基于对抗样本的深度学习图像压缩感知方法.pdfVIP

第 49 卷 第 4 期 湖 南 大 学 学 报 （自 然 科 学 版 ） Vol.49，No.4 2 0 2 2 年 4 月 JournalofHunanUniversity（NaturalSciences） Apr.2022 文章编号：1674-2974（2022）04-0011-07 DOI：10.16339/ki.hdxbzkb.2022277 基于对抗样本的深度学习图像压缩感知方法 1，2 1† 1 王继良 ，周四望 ，金灿灿 （1. 湖南大学信息科学与工程学院，湖南长沙410082； 2. 长沙环境保护职业技术学院，湖南长沙410004） 摘 要：压缩感知是研究数据采样压缩与重构的信号处理新理论，近年来研究人员将深度 学习运用到图像压缩感知算法中，显著提高了图像重构质量.然而，图像信息常与隐私关联， 高质量的重构图像在方便人们观赏的同时，带来了隐私保护的问题.本文基于深度学习理论， 提出一种对抗的图像压缩感知方法.该方法将压缩理论和对抗样本技术统一于同一个压缩感 知算法，通过设计损失函数，联合重构误差和分类误差来训练压缩感知深度神经网络，使得压 缩感知重构样本同时也是一个对抗样本.因此，重构图像在保证重构质量的同时，也能对抗图 像分类算法，降低其识别率，达到保护图像隐私的效果.在Cifar-10和MNIST图像集上进行的 实验结果表明，和已有的压缩感知方法相比，我们提出的对抗压缩感知方法以损失仅10%的 图像重构质量为代价，使得图像分类精度下降了74%，获得了很好的对抗性能. 关键词：对抗样本；深度学习；图像；压缩感知 中图分类号：TP391 文献标志码：A MethodofDeepLearningImageCompressed SensingBasedonAdversarialSamples 1，2 1† 1 WANGJiliang ，ZHOUSiwang ，JINCancan （1.CollegeofComputerScienceandElectronicEngineering，HunanUniversity，Changsha410082，China； 2.ChangshaEnvironmentalProtectionCollege，Changsha410004，China） Abstract：Compressedsensingisanewsignalprocessingtheoryfocusingondatasamplingcompressionandre- construction.Inrecentyears,researchershaveapplieddeeplearningtoimagecompressedsensingalgorithms,which significantlyimprovesthequalityoftherecoveredimages. However, imagesareoftenassociatedwithpersonalpri- vacy,andhigh-qualityrecoveredimagesoftenbringprivacyprotectionproblemswhilefacilitatingpeoplesviewing. Basedondeepneuralnetwork,thispaperproposesanimagecompressedsensingalgor