一种基于同态加密的图像安全检索方法
【专利摘要】本发明涉及一种基于同态加密的图像安全检索方法。首先提取图像的颜色、纹理和形状等特征，并利用LPP方法对图像特征降维；然后采用Paillier同态加密算法对特征进行保护；最后直接对加密后的图像特征进行相似性匹配，将最相似的K幅图像作为检索结果反馈给用户。本发明基于CBIR框架，采取同态加密技术，无需解密，而是利用Paillier加密算法的同态特性，对加密后的图像特征直接进行相似度度量。克服了现有的图像检索方法无法对加密后的图像直接进行检索的不足。实验结果表明，本发明能够在保证图像信息安全性的前提下，得到与原来明文域CBIR方法完全一致的检索结果，加密不会影响图像的检索性能。
【专利说明】—种基于同态加密的图像安全检索方法
【技术领域】
[0001]本发明属于多媒体信息安全领域，具体涉及一种基于同态加密的图像安全检索方法。
【背景技术】
[0002]随着云计算技术的不断发展，云计算已经逐渐应用于娱乐、电力、交通、能源等领域。这些行业部门通过云计算来为用户提供各种服务。云存储是云计算的基础设施之一，在云存储中往往存储着着海量的图像数据，这些图像数据中往往包含着大量的用户隐私信息，但是现有的云存储机制并未能为用户提供安全保护机制，这些隐私信息的泄漏将造成严重的后果。云计算的安全性和隐私保护等问题已经逐渐成为阻碍云计算得到更广泛应用的关键问题。
[0003]加密是保证用户隐私数据机密性的重要手段。为解决用户的隐私保护问题，人们往往对图像进行加密，把加密后的密文图像存储在云服务端。随着云图像存储规模的爆炸性增长，如何对海量的加密图像数据进行快速、高效的检索就成为一个需要迫切解决的问题。
[0004]基于内容的图像检索(CBIR,Content-Based Image Retrieval)在上世纪90年代被提出并逐渐蓬勃发展起来，是目前一种主流的图像检索技术，一直是多媒体处理领域的研究热点。其基本思想是提取图像的特征，如颜色、纹理、形状、轮廓等，来表示图像的内容，并通过特征之间的距离来衡量图像之间的相似性。CBIR最核心的技术是特征提取和相似性度量。
[0005]实际上，图像加密和图像检索分属两个完全不同的领域，这两个领域的研究工作一直是独立进行的。现有的加密图像检索方法是:首先由用户对图像进行加密保护并上传存储在服务器端；检索时，由服务器端对图像进行解密，以明文方式进行存储，再进行图像的检索。这种以明文进行图像存储和检索的方式会给用户带来隐私信息被泄漏的潜在风险，无法真正保证用户隐私信息的安全。
[0006]为了保证图像信息的安全，需要将图像加密和图像检索联合起来统一进行处理，即在加密域进行图像检索。在不解密的前提下实施检索，在保证检索性能的情况下，保护图像信息的安全。
【发明内容】
[0007]针对现有技术中存在的检索加密图像时必须先解密再检索，从而无法真正保证用户信息安全的问题，本发明提出一种基于Paillier同态加密的图像安全检索方法，对图像特征进行加密，由于同态加密技术允许用户直接对加密的数据进行计算、比较等操作，使加密后的图像特征无需解密即可检索，既能保证图像的安全，又不影响图像的检索性能。
[0008]为了实现上述目的，本发明采取如下技术方案:首先，提取图像的颜色、纹理和形状等特征，并利用保局投影(LPP, Locality Preserving Projections)方法对图像特征降维；然后，采用Paillier同态加密算法对特征进行保护；最后，直接对加密后的图像特征进行相似性匹配，将最相似的K幅图像作为检索结果反馈给用户。
[0009]一种基于同态加密的图像安全检索方法，包括以下步骤:
[0010]步骤I，提取图像特征。
[0011]提取表示图像内容的三类图像特征:颜色、纹理和形状，实现CBIR检索。
[0012]步骤1.1，提取颜色特征。
[0013]颜色特征是在图像检索中应用最为广泛的视觉特征。与其它视觉特征相比，颜色特征对图像本身的尺寸、方向、视角的依赖性较小，从而具有较强的鲁棒性。本发明选用了基于HSV颜色空间的颜色直方图特征。
[0014]提取颜色特征的方法如下:
[0015](I)将RGB颜色空间变换到HSV颜色空间。
[0016](2)对HSV颜色空间进行量化，按照8:3:3比例得到量化后的色调、饱和度和亮度值分别为H，S，V。
[0017](3)把3个颜色分量合成一维特征向量，即:
[0018]L = HQsQv+SQv+V(I)
[0019]其中，Qs和Qv分别是S和V的量化级数。取Qs = 3，Qv = 3，上式可以表示为:
[0020]L = 9H+3S+V(2)
[0021]L的取值范围为[O~71]，得到72维颜色特征向量。
[0022]步骤1.2，提取纹理特征。
[0023]纹理特征是反映物体表面基本属性的内在特征，是一种不依赖于颜色或亮度的、反映图像中同质现象的视觉特征。本发明所选用灰度共生矩阵来作为纹理特征，能在一定程度上反应纹理图像中各灰度级在空间上的分布特征。
[0024]提取纹理特征的方法如下:
[0025](I)对灰度级为64的灰度图像，构造4个方向的共生矩阵:M(1，q) (h, k)，M(CU) (h, k)，M(1；1) (h, k)和M(1，_d (h, k)。矩阵中位于(h, k)的元素值记为π^。
[0026](2)分别计算这4个共生矩阵的4个纹理参数:角二阶矩(ASM)，对比度(C0N)，熵(ENT)和相关性(COR)。计算公式为:
[0027]ASM = XhZk(mhk)2(3)
[0028]CON= XhZk(h-k) 2Iiihk⑷
[0029]ENT = 2hZkmhklogmhk(5)
【权利要求】
1.一种基于同态加密的图像安全检索方法，其特征在于无需解密即可实现加密图像的检索，包括以下步骤: 步骤I，提取图像特征； 步骤1.1，提取颜色特征； (1)将RGB颜色空间变换到HSV颜色空间； (2)对HSV颜色空间进行量化，按照8:3:3比例得到量化后的色调、饱和度和亮度值H，S，V; (3)把3个颜色分量合成一维特征向量L:
L = HQsQv+SQv+V 其中，Qs和Qv分别是S和V的量化级数；取Qs = 3，Qv = 3，上式可以表示为:
L = 9H+3S+V 步骤1.2，提取纹理特征； (1)对灰度级为64的灰度图像，构造4个方向的共生矩阵:M(1，q)(h, k)，M(CU) (h, k)，Μαι)(h，k)和M(1，_d (h, k);矩阵中位于(h，k)的元素值记为mhk ； (2)分别计算这4个共生矩阵的4个纹理参数:角二阶矩ASM，对比度CON，熵ENT和相关性COR ;计算公式为:
【文档编号】G06T1/00GK103744976SQ201410014056
【公开日】2014年4月23日 申请日期:2014年1月13日 优先权日:2014年1月13日
【发明者】卓力, 张燕, 彭远帆, 白宇, 成博, 张菁 申请人:北京工业大学