欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023104946882
申请人: 湖南科技大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于纹理与统计特征图像哈希认证方法,其特征在于,步骤包括:

步骤S1:预处理,首先将RGB彩色图像转换到YCbCr颜色空间,对Y颜色分量执行NSCT非下采样轮廓变换;

步骤S2:特征提取与表示,在NSCT子带图像上提取纹理特征和统计特征获得图像有用信息,其中纹理特征从NSCT低频子带图像上使用均匀局部二值模式描述子(ULBP)映射为直方图获得,该特征比原始局部二值模式描述子LBP直方图的向量维数小;首先提取NSCT低频子带图像I0,将大小为M×M的低频子带图像分割为一系列大小为m×m的图像子块,因此,块数为L1=(M×M)/(m×m),分块方式如下:执行分块后,计算每个图像块的ULBP,获得大小为m′×m′的ULBP映射Wi(i=1,2,...,L1),该映射由十进制值组成;不会将图像块的四个边界像素视为中心像素,因此m′=m-2,然后,用Ui(i=1,2,...,L1)表示Wi的直方图,推导公式如下:其中,IC表示图像块的中心像素,ULBPP,radius(Ic)表示为分布在半径为radius的P邻域内UniformLBP映射,Z(u,v)定义了一个单位矩阵的数学表达式;获得图像块ULBP映射Wi的直方图Ui之后,计算Ui的直方图统计矩,计算公式如下所示:其中,N为直方图水平轴变量的个数,n是直方图水平轴的变量,取值范围是[1,2,..,59],pi(n)为n的概率分布,hi(n)是n处的直方图统计值,连接图像块的直方图统计矩,构造局部纹理特征F1=(hl(1),hl(2),...,hl(L1)],L1表示纹理特征长度;

另一方面,对NSCT高频子带图像进行奇异值分解(SVD),利用奇异向量距离获得统计特征;首先对每个NSCT高频子带图像Ij(j=1,2,..,L2),进行如下SVD操作:Ij=Uj·Sj·Vj,

其中,Sj是大小为M×M的对角矩阵,有M个奇异值,Uj和Vj是对应于IJ大小为M×M的两个正交矩阵;接下来,对于每个高频子图,收集Uj和Vj的前最大ξ个奇异向量,[uj(1),uj(2),...,uj(ξ),vj(1),vj(2),...,vj(ξ)],1≤j≤L2作为特征矩阵;其中,uj(λ)和vj(λ)(λ=1,2,...,ξ)分别是Uj和Vj的第λ个向量,大小为M×1,因此特征矩阵为Γj=[rj(1),rj(2),...,rj(ξ),rj(ξ+1),rj(ξ+2),...,rj(ξ+ξ)],大小为M×D,D=ξ+ξ;

为了获得紧凑哈希,特征矩阵Γj的每一列都被视为一个向量,并且这些特征向量被用于构造哈希;选择向量距离作为特征,向量距离的计算细节如下:首先,对于每个高频子图的特征矩阵Γj的参考向量Rj如下:Rj=[Rj(1),Rj(2),...,R(M)]T,

其中,Rj(a)是Rj的第a个元素,是的第a个元素;其次,利用L2范数计算参考向量Rj和向量之间的距离,最后,连接向量距离构造距离特征;由于每个高频子图有D个向量距离,一共有L2个高频子图,因此距离特征矩阵如下:其中Q的大小为×D×L2,将特征矩阵Q拉伸为一维序列

F2=[Q1,Q2,...,QD×L2];

步骤S3:结合上述纹理特征F1和统计特征F2以生成图像哈希并进行图像认证,对局部纹理特征F1=[hl(1),hl(2),...,hl(L1)]和奇异向量距离特征F2=[Q1,Q2,...,QD×L2]进行量化以生成最终的图像哈希序列如下:其中hl(L)表示为纹理特征F1的第L个元素,Q(H)表示为统计特征F2的第H个元素,mean(F1)和mean(F2)分别表示F1和F2的均值,H1(L)表示H1的第L个元素,H2(H)表示H2的第H个元素,连接H1和H2得到最终哈希Hash=[H1,H2]。

2.根据权利要求1所述基于纹理与统计特征图像哈希认证方法,其特征在于,所述步骤S1预处理中,首先使用双线性插值操作将输入图像转换为统一尺寸M×M,此操作可以使哈希抵抗图像缩放,并且生成统一长度的哈希序列;然后,对调整大小的图像执行具有3×3卷积掩模标准差为1的高斯低通滤波,该操作能够减少噪声对图像的影响;最后,将过滤后的彩色图像转换到YCbCr色彩空间;YCbCr色彩空间具有和人的视觉感知一致性,亮度分量Y用于表示输入图像。

3.根据权利要求1所述基于纹理与统计特征图像哈希认证方法,其特征在于,所述步骤S2特征提取与表示中,首先将图像进行非下采样金字塔滤波器组NSP分解得到一个低频子带和一个高频子带,然后在NSP输出的高频子带图像上进行非下采样方向滤波器组NSDFB变换实现多方向分解;经过级NSCT分解后,最终可以得到和输入图像大小一致的子带图像,其中lk是分解级数k下的分解尺度,分解尺度为[0,1,2]。