CN104715440A - 基于Gabor滤波器组与DWT变换的遥感影像感知哈希认证方法 - Google Patents

Abstract

本发明公开了一种基于Gabor滤波器组与DWT变换的遥感影像感知哈希认证方法：利用Gabor滤波器能够在不同方向和频率增强图像的特点以及边缘特征在遥感影像利用中的重要作用，首先对遥感影像进行格网划分，然后基于“自适应策略”，根据格网单元的信息熵自适应地确定Gabor滤波器组的参数，继而采用DWT变换与PCA方法提取并压缩格网单元的边缘特征，最终生成影像的感知哈希散列；通过比较影像感知哈希序列之间的归一化Hamming距离来实现遥感影像的认证过程。本发明实现遥感影像基于内容的认证，能够有效检测遥感影像局部篡改，并对保持内容不变的影像操作具有鲁棒性，为遥感影像的有效利用提供有力安全保障。

Description

基于Gabor滤波器组与DWT变换的遥感影像感知哈希认证方法

技术领域

本发明属于地理信息安全领域，具体涉及基于Gabor滤波器组与DWT变换(离散小波变换)的遥感影像感知哈希认证方法，通过自适应的Gabor滤波器组与DWT变换在不同尺度下提取遥感影像不同区域的边缘特征，经PCA(主成分分析)方法压缩后生成影像的感知哈希序列。在认证端，通过感知哈希序列之间的匹配实现遥感影像基于内容的完整性认证。

背景技术

遥感影像作为获取地表环境、资源等地学专题信息的重要载体，在传输与使用过程中很容易受到各种有意或者无意的“篡改”。传统认证技术主要基于密码学Hash函数实现数据认证。Hash函数对数据的变化过于敏感，应用于遥感影像的认证时具有较大局限性。感知哈希能够将具有相同感知内容的多媒体数字表示唯一地映射为一段数字摘要，与Hash函数有着显著区别：感知哈希能够对不改变图像内容的操作保持一定鲁棒性。

近些年，一些新颖的感知哈希算法相继被提出。Z J Tang(Robust image hash function using local color features[J].AEU-International Journal of Electronics and Communications,2013,67(8):717-722.)提出一种彩色图像的感知哈希算法。Y C Chen等人(Robust image hashing using invariants of Tchebichef moments[J].Optik-International Journal for Light and Electron Optics,2014.)提出一种基于径向Tchebichef矩不变量的感知哈希算法。R Sun等人(Secure and robust image hashing via compressive sensing[J].Multimedia Tools and Applications,2014,70:1651-1665.)提出一种基于压缩感知和傅立叶-梅林变换的感知哈希算法。

遥感影像有着空间数据独有的特征，遥感影像感知哈希算法的设计也应依据其数据特性和应用环境。本发明以经过校正处理的遥感影像为研究对象，利用Gabor滤波器能够在不同方向和频率增强图像的特点，提出一种基于Gabor滤波器组与DWT变换的遥感影像感知哈希认证方法。

发明内容

本发明的目的在于：针对遥感影像信息分布不均匀、认证精度要求较高以及边缘特征在遥感影像中的占据着重要地位等特点，利用Gabor滤波器能够在 不同尺度和频率增强图像的特性，基于“自适应”策略在不同尺度下提取遥感影像不同区域的边缘特征生成感知哈希序列，对遥感影像局部的细节篡改进行有效识别，同时能够对保持内容不变的影像操作具有鲁棒性，实现高效的遥感影像的完整性认证。

为了实现上述发明目的，本发明所采取的技术方案为：

基于Gabor滤波器组与DWT变换的遥感影像感知哈希认证方法，能够自适应地根据遥感影像不同区域的信息丰富程度在不同的尺度下提取影像不同区域的内容特征，其特征在于，该方法首先对遥感影像进行隐形格网划分，将影像划分为大小相等且互不重叠的区域；然后，根据格网信息熵自适应地决定Gabor滤波器组的参数，继而对格网单元进行不同尺度的滤波；接下来，对滤波结果进行二级DWT变换，提取变换之后的中频信息作为格网单元的边缘特征，经过PCA方法分解压缩后，生成感知哈希序列；最后，通过比较待认证影像与原始影像的感知哈希序列之间的归一化Hamming距离来实现完整性认证，如果归一化Hamming距离高于阈值，说明待认证影像的内容受到了篡改。

