CN106599311A - 一种基于云计算的互联网教育平台资源库的图像检索方法 - Google Patents

Abstract

本发明属于云计算技术领域，尤其涉及一种基于云计算的互联网教育平台资源库的图像检索方法。本发明包括数据预处理和检索，在数据预处理步骤中图像拥有者首先运用图像特征提取算法提取图像特征，然后用图像特征构建安全索引，并对图像库中的图像进行加密，最后将安全索引和加密图像库发送给云服务商，在检索步骤中，授权用户构造搜索陷门，并提交给云服务商；服务商根据检索请求查找索引文件，得到与检索请求相匹配的图像标识，并根据相关度得分对检索结果排序；本发明利用基于全局图像特征的加密图像检索方法实现对云计算环境下的图像数据的高效便捷使用。

Description

一种基于云计算的互联网教育平台资源库的图像检索方法

技术领域

本发明属于云计算技术领域，尤其涉及一种基于云计算的互联网教育平台资源库的图像检索方法。

背景技术

随着大数据的出现，云计算作为计算平台，为能够适应不断演化的系统结构和实时的处理大数据提供了条件，且具有按需提供服务、支持普适网络访问、资源池位置独立、资源快速伸缩、费用按使用收取，同时还具有虚拟化、分布式、多租户和服务外包等一系列特点，作为服务用户的一种新型计算模式，已成为业内研究的热点。

在当前互联网高速发展进程的推动下,传统的信息管理时代正在步入网络资源管理阶段。尤其是近几年云计算技术在很多领域的发展运用,使得资源管理更加成熟。在教育领域,同样由于教育资源的爆炸式增长,目前也面临着资源检索、存储、共享困难等问题。

同时，数字时代的来临使得图像数量激増,图像在教育资源库中扮演着越来越重要的角色，大规模图像库的存储和管理就成为一个迫切需要解决的问题。随着数据挖掘以及图像处理技术的广泛应用，越来越多基于图像处理技术的应用出现在人们的教育资源库中。这些技术的创新与发展，以及随之产生的庞大计算量，让人们将视角转向同样快速发展的云计算平台。

得益于云计算技术的迅猛发展,用户可选择将大规模图像数据进行云端存储。云存储不仅可减轻用户的存储和管理负担,还为用户提供便捷的数据访问服务。在云存储模式下,用户图像数据外包给云服务商进行统一存储和管理。但是,云作为一个第三方存储服务提供商,并不是完全可信的。用户的图像内容可能会暴露给云服务商,造成用户隐私数据泄露。数据的安全和隐私向题成为约束云存储发展的首要问题。

尽管图像搜索服务外包具有这么多优势,但是图像数据的安全性成为了最大的问题，针对用户外包数据中敏感信息的滥用所产生的安全问题也成为了人们关注的焦点。在现实中，一旦上传到云平台，用户隐私信息的安全只能单纯依赖于云服务提供商的信用。

为了保护图像数据隐私,防止图像被非法访问。用户必须先加密需要外包的图像,然后再将加密图像存储到云端。用户在需要使用图像时,先从云端将图像下载到本地,再解密后使用。但是,当图像库达到一定规模时,这种"加密上传、下载解密"的使用方式将会变得非常低效,也违背了云计算所倡导的数据便捷使用的初衷。尽管云存储具有存储方便、价格低廉等优点,但是服务商并不是完全可靠的,为了保护数据的隐私性,数据拥有者在把图像等数据存储到云服务器之前,需要先对其进行加密。数据加密很好的解决了数据的隐私保护问题,但也给数据的使用带来了不便,特别是明文中的图像检索技术在数据加密后将无法直接使用。数字图像数据量大,非常适合放到云端存储,然而现有的加密数据检索技术通常是针对文本数据设计的，云计算环境下,加密图像的高效利用成为一个迫切需要解决的问题。

