随着数字技术的飞速发展,数字图像的采集、分发和共享在人们的生活中越来越流行。与此同时,自动数字图像处理和分析技术也得到了广泛的发展,为人们进行图像识别、分析和理解提供了方便。然而,这也为恶意用户发起潜在的攻击提供了便利。特别是对于人脸图像,恶意用户可以从共享的人脸图像中获取各种个人生物特征信息,获取个人的隐私。因此,人脸图像隐私保护就显得尤为重要。一种理想的人脸图像隐私保护方法应该能够防止恶意的自动分析,同时对图像的效用影响最小。本文的人脸隐私保护主要基于图像编辑的方法。现有的基于图像编辑的隐私保护方法分为基于全脸的隐私保护方法和基于人脸ROI的隐私保护方法。对于前者,它编辑整个人脸图像区域来完成隐私保护。其中,人脸融合是典型的方法之一,它可以对人脸图像进行人脸特征信息的混淆,然而随着人脸识别技术的不断发展,该方法的隐私保护能力有限。后者增加了区域选择阶段,例如人脸组件融合方法可选取人脸眼睛,鼻子和嘴巴等作为修改调整的部分。它保留了人脸的非成分区域,具有较高的隐私保护能力。但是,当所有的组件都被替换后,人脸图像的视觉质量会明显下降。针对上述问题,本文做了如下研究工作:第一:提出了一种基于人脸融合和奇异值分解的人脸图像隐私保护方法。首先,在人脸图像库中寻找一张与输入的源图较为相似的人脸图像,并对其进行预处理;然后将两张图像进行人脸融合;接着,对融合后的人脸图像进行奇异值分解,该步骤能够将源图中的人脸图像的主成分进行修改或去除,进一步修改源图中人脸图像的生物特征信息。最后,为了权衡人脸图像的隐私保护和主观识别,可对奇异值分解得到的图片与人脸融合后的图片进行加权处理。实验表明,该方案在隐私保护能力和人脸图像的主观识别上均有良好的效果。第二:提出了一种基于人脸组件融合和奇异值分解的人脸图像隐私保护方法。第一种方案忽略了人脸组件对人脸图像的重要性。因此,在第一个工作的基础上进行改进,我们不再对整张人脸图像进行处理,第二种方案保留源图的人脸图像轮廓,更具针对性地对含有大部分人脸生物特征的人脸组件进行处理。本方案选用的人脸组件为眼睛,鼻子和嘴巴,分别对这些人脸组件进行奇异值分解,这能更好的权衡人脸图像的隐私保护能力和人脸图像的主观识别。实验表明,该方案既能保留人脸源图的部分信息,能够防止图片出现较大的失真,也能实现较好的隐私保护。