应用场景为所述第一图像对应的应用场景；确定所述第一图像中与所述目标敏感数据特征匹配的敏感图像区域；对所述敏感图像区域中的图像进行脱敏处理，得到第二图像。本申请实施例提供的技术方案，可以解决现有技术中图像数据的脱敏，存在处理效率低的问题的问题。

Description

图像处理方法、装置、电子设备及可读存储介质
技术领域
本申请属于图像处理技术领域，具体涉及一种图像处理方法、装置、电子设备及可读存储介质。
背景技术
随着大数据时代的到来，大数据中蕴藏的巨大经济价值得以挖掘并面世，但同时也带来了隐私数据、敏感信息保护方面的棘手难题，一旦这些敏感信息发生泄露、损坏，可能会给用户带来严重危害，为此脱敏技术应运而生。
现有技术中，图像数据脱敏的实施过程比较复杂，难以满足用户需求，具体表现在：在不同的业务场景下，敏感信息的定义存在差别，需要人工识别每帧图像中需要脱敏的内容部分，处理过程效率低且成本高。
发明内容
本申请实施例的目的是提供一种图像处理方法、装置、电子设备及可读存储介质，以解决现有技术中图像数据的脱敏，存在处理效率低的问题。
第一方面，本申请实施例提供了一种图像处理方法，包括：
获取第一图像；
获取与目标应用场景对应的目标敏感数据特征；其中，所述目标应用场景为所述第一图像对应的应用场景；
确定所述第一图像中与所述目标敏感数据特征匹配的敏感图像区域；
对所述敏感图像区域中的图像进行脱敏处理，得到第二图像。
第二方面，本申请实施例提供一种图像处理装置，包括：
第一获取模块，用于获取第一图像；
第二获取模块，用于获取与目标应用场景对应的目标敏感数据特征；其中，所述目标应用场景为所述第一图像对应的应用场景；
确定模块，用于确定所述第一图像中与所述目标敏感数据特征匹配的敏感图像区域；
脱敏模块，用于对所述敏感图像区域中的图像进行脱敏处理，得到第二图像。
第三方面，本申请实施例提供一种电子设备，该电子设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的图像处理方法中的步骤。
第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的图像处理方法中的步骤。
本申请实施例中，在对图像进行脱敏处理前，先获取图像对应的应用场景下的历史敏感数据，然后基于该历史敏感数据，判断图像中是否包括敏感信息，最后再对由此确定的敏感信息进行脱敏处理，这样，可以省去人为识别脱敏内容的操作，提高脱敏处理的效率，同时还可以提高数据脱敏的准确性。
附图说明
图1为本申请实施例提供的图像处理方法的流程示意图；
图2为本申请实施例提供的脱敏模型的脱敏处理流程示意图；
图3为本申请实施例提供的敏感区域匹配的示意图；
图4为本申请实施例提供的图像处理装置的示意框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，均属于本申请保护的范围。
应理解，说明书中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。
在本申请的各种实施例中，应理解，步骤的序号并不意味着绝对的先后执行顺序，各步骤的执行顺序应以其功能和内在逻辑进行确定，因此，各步骤的序号不应对本申请实施例的实施过程构成绝对的限定。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的图像处理方法进行详细地说明。
本申请实施例提供了一种图像处理方法，应用于电子设备。
如图1所示，该图像处理方法可以包括：
步骤101：获取第一图像。
这里所述的第一图像为待脱敏图像。
步骤102：获取与目标应用场景对应的目标敏感数据特征。
其中，目标应用场景为第一图像对应的应用场景。
由于不同的应用场景对敏感信息的定义不同，因此，本申请实施例中，在对待脱敏图像进行脱敏处理之前，可以先确定待脱敏图像的应用场景，然后基于确定的应用场景，获取该应用场景下的敏感数据，之后基于此进行图像敏感信息的检测。
可选地，本申请实施例中，可以预先构建场景数据库，在该场景数据库中存储不同应用场景下的敏感数据。针对不同应用场景还可以设置不同的标签索引，以便可以通过相应的标签索引，查找相同场景下的敏感数据。其中，场景数据库中的敏感数据可以是对历史出现的敏感数据统计得到的。
步骤103：确定第一图像中与目标敏感数据特征匹配的敏感图像区域。
其中，敏感图像区域为图像内容与目标敏感数据特征匹配的图像区域。
在获得目标应用场景下的目标敏感数据特征后，将第一图像与目标敏感数据特征进行匹配，判断待脱敏图像中是否包括该应用场景下的敏感数据。
