CN107203957A - 一种多时相高光谱遥感图像的安全外包搜索方法 - Google Patents

一种多时相高光谱遥感图像的安全外包搜索方法 Download PDF

Info

Publication number
CN107203957A
CN107203957A CN201710358007.4A CN201710358007A CN107203957A CN 107203957 A CN107203957 A CN 107203957A CN 201710358007 A CN201710358007 A CN 201710358007A CN 107203957 A CN107203957 A CN 107203957A
Authority
CN
China
Prior art keywords
remote sensing
sensing images
array
platform
pic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710358007.4A
Other languages
English (en)
Other versions
CN107203957B (zh
Inventor
黄冬梅
魏立斐
吴国健
石少华
戴亮
耿霞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Maritime University
Shanghai Ocean University
Original Assignee
Shanghai Maritime University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Maritime University filed Critical Shanghai Maritime University
Priority to CN201710358007.4A priority Critical patent/CN107203957B/zh
Publication of CN107203957A publication Critical patent/CN107203957A/zh
Application granted granted Critical
Publication of CN107203957B publication Critical patent/CN107203957B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0021—Image watermarking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Library & Information Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种多时相高光谱遥感图像的安全外包搜索方法，所述的安全外包搜索方法包括本地平台和云平台，本地平台包括遥感图像拆分模块、遥感图像加密模块、遥感图像置换模块、遥感图像转换模块、遥感图像解密模块、遥感图像恢复模块、遥感图像合并模块，所述的云平台包括计算欧式距离模块、遥感图像筛选模块。优点在于，利用云平台进行存储、搜索，速度快，效率高，解决了本地平台存储压力及无法搜索的难题；利用加密及Johnson‑Lindenstrauss转换对遥感图像进行双重加密，避免云平台环境下数据泄漏、数据篡改、数据劫持等问题；利用欧式距离及添加高斯噪声模拟不同时相的遥感图像，提高准确率；对筛选出来的图像从云平台下载到本地平台进行解密，提高安全性。

Description

一种多时相高光谱遥感图像的安全外包搜索方法
技术领域
本发明涉及遥感图像加密技术领域，具体地说，是一种多时相高光谱遥感图像的安全外包搜索方法。
背景技术
大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。随着大数据时代的来临，存储便利，传输快的小批量数据已不再适用，许多领域使用的数据量都是大的惊人，对于遥感图像领域，由于先进技术的不断发展，大量的高光谱遥感图像被广泛使用，一般的高光谱遥感图像都有200多个波段，大量的遥感图像存储在本地会造成本地服务器压力巨大，如果研究人员想搜索近几年的同一地点的遥感图像进行对比分析，在本地搜索将会导致速度缓慢，效率不高，严重时可能会导致服务器崩溃，因此在本地搜索是不可行的。
