[发明专利]一种基于融合变异的图像对抗样本生成方法

说明书

本发明提出了一种基于融合变异的图像对抗样本生成方法。方法包括：分别建立原始图像与干扰图像的高斯金字塔，在高斯金字塔的运算过程中，用高斯金字塔的每一层图像减去其上一层图像上采样并高斯卷积之后的重构图像，得到每一层损失信息，建立拉普拉斯金字塔存储这些损失信息；提取生成的两个高斯金字塔顶层的图像，用像素选择函数对两个图像进行融合；对融合后的图像进行上采样操作，再加上相应层次的原始图片拉普拉斯金字塔中的损失信息，再次进行上采样操作，重复上述操作，最终得到一个与原始图像相同大小的变异图像，形成图像对抗样本。本发明能够在测试数据不足的情况下生成足够多且高质量的测试数据。

技术领域

本发明属于计算机领域，涉及到图像识别模型的训练中对抗样本数据集的生成，具体为一种基于融合变异的图像对抗样本生成方法。

背景技术

目前航空航天领域图像识别信息服务能够有效辅助用户快速识别图像信息，但对于测评机构而言，军用信息服务的测试图像较少，部分测试数据可能还依赖于厂家的训练数据的问题，导致测试结果可信度受到影响，缺陷发现能力不高。

然而对于这样软件可靠性要求较高的领域，人们不仅需要能够高效的识别出不加干扰的图像信息，也要能以较高置信度的得到加以干扰后的图像信息，所以需要得到原始数据集的一系列对抗样本。如何对原始数据集进行变异测试并得到可靠的对抗样本数据集成为关键问题。

发明内容

发明目的：针对现有技术的不足，本发明提出一种基于融合变异的图像对抗样本生成方法，解决在测试数据不足的情况下如何生成足够多且高质量的测试数据的问题。

技术方案：一种基于融合变异的图像对抗样本生成方法，利用分割变异技术通过对数据进行变异，从而实现测试数据的生成，包括以下步骤：

(1)获取原始图像与干扰图像；

(2)分别建立原始图像与干扰图像的高斯金字塔，在高斯金字塔的运算过程中，用高斯金字塔的每一层图像减去其上一层图像上采样并高斯卷积之后的重构图像，得到每一层损失信息，建立拉普拉斯金字塔存储这些损失信息；

(3)提取生成的两个高斯金字塔顶层的图像，用像素选择函数对两个图像进行融合；

(4)对融合后的图像进行上采样操作，再加上相应层次的原始图片拉普拉斯金字塔中的损失信息，重复进行上述操作，最终得到一个与原始图像相同大小的变异图像，形成图像对抗样本。

其中，所述步骤(2)中高斯金字塔的建立包括：将原图视为第1层图像，对第N层图像G(N)进行低通滤波，再进行下采样，得到第N+1层图像G(N+1)，G(N+1)的长与宽均为G(N)的1/2，则G(N+1)尺寸为G(N)尺寸的1/4，G(1),G(2)······G(N)组成高斯金字塔。

所述步骤(2)中建立拉普拉斯金字塔包括：对G(N+1)层图像进行上采样，得到与G(N)的尺寸相同的T(N)，计算T(N)与G(N)的差L(N)，L(1),L(2)······L(N)组成拉普拉斯金字塔。

所述步骤(3)中用像素选择函数对两个图像进行融合包括：

记原始图像的高斯金字塔顶层图像为G_原(s)，干扰图像的高斯金字塔顶层图像为G_扰(s)，根据如下公式对两个图像进行组合：

G_融(s)＝τ(ρ,G_原(s))+τ((1-ρ),G_扰(s))

其中，G_融(s)为融合后的图像，G_融(s)[i,j]表示了G_融(s)的第i行，第j列的像素点，τ(ρ,G)表示从G中按高斯分布随机挑选像素点，ρ∈[0,1]是一个比例因子，表示所提取像素个数占全部像素的百分比，且随机挑选的像素点位置不能重复。