步骤104：对敏感图像区域中的图像进行脱敏处理，得到第二图像。
在确定第一图像中包括目标应用场景下的敏感数据后，则可以对敏感图像区域中的图像进行脱敏处理，从而获得脱敏后的第二图像。
本申请实施例中，在对图像进行脱敏处理前，先获取图像对应的应用场景下的历史敏感数据，然后基于该历史敏感数据，判断图像中是否包括敏感信息，最后再对由此确定的敏感信息进行脱敏处理。这样，可以省去人为识别脱敏内容的操作，提高脱敏处理的效率。
作为一种可选实施例，目标敏感数据特征可以包括：目标敏感文字和目标敏感图形。这里所述的目标敏感图形是指除文字之外的图形。
可选地，步骤102：获取与目标应用场景对应的目标敏感数据特征，可以包括：
获取包括目标敏感文字特征的第一敏感数据匹配模板和包括目标敏感图形特征的第二敏感数据匹配模板。
其中，第一敏感匹配模板和第二敏感匹配模板为预先构建的，构建过程如下所述：
首先，获取目标应用场景下图像数据集中的历史敏感数据集；然后将历史敏感数据集进行傅里叶变换，获取目标敏感文字特征和目标敏感图形特征；之后，根据目标敏感文字特征构建第一敏感数据匹配模板，以及根据目标敏感图像特征构建第二敏感数据匹配模板。
作为一种可选实施例，步骤103：确定第一图像中与目标敏感数据特征匹配的敏感图像区域，可以包括：
步骤A1：对第一图像进行二值化处理，得到第一图像的灰度图像。
对图像进行二值化处理，可以使原始的复杂图像变得简单，而且数据量减小，并且能凸显出感兴趣的敏感图像的轮廓，便于后续敏感信息的识别。
步骤A2：将该灰度图像分割为多个初始图像区域。
步骤A3：获取每一初始图像区域的浅层图像特征，得到该灰度图像的浅层特征图像。
本申请实施例中，在获得第一图像的灰度图像后，可以将灰度图像输入预先构建的脱敏模型中进行脱敏处理，得到脱敏后的第二图像。其中，如图2所示，本申请实施例中所述的脱敏模型包括：第一卷积层、敏感区域池化层、第二卷积层和全连接层。
在将灰度图像输入预先构建的脱敏模型中之后，脱敏模型先对该灰度图像进行特征区域划分，具体为：第一卷积层将该灰度图像划分为多个初始图像区域，并提取每个初始图像区域内的图像浅层特征，得到浅层特征图像，如图2所示。其中，图像浅层特征可以包括但不限于：图像位置、尺寸、灰度值以及图像中的文本信息等。
获取的图像浅层特征可以组成每个初始图像区域的特征值，这样在进行敏感信息识别时，可以将对整个图像敏感信息的识别，转为对每个初始图像区域中敏感特征值的识别，有利于提高识别效率，并且，当初始图像区域划分得足够细时，识别得到的敏感区域范围也足够准确。
步骤A4：将第一敏感数据匹配模板在浅层特征图像上进行滑动匹配，确定第一类敏感图像区域。
其中，第一类敏感图像区域为图像内容与目标敏感文字特征匹配的初始图像区域。
步骤A5：将第二敏感数据匹配模板在浅层特征图像上进行滑动匹配，确定第二类敏感图像区域。
其中，第二类敏感图像区域为图像内容与目标敏感图形特征匹配的初始图像区域。
其中，第二类敏感图像区域和第二类敏感图像区域组成前述敏感图像区域。
在获得浅层特征图像后，可以将浅层特征图像以及预先构建的第一敏感数据匹配模板、第二敏感数据匹配模板，输入至脱敏模型的敏感区域池化层进行处理，进行敏感区域匹配，如图2所示。
如图3所示，在进行敏感区域匹配时，可以将敏感数据匹配模板301在浅层特征图像302上进行滑动匹配。其中，浅层特征图像302由多个初始图像区域3021组成。图中最小的虚线网格单元表示一个初始图像区域。
具体地，可以将第一敏感数据匹配模板在浅层特征图像上进行滑动匹配，计算浅层特征图像中每一初始图像区域与第一敏感数据匹配模板之间的敏感文字相似程度。当敏感文字相似程度超过设定阈值t1时，确定当前的初始图像区域为第一类敏感图像区域，遍历所有初始图像区域，可以得到第一类敏感区域框定图像。然后将第二敏感数据匹配模板在浅层特征图像上进行滑动匹配，计算浅层特征图像中每一初始图像区域与第二敏感数据匹配模板之间的敏感图形相似程度，当敏感图形相似程度超过设定阈值t2时，确定当前的初始图像区域为第二类敏感图像区域，遍历所有初始区域，可以得到第二类敏感区域框定图像。最后将第一类敏感区域框定图像和第二类敏感区域框定图像进行整合，得到敏感区域框定图像。
其中，敏感文字相似程度和敏感图像相似程度可以表示为：
Figure BDA0004013156200000061
其中，P(T,S)表示敏感文字相似程度或敏感图像相似程度，T(x,y)为敏感数据匹配模板，S(x,y)为初始图像区域，x∈[m,m+k]和y∈[n,n+l]分别为初始图像区域的横纵坐标。
