一种图像哈希获取方法、图像安全认证方法及装置与流程

本发明涉及图像处理技术领域，尤其是涉及一种图像哈希获取方法、图像安全认证方法及装置。

背景技术：

随着互联互通的网络环境以及免费的图像编辑软件的普及性，数字图像愈发可能遭受由于恶意篡改而导致的内容篡改，由于私人目的而引起愈来愈多的图像拷贝等数字伪造现象，所以图像认证、图像检索变得愈发重要。哈希函数首先对数字图像进行特征提取，然后将提取的多媒体特征映射为短序列码，通过比较原始图像和待认证图像的哈希序列，进行图像认证。图像哈希的设计原则主要是具有抵抗由于内容保持操作和几何变形引起的意外失真的鲁棒性、具有对图像内容恶意更改的敏感性，具有一定程度的安全性。

图像哈希算法的性能很大程度上取决于图像特征的提取方式，wang等人通过将watson视觉模型、zernike矩和dct系数相结合提取图像的局部特征和全局特征的方式构造哈希序列，该哈希算法能够检测到由恶意攻击引起的内容更改、内容伪造，具有较好的感知鲁棒性。qin等人通过局部纹理特征与图像的颜色角特征相结合构造哈希序列，并通过pca进行序列码压缩，以确保哈希序列的紧凑性，该算法对jpeg压缩和图像缩放等内容保持操作具有较好的鲁棒性。shen等人对图像的颜色对立分量提取颜色变化信息，对图像的强度分量应用四叉树分解提取图像的结构特征，二者联合构造图像哈希序列，该算法在具有较好鲁棒性的前提下也可以定位篡改区域。tang等人对ycbcr颜色空间的y分量利用pft视觉模型生成视觉显著图，对经过双树复小波变换的视觉显著图提取低频子带，利用低频子带图的任意同心圆特征矩阵之间的关系构造哈希。huang等人通过提取纹理图像的对比度、相关性、梯度以及同质性等统计特征作为图像的全局特征，将其与dct变换相结合构造图像哈希。tang等人将ciel*a*b*颜色空间下的l分量的块均值作为特征矩阵从而构造张量，对张量进行tucker分解来生成哈希序列，该方法的分类性能需要进一步提高。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种在鲁棒性、区别性和安全性等方面均具有较好的性能效果的图像哈希获取方法、图像安全认证方法及装置。

本发明的目的可以通过以下技术方案来实现：

一种图像哈希获取方法，该方法包括如下步骤：

步骤s1、图像预处理；

步骤s2、根据预处理后的图像生成梯度归一化图像；

步骤s3、对梯度归一化图像进行非重叠分块处理，求取块梯度均值形成梯度均值矩阵，基于梯度均值矩阵提取图像局部特征；

步骤s4、对梯度均值矩阵进行列累加操作得到行列累加矩阵，基于行列累加矩阵提取图像全局特征；

步骤s5、将图像局部特征和图像全局特征相联合形成中间哈希序列，利用密钥对中间哈希序列进行加密操作得到最终哈希序列。

优选地，步骤s1具体为：对原始图像进行双线性内插法将其大小调整为m×m，并进行高斯低通滤波处理得到二次图像。

优选地，步骤s2具体包括：

步骤s2-1、计算二次图像的r、g、b分量图像的梯度值：

其中，ir(x,y)、ig(x,y)和ib(x,y)分别为rgb颜色空间的红色通道、绿色通道和蓝色通道，gr、gg和gb分别为相应颜色通道对应的梯度值；

步骤s2-2、对各颜色通道对应的梯度值进行求和操作得到二次图像的梯度图像：

g＝gr+gg+gb，

其中，g为二次图像的梯度值；

步骤s2-3、对二次图像的梯度值进行归一化处理得到梯度归一化图像：

gr(i)＝g(i)/gmax，

其中，gmax为二次图像梯度值的最大值，g(i)为二次图像各像素对应的梯度值，gr(i)为二次图像各像素对应的归一化梯度值。

优选地，步骤s3具体包括：

步骤s3-1、对大小为m×m的梯度归一化图像进行图像块大小为b×b的非重叠块分割处理，求取每个图像块的梯度均值得到大小为(m/b)×(m/b)的梯度均值矩阵mi；

