面向云储存的基于感知Hash函数的图像去重技术研究

由于图像的重复性,提出面向云储存的基于感知哈希(Hash)函数的图像去重技术方案。在通过感知Hash函数对图像进行处理后,解决数据重复问题的基础上,通过双重检测的方式最大限度地避免因图像信息的问题,造成数据错误删除的情况。为进一步验证基于感知Hash函数的图像去重技术方案的有效性,通过实验仿真的方式进行分析,经过对比分析发现,基于感知Hash函数的图像去重技术方案和其他两种方案中,前者不仅图像的误删概率有所降低,且重复图像的删除率更高。

基于感知Hash和极线约束的改进AKAZE算法

针对图像在发生变化时特征点匹配准确率较低的问题,提出一种基于感知Hash和极线约束的改进AKAZE(accelerated-KAZE)算法.该算法将特征点匹配分为粗匹配和精匹配两个阶段,粗匹配阶段利用特征点的最近邻次近邻比值和感知Hash算法进行匹配点对的筛选;精匹配阶段使用随机抽样一致算法和极线约束进一步筛选匹配点对.仿真实验结果表明,与进行随机抽样一致算法剔除误匹配点对后的原算法相比,特征点匹配准确率仍平均提高12.9%,速度仅慢2.4%,可在保证算法效率的前提下有效提升图像发生变化时匹配点对的准确率.

基于pHash分块局部探测的海量图像查重算法

数据库中大量重复图片的存在不仅影响学习器性能,而且耗费大量存储空间。针对海量图片去重,提出一种基于pHash分块局部探测的海量图像查重算法。首先,生成所有图片的pHash值;其次,将pHash值划分成若干等长的部分,若两张图片的某一个pHash部分的值一致,则这两张图片可能是重复的;最后,探讨了图片重复的传递性问题,针对传递和非传递两种情况分别进行了算法实现。实验结果表明,所提算法在处理海量图片时具有非常高的效率,在设定相似度阈值为13的条件下,传递性算法对近30万张图片的查重仅需2 min,准确率达到了53%。

FAIDA:一种快速精确的图像消冗方法

重复数据删除能够有效地提高存储利用率,现已在备份、归档系统中得到良好应用.然而这种基于比特流的Hash匹配策略对很多应用来说过于严格,例如重复图像删除.为了解决该问题,提出了一种快速精确的图像消冗方法.该方法首先根据Web图像特点给出重复图像定义,然后将图像消冗分为两个阶段.在重复图像发现阶段利用感知Hash等多重过滤技术提高图像检索速度和精度,在重复图像消冗阶段利用模糊逻辑推理选取质心图像以实现消冗.实验结果表明,该方法不仅具有快速、精确的重复图像消冗能力,而且在质心图像的选择上也能满足用户的感知要求.

一种新的抗几何攻击的图像认证算法

提高图像抗几何攻击的能力是当前图像认证算法待解决的重点之一。提出了一种抗几何攻击的图像认证算法,该算法利用图像边界的Radon投影变换来实现图像几何失真的矫正,根据感知hash方法提取图像的特征点,并通过修正Hausdorff距离来实现对图像的认证。实验表明,该算法可以抵抗一定程度的JPEG压缩、叠加噪声等图像处理,也能抵抗旋转、缩放等几何变换,并且对于恶意篡改具有较好的敏感性。