作为一种可选实施例，在敏感图像区域包括与目标敏感文字特征匹配的第一类敏感图像区域的情况下，步骤104：对敏感图像区域中的图像进行脱敏处理，得到第二图像，可以包括：
获取第一类敏感图像区域中的敏感文字；对敏感文字进行编码，得到脱敏文字；将敏感文字替换为脱敏文字，得到第二图像。
继续以前述脱敏模型为例，对文字脱敏方案进行描述。
通过脱敏模型的第二卷积层对敏感区域框定图像进行筛选，获取敏感区域框定图像中的敏感区域和非敏感区域。对于敏感区域中的第一类敏感图像区域进行文本提取，获取敏感字段并进行编码，将得到的脱敏字段替换第一类敏感图像区域中的敏感字段，得到第一类脱敏区域。
其中，在敏感图像区域包括与目标敏感图形特征匹配的第二类敏感图像区域的情况下，步骤104：对敏感图像区域中的图像进行脱敏处理，得到第二图像，可以包括：
基于离散傅里叶变换，对第二类敏感图像区域进行脱敏处理，得到第二类初步脱敏图像区域；基于Arnold变换，对第二类初步敏感图像区域进行脱敏处理，得到第二图像。
继续以前述脱敏模型为例，对图形脱敏方案进行描述。
对于敏感区域中第二类敏感图像区域进行脱敏处理时，首先对于任意一个大小为M*N的第二类敏感图像区域
Figure BDA0004013156200000071
其中x∈[0,M-1]，y∈[0,N-1]，根据离散傅里叶变换，对
Figure BDA0004013156200000072
进行压缩变换，得到第二类初步脱敏图像区域。其中，压缩变换表示为：
Figure BDA0004013156200000073
其中，u为第二类敏感图像区域中任意像素的横坐标，v为第二类敏感图像区域中任意像素的纵坐标，i为每个第二类敏感图像区域的标识。
之后，根据Arnold变换对第二类初步脱敏图像区域进行二次脱敏，得到第二类脱敏图像区域。
其中，Arnold变换可以表示为：
Figure BDA0004013156200000081
其中，a,b为Arnold变换系数矩阵的参数。
在脱敏模型的全连接层中，根据对应像素坐标和敏感区域类型，将敏感区域框定图像的敏感区域替换为第一类脱敏图像区域和第二类脱敏图像区域，得到脱敏图像。
本申请实施例中，可以分别识别图像中不同类型的敏感信息，并分别对不同类型的敏感信息采用不同的脱敏方法，有利于提高数据脱敏的效率和精确度。
作为一种可选实施例，在步骤104：对敏感图像区域中的图像进行脱敏处理，得到第二图像之后，该图像处理方法还可以包括：
步骤B1：将第二图像输入脱敏检验模型，识别第二图像中的敏感图像区域。
本申请实施例中，在对第一图像进行脱敏处理获得第二图像后，可以将第二图像输入脱敏检验模型中，进行敏感图像区域识别，确定第二图像中是否还包括敏感数据。其中，脱敏检测模型与脱敏模型的权重和参数共享，即两个模型的组成一直，这样可以减少模型的训练时间。
步骤B2：根据脱敏检验模型的输出结果，对第二图像的脱敏效果进行评分。
本申请实施例中，可以根据脱敏检验模型的输出结果，对第二图像的脱敏效果进行评分。
可选地，可以根据预先构建的脱敏评分函数对第二图像的脱敏效果进行评分。脱敏评分函数可以为：
Figure BDA0004013156200000091
其中，Dscore表示评分结果，SUM表示第二图像，λ表示脱敏评分因子；
Figure BDA0004013156200000092
表示第一类敏感图像区域，
Figure BDA0004013156200000093
表示第二类敏感图像区域，x和y表示像素坐标，w1 i表示第i个第一类敏感图像区域的预设权重值，
Figure BDA0004013156200000094
表示第j个第二类敏感图像区域的预设权重值，K表示第一类敏感图像区域的总个数，L表示第二类敏感图像区域的总个数。
步骤B3：在评分小于预设值的情况下，对第二图像中的敏感图像区域进行脱敏处理。
步骤B4：在评分大于预设值的情况下，将第二图像作为最终脱敏图像进行输出。
在获得评分结果后，将评分结果与预设值进行比较，确定第二图像的脱敏效果是否满足当前场景的业务需求。
若评分小于预设值，说明第二图像中还具有较多的敏感信息，脱敏效果还未达到当前场景的业务需求，因此，还需要继续对第二图像进行脱敏处理。之后对脱敏后的第二图像进行评分，直至脱敏后的图像的评分大于预设值为止。
若评分大于预设值，说明第二图像的脱敏效果已达到当前场景的业务需求，则将第二图像确定为最终的脱敏图像。
需要说明的是，对于评分等于预设值的情况，可以执行对所述第二图像中的敏感图像区域进行脱敏处理的步骤，也可以执行将所述第二图像作为最终脱敏图像进行输出的步骤，具体可根据实际需求设置。
