基于对抗网络的彩色图像置乱方法研究

图像置乱是将图像转换为伪随机图像，一般作为图像加密或信息隐藏前的预处理环节，为了实现彩色图像的自动化置乱，提出了基于改进对抗网络的彩色图像置乱方法。方法构建了编码网络—解码网络结构模仿彩色图像置乱和复原过程，通过模型学习图像置乱，用patchGAN的判别网络实现图像各部分区域像素值分布判别。对提出的编解码损失函数、编码网络和解码网络的对抗损失函数和判别网络的对抗损失函数分别交替使用梯度下降法优化参数。对分辨率为256×256的彩色图像实验的结果表明，上述法能实现各种彩色图像的自动化置乱，并且模型具有较好的收敛性。和传统的Arnold变换，Logistic混沌置乱方法相比较，直观上本方法图像置乱效果更具隐蔽性；在多个判别指标下，所提方法置乱后图像与原始图像相似度更低，置乱程度更高，置乱效果有提升。