技術(shù)特征：

1.一種基于半色調(diào)與濾波器的圖像對(duì)抗防御方法，其特征在于，包括下述步驟：

2.根據(jù)權(quán)利要求1所述基于半色調(diào)與濾波器的圖像對(duì)抗防御方法，其特征在于，所述m-net網(wǎng)絡(luò)，包括編碼器、解碼器、選擇性核特征融合模塊和殘差節(jié)點(diǎn)，編碼器與解碼器跳躍連接，編碼器包括多個(gè)卷積層、下采樣層和注意力層，解碼器包括多個(gè)卷積層、上采樣層和注意力層；所述編碼器用于逐步提取圖像的高層次特征同時(shí)減少圖像的空間分辨率，解碼器用于逐步恢復(fù)圖像的空間分辨率并重建圖像的細(xì)節(jié)信息，選擇性核特征融合模塊用于對(duì)上采樣后的特征進(jìn)行自適應(yīng)挑選與融合；所述任一注意力層包括通道拆分模塊、邊緣檢測(cè)器與通道和空間注意力模塊，通道拆分模塊用于將輸入的圖像特征進(jìn)行通道拆分，獲取若干份局部通道特征，邊緣檢測(cè)器用于檢測(cè)提取一份局部通道特征的邊緣信息，通道和空間注意力模塊用于提取邊緣信息的邊緣特征。

3.根據(jù)權(quán)利要求2所述基于半色調(diào)與濾波器的圖像對(duì)抗防御方法，其特征在于，將輸入的圖像通過(guò)第一卷積核提取特征局部特征，對(duì)局部特征進(jìn)行注意力和下采樣，獲取下采樣特征；

4.根據(jù)權(quán)利要求3所述基于半色調(diào)與濾波器的圖像對(duì)抗防御方法，其特征在于，所述對(duì)局部特征進(jìn)行注意力，包括：

5.根據(jù)權(quán)利要求2所述基于半色調(diào)與濾波器的圖像對(duì)抗防御方法，其特征在于，所述m-net網(wǎng)絡(luò)的訓(xùn)練，包括：

6.根據(jù)權(quán)利要求2所述基于半色調(diào)與濾波器的圖像對(duì)抗防御方法，其特征在于，所述m-net網(wǎng)絡(luò)的訓(xùn)練，包括：

7.根據(jù)權(quán)利要求1所述基于半色調(diào)與濾波器的圖像對(duì)抗防御方法，其特征在于，所述半色調(diào)處理，包括：

8.根據(jù)權(quán)利要求7所述基于半色調(diào)與濾波器的圖像對(duì)抗防御方法，其特征在于，所述利用誤差擴(kuò)散法對(duì)原始圖像進(jìn)行二值化，具體為：

9.根據(jù)權(quán)利要求1所述基于半色調(diào)與濾波器的圖像對(duì)抗防御方法，其特征在于，所述濾波處理，包括：

10.一種基于半色調(diào)與濾波器的圖像對(duì)抗防御系統(tǒng)，其特征在于，應(yīng)用于權(quán)利要求1-8中任一項(xiàng)所述的基于半色調(diào)與濾波器的圖像對(duì)抗防御方法，包括第一處理模塊和第二處理模塊；

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于半色調(diào)與濾波器的圖像對(duì)抗防御方法及系統(tǒng)，方法包括：將原始圖像I進(jìn)行半色調(diào)處理，獲取半色調(diào)圖像Ih，利用濾波器對(duì)半色調(diào)圖像Ih進(jìn)行濾波處理，獲取低質(zhì)量連續(xù)調(diào)圖像If；利用原始圖像I和低質(zhì)量連續(xù)調(diào)圖像If訓(xùn)練M?Net網(wǎng)絡(luò)，獲取高質(zhì)量圖像Ir；將對(duì)抗圖像A進(jìn)行半色調(diào)處理，獲取半色調(diào)圖像Ah，利用濾波器對(duì)半色調(diào)圖像Ih進(jìn)行濾波處理，獲取低質(zhì)量連續(xù)調(diào)圖像Af，將高質(zhì)量圖像Ir輸入，利用訓(xùn)練好的M?Net網(wǎng)絡(luò)對(duì)低質(zhì)量連續(xù)調(diào)圖像Af進(jìn)行恢復(fù)，獲取無(wú)對(duì)抗擾動(dòng)高質(zhì)量圖像Ar。本發(fā)明能夠解決現(xiàn)有對(duì)抗防御方法擾動(dòng)消除不徹底和導(dǎo)致識(shí)別模型準(zhǔn)確率降低的問(wèn)題。

技術(shù)研發(fā)人員：張登輝,沈圣尚,姚捷鳳,任利敬,李樹(shù)棟,唐可可,顧釗銓,楊明
受保護(hù)的技術(shù)使用者：廣州大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9