其中，这里所述的预设值可根据实际需求设置，假设评分满分为100，则预设值可以设置为60、70、80等。
本申请实施例中，通过对脱敏后图像进行脱敏效果检验，可以确定脱敏后图像是否存在脱敏不到位情况，即脱敏后图像中是否还存在较多的遗留敏感信息，这样，在检验结果为脱敏不到位时，可以对脱敏后图像继续进行脱敏处理，从而提升数据脱敏的安全性。
作为一种可选实施例，为实现不同用户对图像的不同查看权限，本申请实施例还可以对脱敏后的第二图像进行不同程度的加密处理，用户可以通过不同的解密密码，对图像进行不同程度的解密，从而获得不同的图像内容，其具体实现方式如下所述。
在步骤104：对敏感图像区域中的图像进行脱敏处理，得到第二图像之后，该图像处理方法还可以包括：
步骤C1：根据第一加密算法对第二图像中的非脱敏区域进行加密，得到第一加密图像。
本申请实施例中，可以根据第一加密算法对第二图像的非脱敏区域进行加密，得到加密非脱敏区域，将加密非脱敏区域和第二图像的脱敏区域进行组合，得到第一级加密图像，并生成第一级密钥。其中，第一级加密图像即为第一加密图像，第一级密钥用于对第一级加密图像进行解密。
可选地，第一加密算法可以是置换加密算法。
步骤C2：根据第二加密算法对第一加密图像中的脱敏区域进行加密，得到第二加密图像。
本申请实施例中，可以根据第二加密算法对第二图像的脱敏区域进行加密，得到加密非脱敏区域，将加密非脱敏区域和加密脱敏区域进行组合，得到第二级加密图像，并生成第二级密钥。其中，第二级加密图像即为第二加密图像，第二级密钥用于对第二级加密图像进行解密。
可选地，第二加密算法可以是混沌加密算法。
步骤C3：将第二加密图像的第一图像区域中的图像替换为第二图像区域中的图像，得到第三图像。
其中，在第一图像区域为第二加密图像的加密脱敏区域的情况下，第二图像区域为第二加密图像的加密非脱敏区域；在第一图像区域为第二加密图像的加密非脱敏区域的情况下，第二图像区域为第二加密图像的加密脱敏区域。
本申请实施例中，可以根据加密脱敏区域的位置[x,y]、尺寸[L,W]及敏感信息类型[敏感文字，敏感图像]进行编码,生成第一类加密脱敏区域编码[敏感文字1，x1,，y1，L1,W1]和第二类加密脱敏区域编码[敏感图像2，x2,，y2，L2,W2]，然后随机选取两类加密脱敏区域编码进行替换加密，例如，根据第二类加密脱敏区域编码，选取对应的第二类加密脱敏区域，替换任意一第一类加密脱敏区域，或者根据第一类加密脱敏区域编码，选取对应的第一类加密脱敏区域，替换任意一第二类加密脱敏区域，得到最终加密脱敏区域。其中，最终加密图像即为第三图像，第三级密钥用于对最终加密图像进行解密。
在解密观看时，可以根据业务工作范围赋予用户不同等级的观看权限，用户根据权限等级标识从密钥存储设备中获取不同等级的加密密钥，从而可以进行不同程度的图像解密。例如，对于需要获取原始图像完整信息的最高权限业务工作人员，可以根据等级标识获取所有密钥，对第一级加密图像进行解密，得到包括完整脱敏区域和非脱敏区域的脱敏图像，并对脱敏图像进行逆变换得到原始图像。而对于最低权限的用户，仅能获取第三级密钥对最终加密图像进行解密，在确保脱敏区域信息不被泄露的情况下，保证用户对非脱敏区域的浏览流畅性。
本申请实施例中，可以根据不同的加密密钥，生成不同加密程度的加密图像，由此满足不同权限的用户对图像内容不同程度的查看。
最后需要说明的是，本申请实施例提供的图像处理方法适用于对单独一帧图像的处理以及连续时间序列图像的处理。其中，连续时间序列图像可以包括但不限于：视频图像、动态图像、演示文稿(如PPT文件)等。
以上即为对本申请实施例提供的图像处理方法的描述。
综上所述，本申请实施例中，在对图像进行脱敏处理前，先获取图像对应的应用场景下的历史敏感数据，然后基于该历史敏感数据，判断图像中是否包括敏感信息，最后再对由此确定的敏感信息进行脱敏处理，这样，可以省去人为识别脱敏内容的操作，提高脱敏处理的效率。此外，本申请实施例还可以分别识别图像中不同类型的敏感信息，并分别对不同类型的敏感信息采用不同的脱敏方法，有利于提高数据脱敏的效率和精确度。进一步地，本申请实施例中，还可以对脱敏后图像进行脱敏效果检验，确定脱敏后图像是否存在脱敏不到位情况，并在脱敏不到位时，对脱敏后图像继续进行脱敏处理，从而提升数据脱敏的安全性。最后，本申请实施例可以根据不同的加密密钥，生成不同加密程度的加密图像，由此满足不同权限的用户对图像内容不同程度的查看。