随着云计算的概念早已深入人心，尤其是在互联网等行业的带动下，云计算的发展可谓日新月异，速度惊人。云计算的超大规模、虚拟化、按需服务、高可伸缩性和廉价特性都促进了它的蓬勃发展，基于云计算平台的图像处理技术已然而生，针对以上出现的问题，可以利用云计算拥有庞大的计算、存储各类资源的资源池，将大量的高光谱遥感图像存储在云端，然后利用云计算平台的超大规模的特性，能为用户提供前所未有的计算能力，让用户在云端进行遥感图像的搜索，速度快，效率高，这样很好地缓解了本地存储压力和解决了本地搜索无法实现的问题。但由于云计算环境下存在数据泄露、数据篡改和数据劫持等威胁，而一般的遥感图像是涉密的，不能直接在不安全的云环境下进行遥感图像的存储与搜索。
中国发明专利CN201610482644.8，公开日为2016.12.07，公开了一种图像搜索方法，包括在图像搜索界面接收用户终端输入的带搜索图像的草图，获取草图包含的各物体之间的空间位置关系，根据草图各物体之间的空间位置关系与图像数据库中的图像个物体之间的空间位置关系，进行匹配，得到匹配值，并预设目标值，然后进行搜索。该方法无需逐个浏览图片，提高搜索速度和效率。但是该方法无法解决数据泄密这一问题。
中国发明专利CN201610570470.0，公开日为2016.10.26，公开了一种云存储环境下支持群组共享及密钥更新的加密图像搜索方法，利用对称加密算法加密图像得到密文，用主密钥加密图像特征向量得到特征向量符，将两者上传到云端，图像拥有者向群组分发密钥进行搜索授权，授权用户利用提取的加密图像特征向量生成搜索请求，可信中西处理该请求生成搜索陷门，云端比较搜索陷门与图像集中特征描述符距离大小并把最小距离的加密图像返回给用户。该方法只需更新异常用户密钥与密钥附带信息对，而无需图像拥有者重加密密文，降低计算开销，提高验证效率，保证隐私安全。但是该方法无法解决含有多波段图像的加密解密，计算量大的问题。
因此，亟需一种能够解决本地计算、存储、搜索问题，以图搜图，提高云端数据安全性的图像外包搜索方法，而目前关于这种方法还未见报道。
发明内容
本发明的目的是针对现有技术中的不足，提供一种多时相高光谱遥感图像的安全外包搜索方法。
为实现上述目的，本发明采取的技术方案是：
一种多时相高光谱遥感图像的安全外包搜索方法，所述的安全外包搜索方法包括本地平台和云平台，本地平台包括遥感图像拆分模块、遥感图像加密模块、遥感图像置换模块、遥感图像转换模块、遥感图像解密模块、遥感图像恢复模块、遥感图像合并模块，所述的云平台包括计算欧式距离模块、遥感图像筛选模块；
其中，所述的多时相高光谱遥感图像的安全外包搜索方法的流程如下：
S01：上传遥感图像至云平台存储；
S02：在本地平台对遥感图像拆分；
S03：在本地平台对遥感图像加密；
S04：在本地平台对遥感图像置换；
S05：在本地平台对遥感图像转换；
S06：在云平台计算遥感图像欧式距离；
S07：在云平台对遥感图像进行筛选；
S08：在本地平台对遥感图像解密；
S09：在本地平台对遥感图像恢复；
S10：在本地平台对遥感图像合并
其中，在步骤S07中，对同一幅图像加上高斯噪声模拟不同时相的遥感图像，进行对比筛选。
作为一种优选的技术方案，在本地平台对遥感图像进行加密处理的步骤如下：
S02：在本地平台对遥感图像拆分
设遥感图像的长为height，宽为width，遥感图像的波段数为pic_bandNum，将遥感图像拆分成pic_bandNum波段图像，读取各波段图像的16位深的灰度值；
S03：在本地平台对遥感图像加密
S031：将遥感图像所有像素点的灰度值存入数组，计算所有灰度值的平均值，将数组中每个灰度值分别减去平均值，得到一个新的数组，并将数组记为ten_grayArray；
S032：将数组ten_grayArray从十进制转化成二进制，并将数组记为two_grayArray；
S033：随机生成一个16位的二进制数组randomArray，将数组two_grayArray与数组randomArray进行异或运算，然后将二进制转化成十进制，并经数组记为ten_newArray，生成一份密文；
S04：在本地平台对遥感图像置换
S041：以数组ten_grayArray中第m行第n列为中心，获取h×h大小的矩形块，并将其转化为一维数组，记为序列I1，然后对序列I1进行升序重组排列，得到一个新数组，记为序列I2，根据I1→I2得到一个图像置换表，根据I2→I1得到一个图像恢复表；
S042：利用图像置换表将遥感图像进行块置换，并对转换后的新数组进行行置换，再进行变维操作，生成一个三维数组，记为pic_threeArray，该数组的长为height，宽为width，高为h2；
S043：利用图像置换表将遥感图像进行像素置换，生成一个二维数组，记为pic_doubleArray，该数组的长为height，宽为width；
S05：在本地平台对遥感图像转换
对经过行置换得到的结果进行Johnson-Lindenstrauss转换，将所有1×h2的向量分别压缩成1×k的向量，得到一个三维数组pic_JLArray，该数组的长为height，宽为width，高为k。
S051：随机生成一个服从平均值为0，方差为1/k的高斯分布h2×k大小的矩阵Q；