步骤s3-2、对梯度均值矩阵mi中除第一行、第一列、最后一行和最后一列之外的其他梯度均值进行wlbp操作得到梯度变化值，将梯度变化值按所对应的梯度均值位置对应进行行列排序得到大小为(m/b-2)×(m/b-2)的梯度变化矩阵a，wlbp操作为：

其中，xc为梯度均值矩阵mi中除第一行、第一列、最后一行和最后一列之外的其它任一个梯度均值，wlbpp,r,ξ(xc)为xc对应的梯度变化值，xn为梯度均值矩阵mi中分布在以xc为中心、以r为半径的p邻域内的梯度均值，ξ为阈值常数，r、p为设定常数；

步骤s3-3、将梯度变化矩阵a按行展开形成大小为1×(m/b-2)²的行向量ah，将行向量ah按下式操作得到大小为(m/b-2)²-1的二值化序列hg：

其中，ah(p)为行向量ah的第p个元素，ah(p+1)为行向量ah的第p+1个元素，hg(p)为序列hg的第p个元素，p＝1，2，……，(m/b-2)²-1；

所述的二值化序列hg即为表征所述的图像局部特征的哈希序列。

优选地，步骤s4具体包括：

步骤s4-1、对梯度均值矩阵mi根据下式按行求取行梯度累加矩阵er：

其中，er(i,j)为行梯度累加矩阵er中第i行第j列元素，mi(i,j)为梯度均值矩阵mi中第i行第j列元素；

步骤s4-2、对行梯度累加矩阵er归一化后，计算其每行的均值和方差组成2行m/b列的行特征矩阵e′，将行特征矩阵e′转置操作后得到m/b行2列的矩阵e，对矩阵e按照下式进行标准化处理得到标准化行特征矩阵r：

其中，r(i,j)为矩阵r中第i行第j列元素，e(i,j)为矩阵e中第i行第j列元素，μj为矩阵e中第j列的均值，σj为矩阵e中第j列的标准差；

步骤s4-3、将矩阵r进行转置操作并按行展开得到行向量er，将行向量er按下式操作得到大小为2×(m/b)-1的二值序列hr：

其中，er(q)为行向量er的第q个元素，er(q+1)为行向量er的第q+1个元素，hr(q)为序列hr的第q个元素，q＝1，2，……，2×(m/b)-1；

步骤s4-4、对梯度均值矩阵mi根据下式按列求取列梯度累加矩阵ec：

其中，ec(i,j)为列梯度累加矩阵ec中第i行第j列元素，mi(i,j)为梯度均值矩阵mi中第i行第j列元素；

步骤s4-5、对列梯度累加矩阵ec按照步骤s4-2和步骤s4-3方式依次进行归一化、标准化、转置和二值化操作得到大小为2×(m/b)-1的二值序列hc；

所述的二值化序列hr、hc即为表征所述的图像全局特征的哈希序列。

优选地，步骤s5具体包括：

步骤s5-1、将二值化序列hg、hr、hc联合形成中间哈希序列hm：

hm＝[hg、hr、hc]；

步骤s5-2、利用随机发生器产生的1000个伪随机数序列s对中间哈希序列hm的列进行重新排序，从而得到最终哈希序列h，h的长度为(m/b-2)²-1+(m/b)×4-2bits。

一种图像安全认证方法，该方法包括如下步骤：

步骤1、采用上述图像哈希获取方法分别获取原始图像和待认证图像的哈希序列h1和h2；

步骤2、计算原始图像和待认证图像的哈希序列的差异，若差异不大于阈值t则图像安全认证通过，否则不通过。

优选地，所述的原始图像和待认证图像的哈希序列的差异通过汉明距离d(h1，h2)衡量。

一种图像哈希获取装置，该装置包括第一存储器和第一处理器；

所述的第一存储器，用于存储计算机程序；

所述的第一处理器，用于当执行所述计算机程序时，实现上述图像哈希获取方法。

一种图像安全认证装置，该装置包括第二存储器和第二处理器；

所述的第二存储器，用于存储计算机程序；

所述的第二处理器，用于当执行所述计算机程序时，实现上述图像安全认证方法。

与现有技术相比，本发明具有如下优点：

本发明将梯度变化特征作为图像的局部特征，其可以有效的描述梯度图像的相邻梯度值之间的关系，反映图像梯度值的局部变化；将图像梯度累加图的统计特征作为图像的全局特征，提高算法性能，因此，本发明图像哈希获取方法可以较好地满足图像哈希的基本性能要求：鲁棒性、区别性、安全性，并且哈希序列紧凑，运行效率高，可以应用于图像拷贝检测、内容认证和相似性检索。