上述方法的具体步骤如下：

步骤一，将原始影像进行预处理，划分为W×H的格网，其中W和H为大于0的整数，具体取值根据实际影像大小而定，通过加权平均法将每个格网统一变为具有255阶的灰度图像，并通过双线性差值调整格网单元的大小，调整之后格网单元大小为m像素×m像素，m为大于0的整数；

步骤二，基于自适应策略确定Gabor滤波器组的参数：根据不同区域的信息熵自适应地决定Gabor滤波器组的参数，对于信息熵较小的格网单元，采用大尺度、4个方向的滤波器组；对于信息熵较大的格网单元，采用小尺度、8方向的滤波器组；

步骤三，对相应的格网单元进行Gabor滤波，并进行两级DWT变换，提取变换后的中频系数构造三个中频系数矩阵；

步骤四，基于“极大值规则”对中频系数矩阵进行融合后，采用PCA方法对融合后的中频系数矩阵进行压缩与去噪，得到该格网单元的感知哈希序列，串联格网单元的哈希序列后就可以得到影像整体的感知哈希序列；

步骤五，基于“阈值匹配”的方法来比较待认证影像与原始影像的哈希序列 之间的差异来实现完整性认证：如果两者的差异高于设定的阈值，说明待认证影像的内容发生了较大的变化，可以认为遭到了某种篡改；反之，说明待认证影像的内容没有发生明显变化。

本发明利用Gabor滤波器组能够在不同频率和尺度增强图像的特点，在不同的尺度下提取遥感影像不同区域的边缘特征生成感知哈希序列，能够有效检测遥感影像局部的细节篡改，并对不改变影像边缘特征的操作保持鲁棒性，实现遥感影像基于内容的认证，为遥感影像的有效运用提供有力安全保障。

附图说明

图1是本发明方法的水印嵌入流程图；

图2是测试影像；

图3是影像局部篡改实例，(a)原始格网，(b)篡改实例1，(c)篡改实例2，(d)篡改实例3，(e)篡改实例4，(f)篡改实例5；

图4是篡改定位实例。

具体实施方式

下面结合附图和实施例对本发明作进一步详细描述。

本发明利用Gabor滤波器能够在不同方向和频率增强图像的特点与边缘特征在遥感影像利用中的重要作用，首先基于自适应策略通过影像各格网区域的信息熵确定Gabor滤波器的参数，而后对相应的影像区域进行滤波，并通过DWT变换提取边缘特征，经过PCA方法压缩与去噪，生成影像感知哈希系列。

如图2，本实施实例选择一幅大小为2500×2500的3波段Tiff格式遥感影像为实验数据，按照本发明进行基于内容的完整性认证，给出本发明的一个实施例，进一步详细说明本发明。

步骤一：影像预处理；

将原始影像进行W×H的格网划分，并对每个格网单元进行如下操作：通过加权平均法将每个格网统一变为具有255阶的灰度图像，并通过插值将格网大小调整为m×m，此举旨在使算法能够根据影像不同区域的信息丰富程度决定滤波器组的参数，并一定程度上增强算法的运行效率。这里的格网划分操作，不仅仅为可能的篡改进行定位，更重要的是，通过格网划分就将影像划分成互不重叠的区域，就可以根据不同区域的信息熵自适应地决定Gabor滤波器组的参 数。格网划分的粒度应当综合考虑计算效率、影像实际大小、篡改定位粒度等多方面因素。

步骤二：自适应确定Gabor滤波器参数； 

在步骤一的基础上，根据格网单元的信息熵自适应地确定Gabor滤波器组的参数。遥感影像不同区域包含的信息量往往千差万别，信息丰富的区域往往需要更为严格的认证。本发明采用信息熵衡量格网单元的信息量。格网单元Q_ij的信息熵可以通过公示(1)计算得出:

$E\left(Q_{\mathrm{ij}}\right)=-\underset{n=0}{\overset{255}{\mathrm{\Σ}}}{p}_n\ln p_n---\left(1\right)$

其中，p_n表示格网单元Q_ij中灰度值为n的像素出现的概率。

信息熵较小的格网单元，进行较大尺度的滤波；信息熵较大的格网单元，采用较小的尺度、更多方向的滤波器进行滤波。如公式(2)所示：设定信息熵的阈值T(本文实验中，T取格网信息熵的平均值)，令设σ₁<σ₂，如果格网信息熵E(Q_ij)大于或等于T，采用尺度为σ₁的滤波器；反之，采用尺度为σ₂的滤波器。

$\mathrm{\&sigma;}=\left\{\begin{array}{c}{\mathrm{\&sigma;}}_1,E\left(Q_{\mathrm{ij}}\right)\&GreaterEqual;T\\ {\mathrm{\&sigma;}}_2,E\left(Q_{\mathrm{ij}}\right)<T\end{array}\right.---\left(2\right)$

滤波器组的方向数N同样由信息熵决定：设N₁>N₂，信息熵较大的区域，采用N₁个方向的滤波器进行滤波，以提取更多的特征信息；信息熵较小的区域，则采用N₂个方向的滤波器进行滤波。各方向的滤波结果经过融合后，得到格网单元的滤波结果。虽然N越大，特征提取的效果越好，但是计算复杂度也随之大增，因此，这里选取N₁＝8，N₂＝4。

步骤三：基于DWT变换的边缘特征提取。

在步骤二的基础上，通过DWT变换提取格网单元的中频系数，并对其进行融合。DWT变换的实质是小波函数和原图像的卷积，能够有效地从图像中提取高频和低频信息。图像经过DWT变换之后，并没有实现数据压缩，只是对原始图像的能量进行重新分配。图像进行2层小波分解之后，中频部分同样包含了丰富的边缘信息。高频部分尽管包含有更为丰富的边缘细节信息，但是容易遭到噪声的影响，不利于算法鲁棒性。中频部分能够兼顾鲁棒与脆弱的均衡性，可以很好地反应遥感影像的边缘特征。此外，中频系数的个数只有高频系 数的1/4，数据量更少、更精炼，最终的感知哈希序列也较短，利于算法的实用性。因此，本文算法采用DWT变换提取影像局部的边缘特征。DWT变换后的中频系数进行处理方法，本发明基于极大值的选择规则对三个中频系数矩阵进行融合，得到的结果称为融合矩阵，记为M_IF。

步骤四：基于PCA方法的边缘特征压缩；

在步骤三的基础上，融合矩阵M_IF经过PCA变换，去除矩阵元素的线性相关性，能够进一步降低噪声的影响，同时实现了内容特征的数据压缩。M_IF经过PCA变换之后，对主成分进行标准化处理，得到该格网单元的感知哈希序列。

PCA方法将原始空间通过线性变换转换到维数较低的主成分空间，转换之后的新特征称为主成分，各个主成分之间满足不相关性，根据其对应方向上的方差贡献率降序排列。这样，就可以用一部分不相关的新向量来描述原数据集中的主要信息。本发明采用PCA方法实现边缘特征的压缩与去噪。这里，PCA方法不仅仅是为了压缩数据量，更重要的是降低噪声的影响，增强算法鲁棒性。

步骤五：完整性认证过程；

在步骤四的基础上，通过比较待认证影像(格网)的感知哈希序列和原始影像(格网)的感知哈希序列之间差异实现待认证影像进行完整性认证。本发明采用更为直观的“归一化Hamming距离”衡量感知哈希序列之间的差异。归一化Hamming距离见公式(3)。