S052：将pic_threeArray[m,n,0]，pic_threeArray[m,n,1]，……，pic_threeArray[m,n,h2-2]，pic_threeArray[m,n,h2-1]组成一个行矩阵A；
S053：随机生成一个服从平均值为0，方差为ζ2的高斯分布的h2×k的矩阵Δ；
S054：计算A*Q，得到矩阵B；
S055：计算B+Δ，得到矩阵C，即pic_threeArray[m,n,0]＝C[0,0]，pic_threeArray[m,n,1]＝C[0,1]，……，pic_threeArray[m,n,k-2]＝C[0,k-2]，pic_threeArray[m,n,k-1]＝C[0,k-1]。
作为一种优选的技术方案，在云平台进行遥感图像筛选匹配的步骤如下：
S06：在云平台计算遥感图像欧式距离；
计算索引遥感图像和待搜索遥感图像经过步骤S04中得到的三维数组中所有点的欧式距离os_dis[m,n]，其计算公式为
S07：在云平台对遥感图像进行筛选
S071：计算数学期望
S072：对同一遥感图像添加高斯噪声模拟不同时相的遥感图像，并计算数学期望；
S073：根据数学期望对遥感图像进行筛选。
作为一种优选的技术方案，在本地平台进行遥感图像解密的步骤如下：
S08：在本地平台对遥感图像解密
对符合筛选条件的遥感图像，将其由步骤S04得到的结果下载到本地平台，利用图像恢复表对其进行置换恢复，得到一个二维数组pic_resultArray，该数组的长为height，宽为width。
S09：在本地平台对遥感图像恢复
在本地平台，将数组pic_resultArray与数组randomArray进行异或运算，恢复原单波段遥感图像。
S10：在本地平台对遥感图像合并
在本地平台，对单波段遥感图像进行波段合成，生成高光谱的原始遥感图像。
作为一种优选的技术方案，所述的步骤S072中的高斯噪声分别为(0，1282)、(0，2562)、(0，3842)。
作为一种优选的技术方案，所述的步骤S073中，若无噪声，则数学期望为0～1，若噪声为(0，1282)，则数学期望为125～131，若噪声为(0，2562)，则数学期望为250～260，若噪声为(0，3842)，则数学期望为376～390。
本发明优点在于：
1、利用云平台进行存储、搜索，速度快，效率高，解决了本地平台存储压力及无法搜索的难题；
2、利用加密及Johnson-Lindenstrauss转换对遥感图像进行双重加密，避免云平台环境下数据泄漏、数据篡改、数据劫持等问题；
3、利用欧式距离对遥感图像进行筛选，提高成功率及效率；
4、添加高斯噪声模拟不同时相的遥感图像，提高准确率；
5、对筛选出来的图像从云平台下载到本地平台进行解密，防止图像泄漏等问题，提高安全性。
附图说明
附图1是本发明的总体结构示意图。
附图2是本发明的总工作流程示意图。
附图3是本发明的具体工作流程示意图。
附图4是本发明的遥感图像加密流程图。
附图5是本发明的遥感图像Johnson-Lindenstrauss转换流程图。
具体实施方式
下面结合附图对本发明提供的具体实施方式作详细说明。
实施例1
参照图1，图1是本发明的总体结构示意图。本发明的一种多时相高光谱遥感图像的安全外包搜索方法，包括本地平台和云平台，本地平台包括遥感图像拆分模块、遥感图像加密模块、遥感图像置换模块、遥感图像转换模块、遥感图像解密模块、遥感图像恢复模块、遥感图像合并模块，所述的云平台包括计算欧式距离模块、遥感图像筛选模块。
参照图2，图2是本发明的总工作流程示意图，所述的多时相高光谱遥感图像的安全外包搜索方法的流程如下：
S01：上传遥感图像至云平台存储；
S02：在本地平台对遥感图像拆分；
S03：在本地平台对遥感图像加密；
S04：在本地平台对遥感图像置换；
S05：在本地平台对遥感图像转换；
S06：在云平台计算遥感图像欧式距离；
S07：在云平台对遥感图像进行筛选；
S08：在本地平台对遥感图像解密；
S09：在本地平台对遥感图像恢复；
S10：在本地平台对遥感图像合并
其中，在步骤S07中，对同一幅图像加上高斯噪声模拟不同时相的遥感图像，进行对比筛选。
实施例2
参照图3，图3是本发明的具体工作流程示意图，本发明的一种多时相高光谱遥感图像的安全外包搜索方法的具体工作流程如下。
S01：上传遥感图像至云平台存储
将所有遥感图像上传至云平台存储，对所有遥感图像、索引遥感图像进行步骤S02-S05。
S02：在本地平台对遥感图像拆分
设遥感图像的长为height，宽为width，遥感图像的波段数为pic_bandNum，将遥感图像拆分成pic_bandNum波段图像，读取各波段图像的16位深的灰度值。
S03：在本地平台对遥感图像加密
参照图4，图4是本发明的遥感图像加密流程图。