附图说明

图1为本发明图像哈希获取方法的流程图；

图2为本发明求取wlbp的一个示例；

图3为本发明图像安全认证的流程图；

图4为本发明图像哈希获取方法对于各种内容保持操作的鲁棒性实验结果图；

图5为本发明图像哈希获取方法的区别性实验结果图。

图6为本发明图像哈希获取方法的安全性实验结果图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。注意，以下的实施方式的说明只是实质上的例示，本发明并不意在对其适用物或其用途进行限定，且本发明并不限定于以下的实施方式。

实施例

针对数字伪造现象愈发普遍，图像认证及图像安全性问题愈发具有挑战性，本发明提出将梯度变化特征与梯度累加特征相结合的图像哈希方法。图像哈希主要通过比较原始图像和待认证的图像之间的哈希序列进行图像认证。本发明方法将梯度变化特征作为图像的局部特征，其可以有效的描述梯度图像的相邻梯度值之间的关系，反映图像梯度值的局部变化；将图像梯度累加图的统计特征作为图像的全局特征，提高算法性能。该方法对常见的内容保持操作均具有较好的鲁棒性，并具有较好的区别性、安全性、图像认证性能，并且生成的哈希序列紧凑，运行效率较高。

如图1所示，一种图像哈希获取方法，该方法包括如下步骤：

步骤s1、图像预处理；

步骤s2、根据预处理后的图像生成梯度归一化图像；

步骤s3、对梯度归一化图像进行非重叠分块处理，求取块梯度均值形成梯度均值矩阵，基于梯度均值矩阵提取图像局部特征；

步骤s4、对梯度均值矩阵进行列累加操作得到行列累加矩阵，基于行列累加矩阵提取图像全局特征；

步骤s5、将图像局部特征和图像全局特征相联合形成中间哈希序列，利用密钥对中间哈希序列进行加密操作得到最终哈希序列。

步骤s1具体为：对原始图像进行双线性内插法将其大小调整为m×m，并进行高斯低通滤波处理得到二次图像。

步骤s2具体包括：

步骤s2-1、计算二次图像的r、g、b分量图像的梯度值：

其中，ir(x,y)、ig(x,y)和ib(x,y)分别为rgb颜色空间的红色通道、绿色通道和蓝色通道，gr、gg和gb分别为相应颜色通道对应的梯度值；

步骤s2-2、对各颜色通道对应的梯度值进行求和操作得到二次图像的梯度图像：

g＝gr+gg+gb，

其中，g为二次图像的梯度值；

步骤s2-3、对二次图像的梯度值进行归一化处理得到梯度归一化图像：

gr(i)＝g(i)/gmax，

其中，gmax为二次图像梯度值的最大值，g(i)为二次图像各像素对应的梯度值，gr(i)为二次图像各像素对应的归一化梯度值。

步骤s3具体包括：

步骤s3-1、对大小为m×m的梯度归一化图像进行图像块大小为b×b的非重叠块分割处理，求取每个图像块的梯度均值得到大小为(m/b)×(m/b)的梯度均值矩阵mi；

步骤s3-2、对梯度均值矩阵mi中除第一行、第一列、最后一行和最后一列之外的其他梯度均值进行wlbp操作得到梯度变化值，将梯度变化值按所对应的梯度均值位置对应进行行列排序得到大小为(m/b-2)×(m/b-2)的梯度变化矩阵a，即梯度变化矩阵a中第x行第y列元素为梯度均值矩阵mi中第x+1行第y+1列元素进行wlbp操作得到梯度变化值，x＝1，2，……，m/b-2，y＝1，2，……，m/b-2，其中，wlbp操作为：