以上介绍了本申请实施例提供的图像处理方法，下面将结合附图介绍本申请实施例提供的图像处理装置。
如图4所示，本申请实施例还提供了一种图像处理装置，应用于电子设备。
其中，所述图像处理装置可以包括：
第一获取模块401，用于获取第一图像。
第二获取模块402，用于获取与目标应用场景对应的目标敏感数据特征。
其中，所述目标应用场景为所述第一图像对应的应用场景。
确定模块403，用于确定所述第一图像中与所述目标敏感数据特征匹配的敏感图像区域。
脱敏模块404，用于对所述敏感图像区域中的图像进行脱敏处理，得到第二图像。
可选地，所述目标敏感数据特征可以包括：目标敏感文字特征和目标敏感图形特征。
所述第二获取模块402可以包括：
第一获取单元，用于获取包括所述目标敏感文字特征的第一敏感数据匹配模板和包括所述目标敏感图形特征的第二敏感数据匹配模板。
可选地，所述装置还可以包括：
第二获取模块，用于获取所述目标应用场景下的历史敏感数据集。
第三获取模块，用于在所述历史敏感数据集中，获取所述目标敏感文字特征和所述目标敏感图形特征。
第一模板构建模块，用于根据所述目标敏感文字特征，构建所述第一敏感数据匹配模板。
第二模板构建模块，用于根据所述目标敏感图形特征，构建所述第二敏感数据匹配模板。
可选地，所述确定模块403可以包括：
图像处理单元，用于对所述第一图像进行二值化处理，得到所述第一图像的灰度图像。
图像分割单元，用于将所述灰度图像分割为多个初始图像区域。
第二获取单元，用于获取每一所述初始图像区域的浅层图像特征，得到所述灰度图像的浅层特征图像。
第一确定单元，用于将所述第一敏感数据匹配模板在所述浅层特征图像上进行滑动匹配，确定第一类敏感图像区域。
其中，所述第一类敏感图像区域为与所述目标敏感文字特征匹配的初始图像区域。
第二确定单元，用于将所述第二敏感数据匹配模板在所述浅层特征图像上进行滑动匹配，确定第二类敏感图像区域。
其中，所述第二类敏感图像区域为与所述目标敏感图形特征匹配的初始图像区域。
可选地，在所述敏感图像区域包括与所述目标敏感文字特征匹配的第一类敏感图像区域的情况下，所述脱敏模块404可以包括：
第三获取单元，用于获取所述第一类敏感图像区域中的敏感文字。
编码单元，用于对所述敏感文字进行编码，得到脱敏文字。
脱敏单元，用于将所述敏感文字替换为所述脱敏文字，得到所述第二图像。
可选地，在所述敏感图像区域包括与所述目标敏感图形特征匹配的第二类敏感图像区域的情况下，所述脱敏模块404可以包括：
第一图像变化单元，用于基于离散傅里叶变换，对所述第二类敏感图像区域进行脱敏处理，得到第二类初步脱敏图像区域。
第二图像变化单元，用于基于Arnold变换，对所述第二类初步敏感图像区域进行脱敏处理，得到第二图像。
可选地，所述装置还可以包括：
脱敏检测模块，用于将所述第二图像输入脱敏检验模型，识别所述第二图像中的敏感图像区域。
评分模块，用于根据所述脱敏检验模型的输出结果，对所述第二图像的脱敏效果进行评分。
第二脱敏模块，用于在所述评分小于预设值的情况下，对所述第二图像中的敏感图像区域进行脱敏处理。
图像输出模块，用于在所述评分大于预设值的情况下，将所述第二图像作为最终脱敏图像进行输出。
可选地，所述装置还可以包括：
第一加密模块，用于根据第一加密算法对所述第二图像中的非脱敏区域进行加密，得到第一加密图像。
第二加密模块，用于根据第二加密算法对所述第一加密图像中的脱敏区域进行加密，得到第二加密图像。
第三加密模块，用于将所述第二加密图像的第一图像区域中的图像替换为第二图像区域中的图像，得到第三图像。
其中，在所述第一图像区域为所述第二加密图像的加密脱敏区域的情况下，所述第二图像区域为所述第二加密图像的加密非脱敏区域；在所述第一图像区域为所述第二加密图像的加密非脱敏区域的情况下，所述第二图像区域为所述第二加密图像的加密脱敏区域。
本申请实施例提供的图像处理装置能够实现图1所示方法实施例中图像处理装置实现的各个过程，为避免重复，这里不再赘述。
本申请实施例中，在对图像进行脱敏处理前，先获取图像对应的应用场景下的历史敏感数据，然后基于该历史敏感数据，判断图像中是否包括敏感信息，最后再对由此确定的敏感信息进行脱敏处理。这样，可以省去人为识别脱敏内容的操作，提高脱敏处理的效率。
本申请实施例还提供了一种电子设备，包括处理器和存储器，存储器上存储有可在所述处理器上运行的程序或指令，该程序或指令被处理器执行时实现上述图像处理方法实施例的各个步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。
