一種基于同態加密的圖像安全檢索方法
【專利摘要】本發明涉及一種基于同態加密的圖像安全檢索方法。首先提取圖像的顏色、紋理和形狀等特征，并利用LPP方法對圖像特征降維；然后采用Paillier同態加密算法對特征進行保護；最后直接對加密后的圖像特征進行相似性匹配，將最相似的K幅圖像作為檢索結果反饋給用戶。本發明基于CBIR框架，采取同態加密技術，無需解密，而是利用Paillier加密算法的同態特性，對加密后的圖像特征直接進行相似度度量。克服了現有的圖像檢索方法無法對加密后的圖像直接進行檢索的不足。實驗結果表明，本發明能夠在保證圖像信息安全性的前提下，得到與原來明文域CBIR方法完全一致的檢索結果，加密不會影響圖像的檢索性能。
【專利說明】—種基于同態加密的圖像安全檢索方法
【技術領域】
[0001]本發明屬于多媒體信息安全領域，具體涉及一種基于同態加密的圖像安全檢索方法。
【背景技術】
[0002]隨著云計算技術的不斷發展，云計算已經逐漸應用于娛樂、電力、交通、能源等領域。這些行業部門通過云計算來為用戶提供各種服務。云存儲是云計算的基礎設施之一，在云存儲中往往存儲著著海量的圖像數據，這些圖像數據中往往包含著大量的用戶隱私信息，但是現有的云存儲機制并未能為用戶提供安全保護機制，這些隱私信息的泄漏將造成嚴重的后果。云計算的安全性和隱私保護等問題已經逐漸成為阻礙云計算得到更廣泛應用的關鍵問題。
[0003]加密是保證用戶隱私數據機密性的重要手段。為解決用戶的隱私保護問題，人們往往對圖像進行加密，把加密后的密文圖像存儲在云服務端。隨著云圖像存儲規模的爆炸性增長，如何對海量的加密圖像數據進行快速、高效的檢索就成為一個需要迫切解決的問題。
[0004]基于內容的圖像檢索(CBIR,Content-Based Image Retrieval)在上世紀90年代被提出并逐漸蓬勃發展起來，是目前一種主流的圖像檢索技術，一直是多媒體處理領域的研究熱點。其基本思想是提取圖像的特征，如顏色、紋理、形狀、輪廓等，來表示圖像的內容，并通過特征之間的距離來衡量圖像之間的相似性。CBIR最核心的技術是特征提取和相似性度量。
[0005]實際上，圖像加密和圖像檢索分屬兩個完全不同的領域，這兩個領域的研究工作一直是獨立進行的。現有的加密圖像檢索方法是:首先由用戶對圖像進行加密保護并上傳存儲在服務器端；檢索時，由服務器端對圖像進行解密，以明文方式進行存儲，再進行圖像的檢索。這種以明文進行圖像存儲和檢索的方式會給用戶帶來隱私信息被泄漏的潛在風險，無法真正保證用戶隱私信息的安全。
[0006]為了保證圖像信息的安全，需要將圖像加密和圖像檢索聯合起來統一進行處理，即在加密域進行圖像檢索。在不解密的前提下實施檢索，在保證檢索性能的情況下，保護圖像信息的安全。
【發明內容】
[0007]針對現有技術中存在的檢索加密圖像時必須先解密再檢索，從而無法真正保證用戶信息安全的問題，本發明提出一種基于Paillier同態加密的圖像安全檢索方法，對圖像特征進行加密，由于同態加密技術允許用戶直接對加密的數據進行計算、比較等操作，使加密后的圖像特征無需解密即可檢索，既能保證圖像的安全，又不影響圖像的檢索性能。
[0008]為了實現上述目的，本發明采取如下技術方案:首先，提取圖像的顏色、紋理和形狀等特征，并利用保局投影(LPP, Locality Preserving Projections)方法對圖像特征降維；然后，采用Paillier同態加密算法對特征進行保護；最后，直接對加密后的圖像特征進行相似性匹配，將最相似的K幅圖像作為檢索結果反饋給用戶。
[0009]一種基于同態加密的圖像安全檢索方法，包括以下步驟:
[0010]步驟I，提取圖像特征。
[0011]提取表示圖像內容的三類圖像特征:顏色、紋理和形狀，實現CBIR檢索。
[0012]步驟1.1，提取顏色特征。
[0013]顏色特征是在圖像檢索中應用最為廣泛的視覺特征。與其它視覺特征相比，顏色特征對圖像本身的尺寸、方向、視角的依賴性較小，從而具有較強的魯棒性。本發明選用了基于HSV顏色空間的顏色直方圖特征。
[0014]提取顏色特征的方法如下:
[0015](I)將RGB顏色空間變換到HSV顏色空間。
[0016](2)對HSV顏色空間進行量化，按照8:3:3比例得到量化后的色調、飽和度和亮度值分別為H，S，V。
[0017](3)把3個顏色分量合成一維特征向量，即:
[0018]L = HQsQv+SQv+V(I)
[0019]其中，Qs和Qv分別是S和V的量化級數。取Qs = 3，Qv = 3，上式可以表示為:
[0020]L = 9H+3S+V(2)
[0021]L的取值范圍為[O~71]，得到72維顏色特征向量。
[0022]步驟1.2，提取紋理特征。
[0023]紋理特征是反映物體表面基本屬性的內在特征，是一種不依賴于顏色或亮度的、反映圖像中同質現象的視覺特征。本發明所選用灰度共生矩陣來作為紋理特征，能在一定程度上反應紋理圖像中各灰度級在空間上的分布特征。
[0024]提取紋理特征的方法如下:
[0025](I)對灰度級為64的灰度圖像，構造4個方向的共生矩陣:M(1，q) (h, k)，M(CU) (h, k)，M(1；1) (h, k)和M(1，_d (h, k)。矩陣中位于(h, k)的元素值記為π^。
[0026](2)分別計算這4個共生矩陣的4個紋理參數:角二階矩(ASM)，對比度(C0N)，熵(ENT)和相關性(COR)。計算公式為:
[0027]ASM = XhZk(mhk)2(3)
[0028]CON= XhZk(h-k) 2Iiihk⑷
[0029]ENT = 2hZkmhklogmhk(5)
【權利要求】
1.一種基于同態加密的圖像安全檢索方法，其特征在于無需解密即可實現加密圖像的檢索，包括以下步驟: 步驟I，提取圖像特征； 步驟1.1，提取顏色特征； (1)將RGB顏色空間變換到HSV顏色空間； (2)對HSV顏色空間進行量化，按照8:3:3比例得到量化后的色調、飽和度和亮度值H，S，V; (3)把3個顏色分量合成一維特征向量L:
L = HQsQv+SQv+V 其中，Qs和Qv分別是S和V的量化級數；取Qs = 3，Qv = 3，上式可以表示為:
L = 9H+3S+V 步驟1.2，提取紋理特征； (1)對灰度級為64的灰度圖像，構造4個方向的共生矩陣:M(1，q)(h, k)，M(CU) (h, k)，Μαι)(h，k)和M(1，_d (h, k);矩陣中位于(h，k)的元素值記為mhk ； (2)分別計算這4個共生矩陣的4個紋理參數:角二階矩ASM，對比度CON，熵ENT和相關性COR ;計算公式為:
【文檔編號】G06T1/00GK103744976SQ201410014056
【公開日】2014年4月23日 申請日期:2014年1月13日 優先權日:2014年1月13日
【發明者】卓力, 張燕, 彭遠帆, 白宇, 成博, 張菁 申請人:北京工業大學