[发明专利]图像脱敏方法、模型训练方法、装置、设备及存储介质

权利要求书

1.一种图像脱敏方法，包括：

获取待处理图像，所述待处理图像上叠加有敏感信息；

通过图像重建模型包含的编码器对所述待处理图像进行编码处理，得到所述待处理图像对应的编码图像；

通过所述图像重建模型包含的解码器对所述编码图像进行解码处理，以恢复所述待处理图像包含的非敏感信息，得到所述待处理图像对应的恢复图像，所述图像重建模型是根据未叠加信息的训练图像训练得到的。

2.根据权利要求1所述的图像脱敏方法，其中，所述通过所述图像重建模型包含的解码器对所述编码图像进行解码处理，以恢复所述待处理图像包含的非敏感信息，得到所述待处理图像对应的恢复图像，包括：

对所述编码图像进行加噪，得到加噪图像；

通过噪声估计模型对所述加噪图像进行噪声估计，得到估计噪声值；

根据所述估计噪声值对所述加噪图像进行去噪，得到去噪图像；

将所述去噪图像输入至所述解码器中进行解码处理，以恢复所述待处理图像包含的非敏感信息，得到所述恢复图像。

3.根据权利要求2所述的图像脱敏方法，其中，所述对所述编码图像进行加噪，得到加噪图像，包括：

确定所述编码图像对应的加噪步数；

按照所述加噪步数，为所述编码图像添加多步噪声，得到所述加噪图像。

4.根据权利要求3所述的图像脱敏方法，其中，所述确定所述编码图像对应的加噪步数，包括：

根据所述噪声估计模型对应的步数阈值，确定所述加噪步数；

其中，所述加噪步数小于或者等于所述步数阈值。

5.根据权利要求3所述的图像脱敏方法，其中，所述按照所述加噪步数，为所述编码图像添加多步噪声，得到所述加噪图像，包括：

根据所述加噪步数和高斯分布函数，为所述编码图像添加多步的随机高斯噪声，得到所述加噪图像。

6.根据权利要求2所述的图像脱敏方法，其中，所述通过噪声估计模型对所述加噪图像进行噪声估计，得到估计噪声值，包括：

获取所述待处理图像的属性信息；

将所述属性信息和所述加噪图像输入至所述噪声估计模型中进行噪声估计，得到所述估计噪声值。

7.根据权利要求6所述的图像脱敏方法，其中，所述属性信息包括所述待处理图像的图像类型和/或所述待处理图像的语义信息，所述获取所述待处理图像的属性信息，包括：

获取所述图像类型；

和/或，将所述待处理图像输入至特征提取模型中进行特征提取，得到所述待处理图像对应的图像特征，将所述图像特征输入至特征编码模型中进行特征编码，得到所述语义信息。

8.根据权利要求2至7中任一项所述的图像脱敏方法，所述对所述编码图像进行加噪，得到加噪图像之前，还包括：

确定所述待处理图像的脱敏等级为第一等级。

9.根据权利要求1至7中任一项所述的图像脱敏方法，其中，所述通过所述图像重建模型包含的解码器，对所述编码图像进行解码处理，以恢复所述待处理图像包含的非敏感信息，得到所述待处理图像对应的恢复图像，包括：

确定所述待处理图像的脱敏等级为第二等级；

将所述编码图像输入至所述解码器中进行解码处理，以恢复所述待处理图像包含的非敏感信息，得到所述恢复图像。

10.根据权利要求1至7中任一项所述的图像脱敏方法，其中，所述编码器部署在发送端，所述解码器部署在接收端。

11.一种模型训练方法，包括：

获取训练数据集，所述训练数据集包括未叠加信息的训练图像；

根据所述训练数据集，对图像重建模型进行训练，得到训练后的图像重建模型，所述图像重建模型包括编码器和解码器，所述编码器用于图像的编码处理，所述解码器用于图像中非敏感信息的恢复。