本申请实施例还提供了一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述图像处理方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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计算机可读存储介质中，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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (18)

1.一种图像处理方法，其特征在于，包括：
获取第一图像；
获取与目标应用场景对应的目标敏感数据特征；其中，所述目标应用场景为所述第一图像对应的应用场景；
确定所述第一图像中与所述目标敏感数据特征匹配的敏感图像区域；
对所述敏感图像区域中的图像进行脱敏处理，得到第二图像。
2.根据权利要求1所述的图像处理方法，其特征在于，所述目标敏感数据特征包括：目标敏感文字特征和目标敏感图形特征；
所述获取与目标应用场景对应的目标敏感数据特征，包括：
获取包括所述目标敏感文字特征的第一敏感数据匹配模板和包括所述目标敏感图形特征的第二敏感数据匹配模板。
3.根据权利要求2所述的图像处理方法，其特征在于，在所述获取包括所述目标敏感文字特征的第一敏感数据匹配模板和包括所述目标敏感图形特征的第二敏感数据匹配模板之前，所述方法还包括：
获取所述目标应用场景下的历史敏感数据集；
在所述历史敏感数据集中，获取所述目标敏感文字特征和所述目标敏感图形特征；
根据所述目标敏感文字特征，构建所述第一敏感数据匹配模板；
根据所述目标敏感图形特征，构建所述第二敏感数据匹配模板。
4.根据权利要求2所述的图像处理方法，其特征在于，所述确定所述第一图像中与所述目标敏感数据特征匹配的敏感图像区域，包括：
对所述第一图像进行二值化处理，得到所述第一图像的灰度图像；
将所述灰度图像分割为多个初始图像区域；
获取每一所述初始图像区域的浅层图像特征，得到所述灰度图像的浅层特征图像；
将所述第一敏感数据匹配模板在所述浅层特征图像上进行滑动匹配，确定第一类敏感图像区域；其中，所述第一类敏感图像区域为图像内容与所述目标敏感文字特征匹配的初始图像区域；
将所述第二敏感数据匹配模板在所述浅层特征图像上进行滑动匹配，确定第二类敏感图像区域；其中，所述第二类敏感图像区域为图像内容与所述目标敏感图形特征匹配的初始图像区域。
5.根据权利要求2所述的图像处理方法，其特征在于，在所述敏感图像区域包括与所述目标敏感文字特征匹配的第一类敏感图像区域的情况下，所述对所述敏感图像区域中的图像进行脱敏处理，得到第二图像，包括：
获取所述第一类敏感图像区域中的敏感文字；
对所述敏感文字进行编码，得到脱敏文字；
将所述敏感文字替换为所述脱敏文字，得到所述第二图像。
6.根据权利要求2所述的图像处理方法，其特征在于，在所述敏感图像区域包括与所述目标敏感图形特征匹配的第二类敏感图像区域的情况下，所述对所述敏感图像区域中的图像进行脱敏处理，得到第二图像，包括：
基于离散傅里叶变换，对所述第二类敏感图像区域进行脱敏处理，得到第二类初步脱敏图像区域；
基于Arnold变换，对所述第二类初步敏感图像区域进行脱敏处理，得到第二图像。
7.根据权利要求1所述的图像处理方法，其特征在于，在所述对所述敏感图像区域中的图像进行脱敏处理，得到第二图像之后，所述方法还包括：
将所述第二图像输入脱敏检验模型，识别所述第二图像中的敏感图像区域；
根据所述脱敏检验模型的输出结果，对所述第二图像的脱敏效果进行评分；
在所述评分小于预设值的情况下，对所述第二图像中的敏感图像区域进行脱敏处理；
在所述评分大于预设值的情况下，将所述第二图像作为最终脱敏图像进行输出。
8.根据权利要求1所述的图像处理方法，其特征在于，在所述对所述敏感图像区域中的图像进行脱敏处理，得到第二图像之后，所述方法还包括：
根据第一加密算法对所述第二图像中的非脱敏区域进行加密，得到第一加密图像；
根据第二加密算法对所述第一加密图像中的脱敏区域进行加密，得到第二加密图像；
将所述第二加密图像的第一图像区域中的图像替换为第二图像区域中的图像，得到第三图像；
其中，在所述第一图像区域为所述第二加密图像的加密脱敏区域的情况下，所述第二图像区域为所述第二加密图像的加密非脱敏区域；在所述第一图像区域为所述第二加密图像的加密非脱敏区域的情况下，所述第二图像区域为所述第二加密图像的加密脱敏区域。
9.一种图像处理装置，其特征在于，包括：