发明内容

为解决上述问题，本发明提出了一种基于云计算的互联网教育平台资源库的图像加密检索方法，利用云计算平台对互联网教育平台的大规模图像库进行存储和管理，同时，为保证图片数据在上传、存储、下载等操作的安全性以及在云端检索的高效性，在云计算领域引入加密图像检索技术，利用基于全局图像特征的加密图像检索方法实现对云计算环境下的图像数据的高效便捷使用，使数据拥有者能加密存储自己的隐化图像数据,又能让授权的图像使用者迅速的从海量图像数据中找到自己需要的图像。

为了达到上述目的，本发明提出如下技术方案：

一种基于云计算的互联网教育平台资源库的图像检索方法，从图像中提取全局特征,然后利用图像全局特征构建搜索索引；检索过程中,云服务商根据用户提交的搜索请求查询索引,找到与搜索图像相似的候选图像集；最后云服务商计算搜索图像与候选图像之间的相似性并排序,并将检索结果按排序结果返回给用户，其主要包括以下阶段：

1)数据预处理阶段

图像拥有者首先运用图像特征提取算法提取图像特征,然后用图像特征构建安全索引,并对图像库中的图像进行加密,最后将安全索引和加密图像库发送给云服务商；

2)检索阶段

当授权用户构造搜索陷门,并提交给云服务商；服务商根据检索请求查找索引文件,得到与检索请求相匹配的图像标识,并根据相关度得分对检索结果排序；云服务商选择加密图像返回给授权用户,最后授权用户用密钥对加密图像进行解密。

在数据预处理阶段，图像拥有者提取图像特征,构建搜索索引,并对特征和图像进行加密，其预处理基本流程为：密钥生成、特征提取、索引构建、特征变换、图像加密。

在检索阶段包括陷门构建和搜索阶段，其中，陷门构建包括以下步骤：特征提取、哈希运算、陷门加密、特征变换，搜索阶段，构建陷门阶段的所有操作完成后，授权用户将安全的搜索陷门连同变换后的查询特征向量发送给云服务商。云服务商根据授权用户请求，反馈最接近的查询结果给授权用户，授权用户通过密钥对图像进行解密，从而得到所需明文图像。

本发明的有益效果

1、本发明提出了一种基于云计算的互联网教育平台资源库的图像检索方法，利用云计算平台对互联网教育平台的大规模图像库进行存储和管理，节约平台建设成本。

2、为保证图片数据在上传、存储、下载等操作的安全性以及在云端检索的高效性，在云计算领域引入加密图像检索技术，利用基于全局图像特征的加密图像检索方法实现对云计算环境下的图像数据的高效便捷使用，使数据拥有者能加密存储自己的隐化图像数据,又能让授权的图像使用者迅速的从海量图像数据中找到自己需要的图像，为第三方图片服务商提供实用可靠的保护隐私的图像检索外包设计方案。

附图说明

图1是本发明的物理结构图；

图2是本发明的流程图。

具体实施方式

下面将结合本发明实施例和附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明主要包括以下阶段：

1)数据预处理阶段

图像拥有者首先运用图像特征提取算法提取图像特征,然后用图像特征构建安全索引,并对图像库中的图像进行加密,最后将安全索引和加密图像库发送给云服务商；

在1)数据预处理阶段，图像拥有者提取图像特征,构建搜索索引,并对特征和图像进行加密，其预处理基本流程为：密钥生成、特征提取、索引构建、特征变换、图像加密，预处理基本流程的具体步骤为：

1)密钥生成

图像拥有者首先生成用于加密图像库的密钥K_m,以及用于加密关键词的密钥K_j(j＝0,1,2,3...L),其中，K_j，K_m∈{0，1}^ψ，同时生成一个用于加密图像特征向量(l+1)×(l+1)维的可逆矩阵R；

2)特征提取

按照实际需求对图案进行颜色特征或纹理特征或形状特征提取；

3)索引构建

利用p-stable局部敏感哈希算法对提取的图像特征进行哈希降维操作，得到安全索引表；

4)特征变换

使用可逆矩阵R对全局特征进行变换,变换分为两个步骤:

首先对全局特征向量f_i＝(f_1，i,…,f_l，i)^T进行扩维扩维后得到

然后使用(l+1)×(l+1)维的可逆矩阵R加密扩维后的特征向量，最后得到的加密后的特征向量为

5)图像加密

全局图像特征提取结束后,就可使用图像加密密钥K_m对图像库中的每个图像进行加密操作,得到加密图像库,准备云端存储。

最后将安全索引和加密图像库发送给云服务商。

在特征提取阶段中，全局图像特征从整体上描述一幅图像,常用的全局图像特征有颜色特征、纹理特征、形状特征,下面分别介绍这几类特征。

a.颜色特征

颜色是图像最盈著的恃征之一,因为颜色是图像最基本、最原始的组成。颜色特征的使用包括几个方面的问题。首先,需要选择合适的颜色空间来描述颜色特征；其次,要采用一定的量化方法将颜色特征表达为向量的形式:最后还要定义一种相似性度量标准来衡量图像之间在颜色上的相似性。

颜色特征描述方法有颜色直方图、颜色矩、颜色聚合向量、颜色布局特征等。颜色直方图是一种常用的颜色将征描述方法,反映了全局颜色分布,具有计算简单,对圈像的大小、旋转不敏感等优点，本方法采用的就是颜色直方图。

b.纹理恃征

纹理反映了图像本身的属性,图像在局部区域可能呈现巧不规则性,而整体上却表现出某种规律性,习惯上把图像中送种局部不规则而整体有规律的特征性称为纹理。由于局部的不规则性和全局的规律性可是确定的或者随机的,就分别形成了确定性纹理或随机性纹理。纹理同时具有统汁属性和机构属性。在实际的纹理图像的分析中,要研究纹理类型,分析其变化规律。常用的纹理特征提取算法可分为统计法、结构法和频谱分析法三类。近年来,大量的硏究集中在应用随机场模型表达纹理特征,包括马尔可夫、自回归等随机场模型,对于自然纹理的分类获得了较好的效果。

c.形状特征

形状是物体的本质特征之一,Biederman等研巧者认为颜色和纹理等物理表面特征仅起次要作用,只有形状描述提供了表示形状的有效手段。一般图像是三维现实世界中的物体在二维平面上的投影,通常是一个连续的区域。形状通常被认为是一条封闭的轮口曲线所包围的区域。形状特征的描述一般可分为边界特征和区域特征两类,常用的表达是傅立叶描述符和矩不变量。

2)检索阶段

当授权用户构造搜索陷门,并提交给云服务商；服务商根据检索请求查找索引文件,得到与检索请求相匹配的图像标识,并根据相关度得分对检索结果排序；云服务商选择加密图像返回给授权用户,最后授权用户用密钥对加密图像进行解密。

检索阶段包括陷门构建和搜索阶段，其中，陷门构建包括以下步骤：

1)特征提取

授权用户从搜索图像中提取一个用于陷门及图像距离计算的全局特征向量f_q；

2)哈希运算

对于提取的全局查询特征f_q，使用与构建索引阶段相同的哈希函数g(f_q)＝(h₁(f_q),h₂(f_q),…,h_λ(f_q))进行哈希运算，授权用户从哈希数族中随机选取哈希函数，构造L个哈希函数g_i(f_q)，1＜i＜L，并将L个运用于查询特征f_q，通过哈希运算得到T(f_q)＝(g₁(f_q),g₂(f_q),…,g_L(f_q))；

3)陷门加密

为可保证搜索陷门的安全性，授权用户使用加密密钥k₁，k_2，…，k_L对哈希运算得到的T(f_q)＝(g₁(f_q),g₂(f_q),…,g_L(f_q))进行加密操作，加密后的搜索陷门形式为T(f_q)＝(Enc(k₁,g₁(f_q)),Enc(k₂,g₂(f_q)),…,Enc(k_L,g_L(f_q)))；

4)特征变换

对查询特征f_q＝(f_1,q,…,f_l,q)^T进行变换操作，变换操作如下：

a.将查询特征的每一维乘上-2，得到f_q＝(-2f_1,q,…,-2f_l,q)^T；

b.将步骤a中得到的l维特征向量扩大一维，得到一个l+1维的特征向量，其形式为：

c.在特征向量上左乘以一个随机整数r以及可逆矩阵R的逆矩阵，最后得到的特征向量为：

构建陷门阶段的所有操作完成后，授权用户将安全的搜索陷门T(f_q)＝(Enc(k₁,g₁(f_q)),Enc(k₂,g₂(f_q)),…,Enc(k_L,g_L(f_q)))连同变换后的询特征向量发送给云服务商。

搜索包括以下步骤：

1)当云服务商收到检索请求后，首先根据授权用户提交的搜索陷门在安全索引上进行搜索，得到与陷门符合的相似图像标识候选列表；

2)为进一步提高精度，在得到相似图像标识候选列表后，要进一步计算图像间的实际距离，因为在将图像库保存在云服务商之前，图像库中每一个图像对应的全局特征向量进行了变换，同样，授权用户在提交陷门以前，对查询特征进行了相应的变换操作。对查询特征进行变换的目的有两个，一是为了保证特征的存储安全；另一个则是能够刑用变换后的特征计算加密图像之间的距离利用变换后的查询特征计算图像间的真实距离，根据计算的真实距离进行相似度排序，真实距离的计算公式如下：

由公式可知，相似图像的距离被r和隐藏起来，显然，对于x>0,f(x)＝x²是升序的，即如果f(x₁)＞f(x₂)，则x₁＞x₂；对于每一个查询特征向量f_q，其对应的和r都是固定的，因此，云服务商可对计算得到的值进行排序，根据排序结果可以得到查询图像与图像库中图像间的相似度排序，最后，云服务商将排好序的最相似的加密图像返回给授权用户；

3)授权用户得到加密图像后，利用图像拥有者提供的加密密钥对图像进行解密，从而得到明文图像搜索结果，一次检索结束。

安全性分析

众所周知,如果想要得到完美的搜索隐私,服务器的计算复杂度至少是O(n)。为了实现高效的加密图像检索方案,有必要泄露最少的信息给云服务商。基于全局特征的加密图像检索方案中,图像库、搜索索引、特征向量、搜索请求都是先进行加密,然后再发送到云端。图像库是用AES算法加密的,AES是CPA安全的,因此图像库也是安全的。索引中的关键词使用单向哈希函数加密的,由于哈希歯数的单向性,使得加密后的关键词是不可逆的,因此保证了关键词的安全性。同时,不同哈希表中的关键词是用不同的密钥加密的,即使是相同的关键词,加密后的形式也是不一样的。此外,图像特征向量使用可逆矩阵加密的,这就保证了特征向量的安全性。综上,本发明的加密图像检索方案是安全的。

本发明利用云计算平台对互联网教育平台的大规模图像库进行存储和管理，同时，为保证图片数据在上传、存储、下载等操作的安全性以及在云端检索的高效性，在云计算领域引入加密图像检索技术，利用基于全局图像特征的加密图像检索方法实现对云计算环境下的图像数据的高效便捷使用，使数据拥有者能加密存储自己的隐化图像数据,又能让授权的图像使用者迅速的从海量图像数据中找到自己需要的图像。

最终，以上实施例和附图仅用以说明本发明的技术方案而非限制，尽管通过上述实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。

Claims (7)

1.一种基于云计算的互联网教育平台资源库的图像检索方法，其特征在于，其主要包括以下步骤：

1)数据预处理

图像拥有者首先运用图像特征提取算法提取图像特征，然后用图像特征构建安全索引，并对图像库中的图像进行加密，最后将安全索引和加密图像库发送给云服务商；

2)检索

当授权用户构造搜索陷门，并提交给云服务商；服务商根据检索请求查找索引文件，得到与检索请求相匹配的图像标识，并根据相关度得分对检索结果排序；云服务商选择加密图像返回给授权用户，最后授权用户用密钥对加密图像进行解密。

2.根据权利要求1所述的一种基于云计算的互联网教育平台资源库的检索方法，其特征在于：在步骤1)数据预处理阶段，图像拥有者提取图像特征，构建搜索索引，并对特征和图像进行加密，其预处理基本流程为：密钥生成、特征提取、索引构建、特征变换、图像加密。

3.根据权利要求2所述的一种基于云计算的互联网教育平台资源库的图像检索方法，其特征在于，在步骤1)数据预处理阶段，其各处理基本流程具体步骤为：

1)密钥生成

图像拥有者首先生成用于加密图像库的密钥K_m(m＝0，1，2，3...L)，以及用于加密关键词的密钥K_j(j＝0，1，2，3...L)，其中，K_j，K_m∈{0，1}^ψ，同时生成一个用于加密图像特征向量(l+1)×(l+1)维的可逆矩阵R；

2)特征提取

按照实际需求对图案进行颜色特征或纹理特征或形状特征提取；

3)索引构建

利用p-stable局部敏感哈希算法对提取的图像特征进行哈希降维操作，得到安全索引表；

4)特征变换

使用可逆矩阵R对全局特征进行变换，变换分为两个步骤：

首先对全局特征向量f_i＝(f_1，i，…，f_l，i)^T进行扩维扩维后得到

然后使用(l+1)×(l+1)维的可逆矩阵R加密扩维后的特征向量，最后得到的加密后的特征向量为

5)图像加密

全局图像特征提取结束后，就可使用图像加密密钥K_m对图像库中的每个图像进行加密操作，得到加密图像库，准备云端存储。

4.根据权利要求3所述的一种基于云计算的互联网教育平台资源库的图像检索方法，其特征在于，在特征提取时，当采用颜色特征时，采用颜色直方图进行颜色提取。

5.根据权利要求1所述的一种基于云计算的互联网教育平台资源库的图像检索方法，其特征在于：在第2)步检索阶段包括陷门构建和搜索阶段。

6.根据权利要求5所述的一种基于云计算的互联网教育平台资源库的图像检索方法，其特征在于：所述的陷门构建包括以下步骤：

1)特征提取

授权用户从搜索图像中提取一个用于陷门及图像距离计算的全局特征向量f_q；

2)哈希运算

对于提取的全局查询特征f_q，使用与构建索引阶段相同的哈希函数g(f_q)＝(h₁(f_q)，h₂(f_q)，…，h_λ(f_q))进行哈希运算，授权用户从哈希数族中随机选取哈希函数，构造L个哈希函数g_i(f_q)，1＜i＜L，并将L个运用于查询特征f_q，通过哈希运算得到T(f_q)＝(g₁(f_q)，g₂(f_q)，…，g_L(f_q))；

3)陷门加密

为可保证搜索陷门的安全性，授权用户使用加密密钥k₀，k₂，…，k_L对哈希运算得到的T(f_q)＝(g₁(f_q)，g₂(f_q)，…，g_L(f_q))进行加密操作，加密后的搜索陷门形式为T(f_q)＝(Enc(k₁，g₁(f_q))，Enc(k₂，g₂(f_q))，…，Enc(k_L，g_L(f_q)))；

4)特征变换

对查询特征f_q＝(f_1，q，…，f_l，q)^T进行变换操作，变换操作如下：

a.将查询特征的每一维乘上-2，得到f_q＝(-2f_1，q，…，-2f_l，q)^T；

b.将步骤a中得到的l维特征向量扩大一维，得到一个l+1维的特征向量，其形式为：

c.在特征向量上左乘以一个随机整数r以及可逆矩阵R的逆矩阵，最后得到的特征向量为：

构建陷门阶段的所有操作完成后，授权用户将安全的搜索陷门T(f_q)＝(Enc(k₁，g₁(f_q))，Enc(k₂，g₂(f_q))，…，Enc(k_L，g_L(f_q)))连同变换后的询特征向量发送给云服务商。

7.根据权利要求5所述的一种基于云计算的互联网教育平台资源库的图像检索方法，其特征在于：所述的搜索包括以下步骤：

1)当云服务商收到检索请求后，首先根据授权用户提交的搜索陷门在安全索引上进行搜索，得到与陷门符合的相似图像标识候选列表；

2)利用变换后的查询特征计算图像间的真实距离，根据计算的真实距离进行相似度排序，云服务商将排好序的最相似的加密图像返回给授权用户；

3)授权用户得到加密图像后，利用图像拥有者提供的加密密钥对图像进行解密，从而得到明文图像搜索结果，一次检索结束。