$\mathrm{Dis}\tan \mathrm{ce}=\left(\underset{i=1}{\overset{L}{\mathrm{\&Sigma;}}}\right|h_i\left(i\right)-h_2\left(i\right)\left|\right)/L---\left(3\right)$

在阈值为0.25的情况下，通过本发明的上述步骤对图3所示的遥感影像局部发细微篡改进行有效检测，如表1。对于遭到篡改的遥感影像，本发明能够进行一定的篡改定位，如图4所示，灰色网格区域即为受到篡改的格网单元。

表1 篡改检测结果

采用感知哈希序列变化低于阈值的格网单元所占百分比来描述算法鲁棒性。格式转换和数字水印嵌入是典型的不改变影像内容的操作，因此首先以格 式转换和水印嵌入为例进行鲁棒性测试，其中，原始影像为TIFF格式，水印嵌入以最低有效位(LSB)为例，表2为测试结果。

表2 鲁棒性测试结果

本方法的特点与技术优势

(1)本方法基于遥感影像信息分布不均匀、边缘特征在遥感影像应用中占据着重要地位等特点，利用Gabor滤波器能够在不同频率与尺度增强图像的特性，采用自适应Gabor滤波器组与DWT变换在不同尺度下提取遥感影像不同区域的边缘特征，经过PCA方法压缩与去噪，生成影像的感知哈希序列，实现遥感影像基于内容的完整性认证。

(2)本方法不仅能够检测遥感影像局部的细微篡改，而且能对不改变影像内容的操作保持鲁棒性，克服了传统认证技术针对遥感影像内容信息载体进行认证的不足。

(3)本发明所提出的方法是针对遥感影像认证的感知哈希认证方法，采用该方法可以开发并实现基于感知哈希的遥感影像认证系统。

Claims (2)

1.基于Gabor滤波器组与DWT变换的遥感影像感知哈希认证方法，能够自适应地根据遥感影像不同区域的信息丰富程度在不同的尺度下提取影像不同区域的内容特征，其特征在于，该方法首先对遥感影像进行隐形格网划分，将影像划分为大小相等且互不重叠的区域；然后，根据格网信息熵自适应地决定Gabor滤波器组的参数，继而对格网单元进行不同尺度的滤波；接下来，对滤波结果进行二级DWT变换，提取变换之后的中频信息作为格网单元的边缘特征，经过PCA方法分解压缩后，生成感知哈希序列；最后，通过比较待认证影像与原始影像的感知哈希序列之间的归一化Hamming距离来实现完整性认证，如果归一化Hamming距离高于阈值，说明待认证影像的内容受到了篡改。

2.根据权利要求1所述的基于Gabor滤波器组与DWT变换的遥感影像感知哈希认证方法，其特征在于，所述认证方法的具体步骤如下：

步骤一，将原始影像进行预处理，划分为W×H的格网，其中W和H为大于0的整数，具体取值根据实际影像大小而定，通过加权平均法将每个格网统一变为具有255阶的灰度图像，并通过双线性差值调整格网单元的大小，调整之后格网单元大小为m像素×m像素，m为大于0的整数；

步骤二，基于自适应策略确定Gabor滤波器组的参数：根据不同区域的信息熵自适应地决定Gabor滤波器组的参数，对于信息熵较小的格网单元，采用大尺度、4个方向的滤波器组；对于信息熵较大的格网单元，采用小尺度、8方向的滤波器组；

步骤三，对相应的格网单元进行Gabor滤波，并进行两级DWT变换，提取变换后的中频系数构造三个中频系数矩阵；

步骤四，基于“极大值规则”对中频系数矩阵进行融合后，采用PCA方法对融合后的中频系数矩阵进行压缩与去噪，得到该格网单元的感知哈希序列，串联格网单元的哈希序列后就可以得到影像整体的感知哈希序列；

步骤五，基于“阈值匹配”的方法来比较待认证影像与原始影像的哈希序列之间的差异来实现完整性认证：如果两者的差异高于设定的阈值，说明待认证影像的内容发生了较大的变化，可以认为遭到了某种篡改；反之，说明待认证影像的内容没有发生明显变化。