第一获取模块，用于获取第一图像；
第二获取模块，用于获取与目标应用场景对应的目标敏感数据特征；其中，所述目标应用场景为所述第一图像对应的应用场景；
确定模块，用于确定所述第一图像中与所述目标敏感数据特征匹配的敏感图像区域；
脱敏模块，用于对所述敏感图像区域中的图像进行脱敏处理，得到第二图像。
10.根据权利要求9所述的图像处理装置，其特征在于，所述目标敏感数据特征包括：目标敏感文字特征和目标敏感图形特征；
所述第二获取模块包括：
第一获取单元，用于获取包括所述目标敏感文字特征的第一敏感数据匹配模板和包括所述目标敏感图形特征的第二敏感数据匹配模板。
11.根据权利要求10所述的图像处理装置，其特征在于，所述装置还包括：
第二获取模块，用于获取所述目标应用场景下的历史敏感数据集；
第三获取模块，用于在所述历史敏感数据集中，获取所述目标敏感文字特征和所述目标敏感图形特征；
第一模板构建模块，用于根据所述目标敏感文字特征，构建所述第一敏感数据匹配模板；
第二模板构建模块，用于根据所述目标敏感图形特征，构建所述第二敏感数据匹配模板。
12.根据权利要求10所述的图像处理装置，其特征在于，所述确定模块包括：
图像处理单元，用于对所述第一图像进行二值化处理，得到所述第一图像的灰度图像；
图像分割单元，用于将所述灰度图像分割为多个初始图像区域；
第二获取单元，用于获取每一所述初始图像区域的浅层图像特征，得到所述灰度图像的浅层特征图像；
第一确定单元，用于将所述第一敏感数据匹配模板在所述浅层特征图像上进行滑动匹配，确定第一类敏感图像区域；其中，所述第一类敏感图像区域为图像内容与所述目标敏感文字特征匹配的初始图像区域；
第二确定单元，用于将所述第二敏感数据匹配模板在所述浅层特征图像上进行滑动匹配，确定第二类敏感图像区域；其中，所述第二类敏感图像区域为图像内容与所述目标敏感图形特征匹配的初始图像区域。
13.根据权利要求10所述的图像处理装置，其特征在于，在所述敏感图像区域包括与所述目标敏感文字特征匹配的第一类敏感图像区域的情况下，所述脱敏模块包括：
第三获取单元，用于获取所述第一类敏感图像区域中的敏感文字；
编码单元，用于对所述敏感文字进行编码，得到脱敏文字；
脱敏单元，用于将所述敏感文字替换为所述脱敏文字，得到所述第二图像。
14.根据权利要求10所述的图像处理装置，其特征在于，在所述敏感图像区域包括与所述目标敏感图形特征匹配的第二类敏感图像区域的情况下，所述脱敏模块包括：
第一图像变化单元，用于基于离散傅里叶变换，对所述第二类敏感图像区域进行脱敏处理，得到第二类初步脱敏图像区域；
第二图像变化单元，用于基于Arnold变换，对所述第二类初步敏感图像区域进行脱敏处理，得到第二图像。
15.根据权利要求9所述的图像处理装置，其特征在于，所述装置还包括：
脱敏检测模块，用于将所述第二图像输入脱敏检验模型，识别所述第二图像中的敏感图像区域；
评分模块，用于根据所述脱敏检验模型的输出结果，对所述第二图像的脱敏效果进行评分；
第二脱敏模块，用于在所述评分小于预设值的情况下，对所述第二图像中的敏感图像区域进行脱敏处理；
图像输出模块，用于在所述评分大于预设值的情况下，将所述第二图像作为最终脱敏图像进行输出。
16.根据权利要求9所述的图像处理装置，其特征在于，所述装置还包括：
第一加密模块，用于根据第一加密算法对所述第二图像中的非脱敏区域进行加密，得到第一加密图像；
第二加密模块，用于根据第二加密算法对所述第一加密图像中的脱敏区域进行加密，得到第二加密图像；
第三加密模块，用于将所述第二加密图像的第一图像区域中的图像替换为第二图像区域中的图像，得到第三图像；
其中，在所述第一图像区域为所述第二加密图像的加密脱敏区域的情况下，所述第二图像区域为所述第二加密图像的加密非脱敏区域；在所述第一图像区域为所述第二加密图像的加密非脱敏区域的情况下，所述第二图像区域为所述第二加密图像的加密脱敏区域。
17.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如权利要求1至8任一项所述的图像处理方法的步骤。
18.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1至8任一项所述的图像处理方法的步骤。