S031：将遥感图像所有像素点的灰度值存入数组，计算所有灰度值的平均值，将数组中每个灰度值分别减去平均值，得到一个新的数组，并将数组记为ten_grayArray；
S032：将数组ten_grayArray从十进制转化成二进制，并将数组记为two_grayArray；
S033：随机生成一个16位的二进制数组randomArray，将数组two_grayArray与数组randomArray进行异或运算，然后将二进制转化成十进制，并经数组记为ten_newArray，生成一份密文。
S04：在本地平台对遥感图像置换
S041：以数组ten_grayArray中第m行第n列为中心，获取h×h大小的矩形块，并将其转化为一维数组，记为序列I1，然后对序列I1进行升序重组排列，得到一个新数组，记为序列I2，根据I1→I2得到一个图像置换表，根据I2→I1得到一个图像恢复表；
S042：利用图像置换表将遥感图像进行块置换，并对转换后的新数组进行行置换，再进行变维操作，生成一个三维数组，记为pic_threeArray，该数组的长为height，宽为width，高为h2；
S043：利用图像置换表将遥感图像进行像素置换，生成一个二维数组，记为pic_doubleArray，该数组的长为height，宽为width。
S05：在本地平台对遥感图像转换
对经过行置换得到的结果进行Johnson-Lindenstrauss转换，将所有1×h2的向量分别压缩成1×k的向量，得到一个三维数组pic_JLArray，该数组的长为height，宽为width，高为k。
参照图5，图5是本发明的遥感图像Johnson-Lindenstrauss转换流程图。
S051：随机生成一个服从平均值为0，方差为1/k的高斯分布h2×k大小的矩阵Q；
S052：将pic_threeArray[m,n,0]，pic_threeArray[m,n,1]，……，pic_threeArray[m,n,h2-2]，pic_threeArray[m,n,h2-1]组成一个行矩阵A；
S053：随机生成一个服从平均值为0，方差为ζ2的高斯分布的h2×k的矩阵Δ；
S054：计算A*Q，得到矩阵B；
S055：计算B+Δ，得到矩阵C，即pic_threeArray[m,n,0]＝C[0,0]，pic_threeArray[m,n,1]＝C[0,1]，……，pic_threeArray[m,n,k-2]＝C[0,k-2]，pic_threeArray[m,n,k-1]＝C[0,k-1]。
S06：在云平台计算遥感图像欧式距离；
计算索引遥感图像和待搜索遥感图像经过步骤S04中得到的三维数组中所有点的欧式距离os_dis[m,n]，其计算公式为
S07：在云平台对遥感图像进行筛选
S071：计算数学期望
S072：对同一遥感图像添加高斯噪声模拟不同时相的遥感图像，并计算数学期望，高斯噪声分别为(0，1282)、(0，2562)、(0，3842)；
S073：根据数学期望对遥感图像进行筛选，若无噪声，则数学期望为0～1，若噪声为(0，1282)，则数学期望为125～131，若噪声为(0，2562)，则数学期望为250～260，若噪声为(0，3842)，则数学期望为376～390。
S08：在本地平台对遥感图像解密
对符合筛选条件的遥感图像，将其由步骤S04得到的结果下载到本地平台，利用图像恢复表对其进行置换恢复，得到一个二维数组pic_resultArray，该数组的长为height，宽为width。
S09：在本地平台对遥感图像恢复
在本地平台，将数组pic_resultArray与数组randomArray进行异或运算，恢复原单波段遥感图像。
S10：在本地平台对遥感图像合并
在本地平台，对单波段遥感图像进行波段合成，生成高光谱的原始遥感图像。
本发明的一种多时相高光遥感图像的安全外包搜索方法的优点在于，利用云平台进行存储、搜索，速度快，效率高，解决了本地平台存储压力及无法搜索的难题；利用加密及Johnson-Lindenstrauss转换对遥感图像进行双重加密，避免云平台环境下数据泄漏、数据篡改、数据劫持等问题；利用欧式距离对遥感图像进行筛选，提高成功率及效率；添加高斯噪声模拟不同时相的遥感图像，提高准确率；对筛选出来的图像从云平台下载到本地平台进行解密，防止图像泄漏等问题，提高安全性。
实施例3
本发明的一种多时相高光遥感图像的安全外包搜索方法的一个具体实施方式如下。
S01：上传遥感图像至云平台存储
将所有遥感图像上传至云平台存储，对所有遥感图像、索引遥感图像进行步骤S02-S05。
S02：在本地平台对遥感图像拆分
设遥感图像的长为512，宽为512，遥感图像的波段数为200，将遥感图像拆分成200波段图像，读取各波段图像的16位深的灰度值。
S03：在本地平台对遥感图像加密
S031：将遥感图像所有像素点的灰度值存入数组，计算所有灰度值的平均值，将数组中每个灰度值分别减去平均值，得到一个新的数组，并将数组记为ten_grayArray；