其中，xc为梯度均值矩阵mi中除第一行、第一列、最后一行和最后一列之外的其它任一个梯度均值，wlbpp,r,ξ(xc)为xc对应的梯度变化值，xn为梯度均值矩阵mi中分布在以xc为中心、以r为半径的p邻域内的梯度均值，ξ为阈值常数，r、p为设定常数；图2为求取wlbp的一个示例，在图2中xc为0.2126，p＝8，r＝1，ξ＝0.5，求得对应的wlbpp,r,ξ(xc)＝64。

步骤s3-3、将梯度变化矩阵a按行展开形成大小为1×(m/b-2)²的行向量ah，将行向量ah按下式操作得到大小为(m/b-2)²-1的二值化序列hg：

其中，ah(p)为行向量ah的第p个元素，ah(p+1)为行向量ah的第p+1个元素，hg(p)为序列hg的第p个元素，p＝1，2，……，(m/b-2)²-1；

二值化序列hg即为表征图像局部特征的哈希序列。

步骤s4具体包括：

步骤s4-1、对梯度均值矩阵mi根据下式按行求取行梯度累加矩阵er：

其中，er(i,j)为行梯度累加矩阵er中第i行第j列元素，mi(i,j)为梯度均值矩阵mi中第i行第j列元素；

步骤s4-2、对行梯度累加矩阵er归一化后，计算其每行的均值和方差组成2行m/b列的行特征矩阵e′，将行特征矩阵e′转置操作后得到m/b行2列的矩阵e，对矩阵e按照下式进行标准化处理得到标准化行特征矩阵r：

其中，r(i,j)为矩阵r中第i行第j列元素，e(i,j)为矩阵e中第i行第j列元素，μj为矩阵e中第j列的均值，σj为矩阵e中第j列的标准差；

步骤s4-3、将矩阵r进行转置操作并按行展开得到行向量er，将行向量er按下式操作得到大小为2×(m/b)-1的二值序列hr：

其中，er(q)为行向量er的第q个元素，er(q+1)为行向量er的第q+1个元素，hr(q)为序列hr的第q个元素，q＝1，2，……，2×(m/b)-1；

步骤s4-4、对梯度均值矩阵mi根据下式按列求取列梯度累加矩阵ec：

其中，ec(i,j)为列梯度累加矩阵ec中第i行第j列元素，mi(i,j)为梯度均值矩阵mi中第i行第j列元素；

步骤s4-5、对列梯度累加矩阵ec按照步骤s4-2和步骤s4-3方式依次进行归一化、标准化、转置和二值化操作得到大小为2×(m/b)-1的二值序列hc；

二值化序列hr、hc即为表征图像全局特征的哈希序列。

优选地，步骤s5具体包括：

步骤s5-1、将二值化序列hg、hr、hc联合形成中间哈希序列hm：

hm＝[hg、hr、hc]；

步骤s5-2、利用随机发生器产生的1000个伪随机数序列s对中间哈希序列hm的列进行重新排序，从而得到最终哈希序列h，h的长度为(m/b-2)²-1+(m/b)×4-2bits。

如图3所示，一种图像安全认证方法，该方法包括如下步骤：

步骤1、采用上述图像哈希获取方法分别获取原始图像和待认证图像的哈希序列h1和h2；

步骤2、计算原始图像和待认证图像的哈希序列的差异，若差异不大于阈值t则图像安全认证通过，否则不通过，其中，阈值t根据后续实验获得，原始图像和待认证图像的哈希序列的差异通过汉明距离d(h1，h2)衡量。

一种图像哈希获取装置，该装置包括第一存储器和第一处理器；第一存储器，用于存储计算机程序；第一处理器，用于当执行所述计算机程序时，实现上述图像哈希获取方法。

一种图像安全认证装置，该装置包括第二存储器和第二处理器；第二存储器，用于存储计算机程序；第二处理器，用于当执行所述计算机程序时，实现上述图像安全认证方法。

在本实施例中对参数做如下设置：归一化图像尺寸m＝256，3×3高斯低通滤波的标准差为1，图像块大小b＝16，p＝8，r＝1，ξ＝0.5，因此最终哈希序列h的长度l＝257bits。

a、鲁棒性分析：

鲁棒性性能分析中的实验样本取自标准图库中的airplane、house、lena、baboon和peppers五幅标准图像，对上述五幅标准图像进行11种内容保持操作，具体的攻击类型、编辑软件类型及相应的参数设置如表1所示：