CN202211656735.0A 2022-12-22 2022-12-22 图像处理方法、装置、电子设备及可读存储介质 Pending CN116108464A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211656735.0A CN116108464A (zh) 2022-12-22 2022-12-22 图像处理方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211656735.0A CN116108464A (zh) 2022-12-22 2022-12-22 图像处理方法、装置、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN116108464A true CN116108464A (zh) 2023-05-12

Family

ID=86266692

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211656735.0A Pending CN116108464A (zh) 2022-12-22 2022-12-22 图像处理方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN116108464A (zh)

Similar Documents

Publication Publication Date Title
CN110781460A (zh) 版权认证方法、装置、设备、系统及计算机可读存储介质
CN110929806B (zh) 基于人工智能的图片处理方法、装置及电子设备
CN105956469A (zh) 文件安全性识别方法和装置
EP3591561A1 (en) An anonymized data processing method and computer programs thereof
CN114998080A (zh) 人脸防篡改水印生成方法、篡改检测方法及属性检测方法
CN113055153B (zh) 一种基于全同态加密算法的数据加密方法、系统和介质
Alkhowaiter et al. Evaluating perceptual hashing algorithms in detecting image manipulation over social media platforms
Li et al. Perceptual hashing for color images
CN109672804B (zh) 一种图像的加密、解密方法及其系统
CN116108464A (zh) 图像处理方法、装置、电子设备及可读存储介质
CN114297693B (zh) 一种模型预训练方法、装置、电子设备及存储介质
CN107239693B (zh) 一种基于口令编码规则的分析方法及系统
CN112634118B (zh) 对抗批隐写方法
CN115205089A (zh) 图像加密方法、网络模型的训练方法、装置及电子设备
CN114707026A (zh) 网络模型训练方法、字符串检测方法、装置及电子设备
CN114821588A (zh) 图像处理方法、装置、电子设备及可读介质
Xiong et al. Perceptual image hashing based on multitask neural network
Jin et al. Feature selection of the rich model based on the correlation of feature components
CN113468334B (zh) 密文情感分类方法、装置、设备及存储介质
Yaochuang Research on Application System of Artificial Intelligence in Informatics Based on Computer Machine Learning
CN116842562B (zh) 基于隐私计算技术的大数据安全平台
CN113111833B (zh) 人工智能系统的安全性检测方法、装置及终端设备
CN112149095B (zh) 学生数据安全治理方法和系统
Li et al. A Novel 6G Scalable Blockchain Clustering-Based Computer Vision Character Detection for Mobile Images.
CN113887438B (zh) 人脸图像的水印检测方法、装置、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination