结合四元数拉盖尔矩和三维结构的图像哈希

目前图像哈希领域中许多算法只能处理灰度图像,为扩大算法适用范围,同时提高图像哈希算法的性能与旋转攻击的鲁棒性,提出基于四元数拉盖尔矩和三维能量结构的哈希算法。首先对输入的彩色图像进行预处理与多尺度融合处理,将融合图像提取的拉盖尔矩系数作为图像的全局特征,同时在YCb Cr颜色空间中利用融合图像的能量信息建立模型,选取三维模型中不同视角下的能量峰值和谷值点连线与水平面的夹角作为局部结构特征;然后根据特定点与三维模型各条等高线上近点和远点的位置提取具有旋转不变性的特征;最后结合全局特征和三维结构特征,量化并加密生成哈希序列。实验结果表明,该算法在鲁棒性与区别性之间有更好的平衡,受试者工作特征曲线错误接受率为0时的正确接受率达到0.9992。当哈希序列长度为120 bit时具备最优的紧凑性,平均计算时间为0.0979 s。在拷贝检测实验中,该算法进行多次抽取实验的平均查全率和查准率均在95.83%以上。

一种加密域鲁棒图像哈希算法

随着云计算的发展,越来越多的多媒体数据存储在云端,出于安全需要,往往需要对其加密后再上传至云端进行存储或运算等操作.针对加密图像,在不具备图像明文内容的情况下,为了认证图像内容的完整性和真实性,提出了一种基于Paillier同态加密的鲁棒图像哈希算法.该算法主要由3个部分构成:图像所有者端图像加密,云服务器端密文图像哈希计算以及接收者端明文图像哈希生成.具体地,图像所有者对图像进行Paillier加密,并将加密图像上传至云服务器,由云服务器利用Paillier密码系统的运算法则执行加密域DCT与Watson人眼视觉特征等的计算,并利用密钥控制的伪随机矩阵增加哈希的随机性,接收者解密并分析接收到的密文哈希,生成明文图像哈希.实验结果表明,所提算法在鲁棒性、唯一性和安全性上具有较理想的性能.

一种基于SIFT的图像哈希算法

图像哈希是近年来颇受关注的一个研究热点,但现有的图像哈希算法普遍存在对几何攻击(主要包括尺度、旋转、剪切)鲁棒性不足的缺点,不能满足很多实际应用的需要。针对上述问题,提出了对几何攻击具有强鲁棒性的SIH图像哈希算法。本算法基于在图像匹配等领域得到广泛应用的SIFT算子,通过对SIFT特征向量进行有针对性的筛选和压缩、基于特征向量分布质心的量化生成图像摘要。为适应图像摘要构造的特性,设计了基于广义集合距的匹配算法来衡量图像摘要间的距离。在公开图像库上的实验结果表明,本算法对几何攻击和非几何攻击的鲁棒性均优于对比算法,可广泛服务于图像识别/认证类型的应用。

FP-CNNH:一种基于深度卷积神经网络的快速图像哈希算法

在大数据时代,图像检索技术在大规模数据上的应用是一个热门的研究领域。近年来,大规模图像检索系统中,图像哈希算法由于具备提高图像的检索效率同时减少储存空间的优点而受到广泛的关注。现有的有监督学习哈希算法存在一些问题,主流的有监督的哈希算法需要通过图像特征提取器获取人为构造的图像特征表示,这种做法带来的图像特征损失影响了哈希算法的效果,也不能较好地处理图像数据集中语义的相似性问题。随着深度学习在大规模数据上研究的兴起,一些相关研究尝试通过深度神经网络进行有监督的哈希函数学习,提升了哈希函数的效果,但这类方法需要针对数据集人为设计复杂的深度神经网络,增大了哈希函数设计的难度,而且深度神经网络的训练需要较多的数据和较长的时间,这些问题影响了基于深度学习的哈希算法在大规模数据集上的应用。针对这些问题,提出了一种基于深度卷积神经网络的快速图像哈希算法,该算法通过设计优化问题的求解方法以及使用预训练的大规模深度神经网络,提高了哈希算法的效果,同时明显地缩短了复杂神经网络的训练时间。根据在不同图像数据集上的实验结果分析可知,与现有的基准算法相比,提出的算法在哈希函数训练效果和训练时间上都具有较大的提高。

一种安全鲁棒的图像哈希方法

互联网的发展使得多媒体的版权保护成为亟待解决的问题,从而使得用于图像内容认证的哈希方法得到广泛的研究和应用。提出了一种新的基于V系统的图像哈希方法,该方法首先将原始图像强化,然后提取V变换域上的系数生成哈希值。实验结果显示,该方法能够抵抗滤波、噪声、25%以下的裁剪和95%以下的JPEG压缩等攻击,有很好的安全性和鲁棒性。

联合压缩感知和颜色向量角的彩色图像哈希方法

提出一种联合压缩感知和颜色向量角的彩色图像哈希方法.该方法先对输入图像进行预处理,并计算其颜色向量角矩阵,然后对矩阵进行非重叠分块,再将每一块进行压缩感知测量,用测量向量的均值构成哈希值.实验表明,该方法对常见数字操作稳健并有良好的唯一性,分类性能优于3种现有方法.

组合NMF和PCA的图像哈希方法

图像哈希函数在内容认证、数据库搜索和数字水印中有广泛的应用。本文提出了一种新颖的基于非负矩阵分解(NMF)和主成分分析(PCA)的感知哈希方法,通过对哈希生成两阶段框架的详细分析,NMF被设计用来捕获图像的局部信息,而PCA用来捕获全局信息和信息压缩,图像之间的相似程度通过哈希的归一化相关值来确定。该方法在两阶段中都采用了伪随机处理,增强了算法安全性。实验表明建议的方法对JPEG压缩、图像滤波等内容保持操作具有较好的稳健性,同时有较好的分类能力。

基于约束随机分块的NMF图像哈希算法

基于非负矩阵分解(Non-negative Matrix Factorization,NMF)的图像哈希(image hashing)算法对图像有损压缩,低通滤波、尺度拉伸等处理具有很好的稳健性,但对图像旋转比较敏感。为此,该文在对NMF哈希算法的分块模式进行深入研究的基础上,提出一种可抗旋转攻击的NMF图像哈希算法。该方法通过对随机分块的区域进行限制,并选择合适的分块尺寸来减轻旋转攻击对图像造成的不良影响,从而提高了特征的旋转稳健性。实验表明,所提出的图像哈希算法在保持原NMF哈希算法对其它攻击稳健性的同时,能有效地抵抗旋转攻击。

基于内容结构图的鲁棒图像哈希

为提高拷贝检测系统的鲁棒性和效率,提出一种鲁棒图像哈希算法.用Gabor变换系数构建图像内容结构图,将它从笛卡尔坐标系变换到极坐标系进行归一化.将归一化的结构子图加权,求得特征向量,最后通过量化得到二值哈希码.基于Gabor系数的内容结构图有很强的鲁棒性和独特性,量化中采用的失真哈希码融合和双密钥进一步提升了算法的鲁棒性、独特性、紧凑性.利用公开数据库分别对所提出的算法和多种代表性算法进行对比实验,比较对象包括非负矩阵分解哈希、形状上下文哈希、圆环分割与不变向量距离哈希.实验表明,该算法在查准率和查全率方面均表现突出,匹配效率也有大幅提升,整体性能优于对比算法.

基于融合鲁棒特征与多维尺度变换的紧凑图像哈希算法

目的为了增强哈希序列对任意旋转角度的鲁棒性与识别能力,提出一种基于融合鲁棒特征与多维尺度变换的紧凑图像哈希算法。方法首先,利用双线性插值来固定图像的哈希序列长度,获取规则尺寸的图像;借助高斯低通滤波对规则图像完成过滤操作,消除噪声污染和插值误差对哈希生成的影响;将滤波图像转换到YCbCr颜色空间,提取亮度Y分量,增强哈希对亮度调整的鲁棒性;利用极坐标变换LPT方法处理亮度Y分量,输出二次图像;引入SVD机制来分解二次图像,获取其抗旋转的鲁棒特征;同时,根据Fourier变换与残差机制,获取Y分量的局部显著特征;随后,将这2种特征组合,形成融合鲁棒特征,将其视为中间哈希序列;引入多维尺度变换,对中间哈希序列完成压缩,获取紧凑哈希;基于Logistic映射,完成紧凑哈希序列的加密,形成目标哈希;通过计算真实图像与待认证图像之间哈希序列对应的Hamming距离,根据预设阈值,完成图像识别。结果测试数据表明,较已有的哈希方案而言,所提方案拥有更高的鲁棒性和更紧凑的哈希长度,呈现出更为理想的ROC曲线,在多种攻击下,其稳定的正确识别率保持在96%以上。结论所提哈希方案拥有良好的鲁棒性与敏感性,在包装图标检索、信息水印等行业具备较好的应用价值。

基于图像哈希签名的数字水印

提出一种新的图像哈希函数,这种函数可以为不同图像内容的输入提供唯一的一个哈希值。通过使用特殊的图像HASH函数来完成签名信息的简化,并最终形成水印比特嵌入到图像中。结合数字签名和数字水印的特点,为进行图像认证提供了一种全新的途径。

一种基于遗传算法和BP网络的鲁棒图像哈希方法

提出一种用于图像内容认证的基于遗传算法和BP网络(GA-BP)的鲁棒图像哈希方法.运用提升小波变换(lifting wavelet transform,LWT)得到图像的低频分量,对低频分量进行离散傅里叶变换(discrete Fourier transform,DFT)提取幅度和相位信息以建立图像的特征矩阵,利用构建的GA-BP模型,生成鲁棒的图像哈希序列并用于图像内容的篡改认证.实验结果表明,相比于同类方法,所提出的图像哈希认证方法对随机攻击、旋转、JPEG压缩,加性高斯噪声等具有较好的鲁棒性和区分性.

超复数Fourier变换耦合位置扰乱的彩色图像哈希算法

当前图像哈希算法大都是通过将彩图三分量R、G、B转换成灰度图像来生成哈希,丢失了色度信息,降低了算法对篡改内容的检测精度与敏感性的不足,为了解决上述问题,提出了超复数离散傅里叶变换耦合位置随机扰乱的彩色图像哈希认证算法。首先,通过构建新的扩散系数,从而改进偏微分模型PED(partial differential equation),对输入图像进行预处理,增强算法对图像缩放的鲁棒性,从而最小化图像信息丢失对算法的影响;再引入对数极坐标变换机制,将预处理图像变成二次图像;基于超复数理论与Fourier变换,将彩图三分量R、G、B视为四元数的虚部,建立四元离散Fourier变换机制,提取抗旋转篡改的图像特征;并基于Logistic混沌映射,设计位置扰乱机制,对四元离散Fourier变换低频幅度系数进行随机置乱;根据置乱后的幅度系数,构建图像哈希模型;最后,引入汉明距离,优化认证阈值,建立图像哈希相似度计算模型,以评估初始图像与用户接收图像的哈希相似度,完成图像内容的真伪认证。实验结果显示:与当前图像哈希算法相比,在处理彩色图像时,该算法具有更强的鲁棒性与安全性,呈现出更好的ROC曲线特性,能够有效识别亮度、旋转、噪声以及缩放等篡改攻击。

基于极谐变换的鲁棒图像哈希算法

针对现有图像哈希算法普遍存在抗几何攻击能力不强的缺点,提出了一种基于极谐变换(Polar Harmonic Transform,PHT)的鲁棒图像哈希算法。极谐变换是新近发展的一种正交矩变换方法,图像的变换幅值对旋转缩放具有不变性,利用这一特点用图像的极谐变换幅值生成图像摘要。首先对图像进行极谐变换,然后将得到的幅值系数进行筛选量化得到二值序列,最后根据预先设计的密钥对二值序列进行置乱生成图像摘要。仿真结果表明,上述算法对几何攻击和常规信号处理攻击均具有很强的鲁棒性,优于对比算法性能,能够用于图像识别、搜索、认证等方面的应用。

基于图像归一化和DCT的感知图像哈希算法

提出一种基于离散余弦变换的感知哈希算法,先对原始图像进行归一化处理,使图像具有几何不变性,然后利用离散余弦变换进行图像特征系数的提取并用混沌序列发生器加密图像,最后通过量化和编码生成感知哈希序列。该算法可以抵抗任意角度的旋转攻击和仿射变换。

基于联合特征与中心方向信息的图像哈希算法

为了提高哈希技术对旋转操作的识别能力,提出了全局-局部联合特征耦合中心方向信息估计的图像哈希认证技术.首先,引入2D线性插值技术,对输入的图像进行预处理,使其对任意的缩放操作都具有固定尺寸的哈希序列;然后,将预处理图像转变为HSV彩色空间,借助二维离散小波变换(Discrete Wave Transform,DWT)处理V分量,利用其低频系数形成二次图像;再引入奇异值分解(Singular Value Decomposition,SVD)处理二次图像,提取其全局特征,将其作为第一个中间哈希序列;基于Fourier机制,借助残差方法,确定图像的显著区域,获取其位置与纹理的局部特征,作为第二个中间哈希序列;随后,引入Radon变换,通过计算图像的中心方向信息,将其与2个中间哈希序列组合,形成过渡哈希数组;借助Logistic映射,定义动态引擎参数,从而设计了分段异扩散技术,对过渡哈希数组进行加密,输出最终的哈希序列;最后,通过估算原始哈希序列与待检测哈希序列的Hamming距离,将其与用户阈值进行比较,完成图像认证.实验结果显示:与当前的图像哈希技术相比,所提算法具有更高的鲁棒性与安全性,对旋转攻击能力具有更好的识别能力.

结合图像归一化与Slant变换的鲁棒图像哈希

为了提高图像哈希算法抵抗几何攻击的性能,提出了一种结合图像归一化和Slant变换的图像哈希算法。使用几何不变矩将原始图像进行归一化操作得到仿射不变图像,仿射不变图像分块并进行Slant变换,根据用户密钥选择Slant变换中频系数极性并生成最终的图像哈希序列。实验结果表明该算法对常见图像操作处理和常见几何攻击鲁棒,对原始图像内容和用户密钥敏感,是一种有效的图像哈希算法。

基于邻域LBP算子与块截断编码的图像哈希算法

为提高哈希算法的感知性与鲁棒性,提出一种基于块截断编码与邻域空间LBP算子的鲁棒图像哈希算法。将预处理图像分割为非重叠子块,结合奇异值分解SVD(singular value decomposition),获取二次图像,引入块截断编码机制,输出其高、低电平矩和二进制位图;基于LBP(local binary pattern)算子,设计邻域空间LBP模式,获取位图的特征矩阵;构造量化函数,得到高、低电平矩阵对应的紧凑二值序列,利用主成分分析处理特征矩阵,输出二值序列,组合这些二值序列,获取图像哈希。根据Hamming距离,对图像真伪进行认证。实验数据表明,与当前哈希算法相比,所提哈希算法具有更好的抗碰撞性能与感知鲁棒。

基于压缩量化与邻域空间LBP算子的图像哈希算法

目的为了解决哈希算法的感知鲁棒性与伪造检测能力不高的问题,提出基于特征压缩机制与邻域空间局部二值模式的紧凑图像哈希算法。方法首先利用2D线性插值技术,对输入图像进行预处理;嵌入Ring分割技术,将其变为二次图像;再利用Gabor滤波技术对其完成过滤;考虑到图像的颜色特征与其内在的空间关系,基于局部二值模式LBP设计邻域空间LBP算子,提取滤波图像的特征;构建特征压缩量化准则,输出紧凑的哈希二值数组;迭代Logistic映射,输出随机序列,通过量化每个序列值输出密钥流,通过构建动态引擎设计分段异加密模型,实现紧凑哈希序列的加密,获取图像哈希;最后计算原始哈希序列与待检测哈希序列的Hamming距离,实现图像信息的安全认证。结果与已有的哈希生成机制相比,文中算法所输出的哈希序列更紧凑,对旋转、伽马校正等篡改操作具有更好的感知鲁棒。结论所提哈希技术具备较高的安全性,在包装图标检索、信息检测等领域具有较好的价值。

基于深度卷积神经网络的图像哈希认证方法

提出了一种基于深度卷积神经网络的图像哈希认证方法.首先构建深度卷积神经网络AlexNet模型,训练该网络得到预定的网络性能;然后由训练好的卷积神经网络提取图像的特征,最后生成图像哈希序列用于图像内容的篡改认证.实验结果表明,相比同类方法,文中提出的图像哈希认证方法具有较高的区分性,同时对随机攻击、JPEG压缩、加性高斯噪声等具有可接受的鲁棒性. ROC曲线表明,文中提出的方法实现了区分性与鲁棒性的均衡.