表1鲁棒性性能分析中各种常规图像处理所用参数

图4为各类内容保持操作的鲁棒性实验结果图，图4的(a)～(k)依次为表1中11中内容保持操作：亮度调整、对比度调整、伽马校正、均值滤波、图像缩放、水印嵌入、jpeg压缩、3×3高斯低通滤波、乘性噪音、椒盐噪音和高斯噪音所对应的鲁棒性实验结果图，子图横坐标为相应常规图像处理参数设置，纵坐标为采用所提哈希方法求得的原始图像与其相应的常规处理图像之间的汉明距离。在11幅实验结果子图中，最小距离值为0，最大距离值为76，并且除均值滤波外的其他操作与原始图之间的距离均明显小于50，远小于后续实验得出的最优阈值。

b、区分性性能分析：

区别性性能分析中的不同图像实验样本共1000幅，取自华盛顿大学groundtruth数据库中的700幅图像和voc2007数据库中的300幅图像。图5绘制了图像对之间的距离分布，其中“differentimages”曲线为个不同图像对之间的距离分布，“visuallysimilarimages”曲线表示1000幅不同图像经过表2所示的内容保持操作产生的(21×20)/2×1000＝210000个相似图像对之间的距离分布。横坐标为哈希序列对之间的汉明距离，纵坐标为图像对数目。“visuallysimilarimages”曲线横坐标端点值为0和77，“differentimages”曲线横坐标端点值为68到175，相似图像对与不同图像对仅在68到77之间有重叠部分，且重叠图像数目较少，所以可通过碰撞率pc与检错率pe选择合适的阈值进行相似图像与不同图像之间的分类。

表2区别性性能分析中各种常规图像处理所用参数

其中，碰撞率pc与检错率pe定义如下：

阈值确定方式：

当所选阈值偏小时，可能会把相似图像对误判为不同图像对，导致检错率较大；当所选阈值较大时，也可能把不同图像对误认为相似图像对，使碰撞率较大，即碰撞率pc与检错率pe是相互抑制的关系。由表3可知，在重叠区域，不同阈值下的碰撞率和检错率均较小，阈值t＝70时，碰撞率pc为1.602×10^-5，检错率pe为2.381×10^-5，二者之间取得较好权衡，所以取最优阈值为t＝70。

表3阈值与碰撞率检错率

c、安全性分析：

选取标准图库中的标准图像peppers作为测试安全性能的实验样本。利用随机发生器随机产生的1000个错误秘钥生成图像peppers的哈希序列，分别计算上述1000个哈希序列与正确秘钥生成的哈希序列之间的汉明距离，结果如图6所示，最小汉明距离为100，最大汉明距离为156，远大于所取最优阈值t，即当秘钥不同时，通过所提哈希方法生成同一幅图像的哈希序列也是截然不同的，故本专利所提哈希方法可以满足安全性要求。

d、拷贝性能分析：从网络中下载的1000幅不同图像中，随机选取100幅图像作为查询图像，对查询图像进行13种内容保持操作，共生成26×1000＝2600幅拷贝图像，具体的攻击类型及相应的参数设置如表4所示。

表4攻击类型与参数设置

将2600幅拷贝图像加入原来的1000幅图像中，构成图像总数为3600幅的测试图像库，进行拷贝性能分析，表5所示为不同阈值下查全率和查准率分析结果，当所取阈值为67时，查全率达到100％，可将所有的拷贝图像检测出来，当所取阈值为80时，查全率为98.99％，查准率为94.11％。

其中，查准率p与查全率r定义如下：

表5阈值与查全率查准率

综上，本专利提出的哈希方法可以较好地满足图像哈希的基本性能要求：鲁棒性、区别性、安全性，并且哈希序列紧凑，运行效率高，可以应用于图像拷贝检测、内容认证和相似性检索。

上述实施方式仅为例举，不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施，且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。