随着信息技术与多媒体技术的高速发展,数字图像已经逐渐成为人们信息交流的载体。其中,人脸识别在衣食住行以及各个行业领域起到重要作用,并从理论研究走向实际应用的“井喷期”。但是人脸特征与虹膜、指纹相比,属于弱隐私的生物特征。不但可以通过互联网轻而易举地获取人脸照片,而且也可使用各种图像处理工具对人脸进行伪造。近段时间内各类信息泄露事件也都预示着用户对于加强个人隐私保护的迫切性。面对这一现状,如何安全有效地保护用户的隐私就成了亟待解决的关键问题。目前,在人脸识别领域研究内容集中于直接对人脸图像进行识别,或者是对人脸图像进行加解密变换,但是加解密操作存在计算复杂度高的缺点。针对以上问题,本文主要对人脸图像置乱算法本身和对置乱后人脸图像识别进行了研究,提出了先进行人脸图像的置乱,然后分别结合随机森林算法识别全局置乱的人脸图像(SFR-RF,scrambled face recognition of random forest),和利用卷积神经网络将置乱后的人脸图像进行分类识别的方法。本文主要工作和创新点如下:1.传统Arnold变换只适用于处理二维空间等长图像,针对此问题研究了适用于二维空间非等长图像Arnold变换方法。Arnold变换是在图像空间域对人脸照片进行置乱,即通过改变原始图像像素点的位置分布来加密图像。本文所研究方法根据二维空间可逆标准映射对Arnold变换做了非仿射化改进,改进后的变换仍然具有保面积性和周期性,以及通过对正反变换的详细分析,使其更加适用于一般的置乱场景。2.针对置乱后的人脸图像识别,本文结合随机森林算法和人脸置乱后的图像特征,在空间域识别中提出SFR-RF算法。采用随机子空间抽样方案从置乱后的人脸图像中进行特征提取,从随机选取的特征中构建决策树,然后通过组合所有决策树得到随机森林决策。该算法利用置乱后图像像素值特征在每个特征点建立随机森林模型,由森林模型对测试样本进行预测分类。实验结果表明,该方法相对于单一决策树算法,对全局置乱后的人脸图像依然具有较强的特征提取能力,保持了较高的识别率。3.针对SFR-RF算法安全性较弱的问题,本文提出了基于卷积神经网络和分块随机参数Arnold变换的人脸识别算法。首先对关键部分人脸图像进行分块处理,然后对分块图像进行随机参数的Arnold变换置乱的方法,最后将分块置乱的图片输入到深度卷积神经网络模型中进行识别。从实验结果来看,对分块图像进行Arnold随机参数置乱后,有效降低了密文图像的相关性,而且对于深度神经网络识别仍然保持较高的识别率。本文还利用混沌映射加密方法进行二次加密,结果表明密文图像的相关性进一步降低,不仅加强了对人脸隐私的保护,同时对置乱变换后图像的识别依然具有较强的顽健性。