(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210689902.5 (22)申请日 2022.06.17 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 李理　 (74)专利代理 机构 北京易光知识产权代理有限 公司 11596 专利代理师 阎敏　徐升升 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/34(2022.01) G06N 3/08(2006.01) (54)发明名称 一种用于生成添加干扰后的图像的方法和 装置 (57)摘要 本公开提供了一种用于生成添加干扰后 的 图像的方法和装置， 涉及深度学习技术领域， 尤 其涉及图像识别、 图像匹配、 图像干扰技术领域。 具体实现方案为： 获取第一图像和第二图像； 确 定该第一图像和该第二图像的图像比较函数； 以 及， 利用对抗样本生成算法对该第一图像和该第 二图像的图像比较函数进行计算， 得到添加干扰 后的图像。 本公开能够对原始图像添加干扰， 得 到添加干 扰后的图像 。 权利要求书4页 说明书15页 附图6页 CN 114998657 A 2022.09.02 CN 114998657 A 1.一种用于生成添加干扰后的图像的方法， 包括： 获取第一图像和第二图像； 确定所述第一图像和所述第二图像的图像比较函数； 以及， 利用对抗样本生成算法对所述第 一图像和所述第 二图像的图像比较函数进行计算， 得 到添加干扰后的图像。 2.根据权利要求1所述的方法， 其中， 所述图像比较函数包括： 图像相似度匹配算法的 表达函数； 所述图像比较函数的自变量为所述第 一图像中像素的值和所述第 二图像中像素的值， 所述图像比较函数的因变量表示所述第一图像和所述第二图像的差异程度； 所述第一图像 和所述第二图像的差异程度越高， 所述图像比较函数的因变量的值越大。 3.根据权利要求2所述的方法， 其中， 所述图像相似度匹配算法由对应的图像相似度匹 配模型实现。 4.根据权利要求1 ‑3中任一所述的方法， 其中， 所述对抗样本生成算法包括快速梯度符 号方法FGSM； 所述利用对抗样本生成算法对所述第一图像和所述第二图像的图像比较函数进行计 算， 得到添加干扰后的图像， 包括： 对所述第一图像和所述第二图像的图像比较函数进行梯度计算； 利用梯度计算的结果、 所述第 一图像中像素的值和所述第 二图像中像素的值中的至少 一项， 确定第一矩阵； 所述第一矩阵中包括多个元素， 所述多个元素与所述第一图像中的多 个像素一一对应； 采用符号 函数对所述第一矩阵进行计算， 得到第二矩阵； 利用预先设置的干扰强度和所述第二矩阵， 生成所述干扰图像； 将所述干扰图像与所述第一图像进行叠加， 得到添加干扰后的图像。 5.根据权利要求1 ‑3中任一所述的方法， 其中， 所述对抗样本生成算法包括迭代快速梯 度符号方法i ‑FGSM； 所述利用对抗样本生成算法对所述第一图像和所述第二图像的图像比较函数进行计 算， 得到添加干扰后的图像， 包括： 采用以下方式进行多次迭代， 并在迭代结束时将最后 一次迭代过程中的第 一图像作为 添加干扰后的图像： 对所述第一图像和所述第二图像的图像比较函数进行梯度计算； 利用梯度计算的结果、 上一 次迭代过程中第 一图像中像素的值和上一 次迭代过程中第 二图像中像素的值中的至少一项， 确定第三矩阵； 所述第三矩阵中包括多个元素， 所述多个 元素与所述第一图像中的多个 像素一一对应； 采用符号 函数对所述第三矩阵进行计算， 得到第四矩阵； 利用预先设置的干扰强度和所述第四矩阵， 生成本次迭代过程的干扰图像； 将所述本次迭代过程的干扰图像与 上一次迭代过程中的第 一图像叠加， 得到叠加后的 图像； 采用像素值的裁剪函数对所述叠加后的图像进行计算， 得到本次迭代过程中的第 一图 像。权　利　要　求　书 1/4 页 2 CN 114998657 A 26.根据权利要求1 ‑3中任一所述的方法， 其中， 所述对抗样本生成算法包括动量迭代快 速梯度符号方法mi ‑FGSM； 所述利用对抗样本生成算法对所述第一图像和所述第二图像的图像比较函数进行计 算， 得到添加干扰后的图像， 包括： 采用以下方式进行多次迭代， 并在迭代结束时将最后 一次迭代过程中的第 一图像作为 添加干扰后的图像： 对所述第一图像和所述第二图像的图像比较函数进行梯度计算； 利用梯度计算的结果、 上一 次迭代过程中第 一图像中像素的值和上一 次迭代过程中第 二图像中像素的值中的至少一项， 确定第五矩阵； 所述第五矩阵中包括多个元素， 所述多个 元素与所述第一图像中的多个 像素一一对应； 采用所述第五矩阵和上一次迭代过程中的中间矩阵， 计算本次迭代过程中的中间矩 阵； 采用符号 函数对所述本次迭代过程中的中间矩阵计算， 得到第六矩阵； 利用预先设置的干扰强度和所述第六矩阵， 生成本次迭代过程的干扰图像； 将所述本次迭代过程的干扰图像与 上一次迭代过程中的第 一图像叠加， 得到本次迭代 过程中的第一图像。 7.根据权利要求4 ‑6中任一所述的方法， 其中， 所述对所述第一图像和所述第 二图像的 图像比较函数进行梯度计算， 包括： 针对所述第 一图像和所述第 二图像的图像比较函数， 分别计算所述第 一图像和所述第 二图像的图像比较函数对各个自变量的偏导数。 8.根据权利要求1 ‑7中任一所述的方法， 其中， 所述获取第一图像和第二图像， 包括： 从预先设置的图像库中提取第一原 始图像及第二原 始图像； 分别对所述第 一原始图像和所述第 二原始图像进行预处理， 得到所述第 一图像和所述 第二图像。 9.根据权利要求8所述的方法， 其中， 所述预处理包括裁剪和方向旋转中的至少一项； 其中， 对所述第一原始图像进行方向旋转的旋转角度和/或对所述第 二原始图像进行方向旋 转的旋转角度为随机 选择的。 10.一种用于生成添加干扰后的图像的装置， 包括： 获取模块， 用于获取第一图像和第二图像； 确定模块， 用于确定所述第一图像和所述第二图像的图像比较函数； 以及， 计算模块， 用于利用对抗样本生成算法对所述第 一图像和所述第 二图像的图像比较函 数进行计算， 得到添加干扰后的图像。 11.根据权利要求10所述的装置， 其中， 所述图像比较函数包括： 图像相似度匹配算法 的表达函数； 所述图像比较函数的自变量为所述第 一图像中像素的值和所述第 二图像中像素的值， 所述图像比较函数的因变量表示所述第一图像和所述第二图像的差异程度； 所述第一图像 和所述第二图像的差异程度越高， 所述图像比较函数的因变量的值越大。 12.根据权利要求11所述的装置， 其中， 所述图像相似度匹配算法由对应的图像相似度权　利　要　求　书 2/4 页 3 CN 114998657 A 3