S032：将数组ten_grayArray从十进制转化成二进制，并将数组记为two_grayArray；
S033：随机生成一个16位的二进制数组randomArray，将数组two_grayArray与数组randomArray进行异或运算，然后将二进制转化成十进制，并经数组记为ten_newArray，生成一份密文。
S04：在本地平台对遥感图像置换
S041：以数组ten_garyArray中第3行第3列为中心，获取3×3大小的矩形块，并将其转化为一维数组，记为序列I1，然后对序列I1进行升序重组排列，得到一个新数组，记为序列I2，根据I1→I2得到一个图像置换表，根据I2→I1得到一个图像恢复表；
S042：利用图像置换表将遥感图像进行块置换，并对转换后的新数组进行行置换，再进行变维操作，生成一个三维数组，记为pic_threeArray，该数组的长为3，宽为3，高为9；
S043：利用图像置换表将遥感图像进行像素置换，生成一个二维数组，记为pic_doubleArray，该数组的长为3，宽为3。
S05：在本地平台对遥感图像转换
对经过行置换得到的结果进行Johnson-Lindenstrauss转换，将所有1×9的向量分别压缩成1×4的向量，得到一个三维数组pic_JLArray，该数组的长为3，宽为3，高为4。
S051：随机生成一个服从平均值为0，方差为1/4的高斯分布9×4大小的矩阵Q；
S052：将pic_threeArray[m,n,0]，pic_threeArray[m,n,1]，……，pic_threeArray[m,n,7]，pic_threeArray[m,n,8]组成一个行矩阵A；
S053：随机生成一个服从平均值为0，方差为0.25的高斯分布的9×4的矩阵Δ；
S054：计算A*Q，得到矩阵B；
S055：计算B+Δ，得到矩阵C，即pic_threeArray[m,n,0]＝C[0,0]，pic_threeArray[m,n,1]＝C[0,1]，……，pic_threeArray[m,n,3]＝C[0,3]。
S06：在云平台计算遥感图像欧式距离；
计算索引遥感图像和待搜索遥感图像经过步骤S04中得到的三维数组中所有点的欧式距离os_dis[m,n]，其计算公式为
S07：在云平台对遥感图像进行筛选
S071：计算数学期望
S072：对同一遥感图像添加高斯噪声模拟不同时相的遥感图像，并计算数学期望，高斯噪声分别为(0，1282)、(0，2562)、(0，3842)；
S073：根据数学期望对遥感图像进行筛选，若无噪声，则数学期望为0～1，若噪声为(0，1282)，则数学期望为125～131，若噪声为(0，2562)，则数学期望为250～260，若噪声为(0，3842)，则数学期望为376～390。
S08：在本地平台对遥感图像解密
对符合筛选条件的遥感图像，将其由步骤S04得到的结果下载到本地平台，利用图像恢复表对其进行置换恢复，得到一个二维数组pic_resultArray，该数组的长为3，宽为3。
S09：在本地平台对遥感图像恢复
在本地平台，将数组pic_resultArray与数组randomArray进行异或运算，恢复原单波段遥感图像。
S10：在本地平台对遥感图像合并
在本地平台，对单波段遥感图像进行波段合成，生成高光谱的原始遥感图像。
实施例4
本发明的一种多时相高光遥感图像的安全外包搜索方法的一个具体实施方式如下。
S01：上传遥感图像至云平台存储
将所有遥感图像上传至云平台存储，对所有遥感图像、索引遥感图像进行步骤S02-S05。
S02：在本地平台对遥感图像拆分
设遥感图像的长为1024，宽为1024，遥感图像的波段数为256，将遥感图像拆分成256波段图像，读取各波段图像的16位深的灰度值。
S03：在本地平台对遥感图像加密
S031：将遥感图像所有像素点的灰度值存入数组，计算所有灰度值的平均值，将数组中每个灰度值分别减去平均值，得到一个新的数组，并将数组记为ten_grayArray；
S032：将数组ten_grayArray从十进制转化成二进制，并将数组记为two_grayArray；
S033：随机生成一个16位的二进制数组randomArray，将数组two_grayArray与数组randomArray进行异或运算，然后将二进制转化成十进制，并经数组记为ten_newArray，生成一份密文。
S04：在本地平台对遥感图像置换
S041：以数组ten_grayArray中第6行第6列为中心，获取5×5大小的矩形块，并将其转化为一维数组，记为序列I1，然后对序列I1进行升序重组排列，得到一个新数组，记为序列I2，根据I1→I2得到一个图像置换表，根据I2→I1得到一个图像恢复表；
S042：利用图像置换表将遥感图像进行块置换，并对转换后的新数组进行行置换，再进行变维操作，生成一个三维数组，记为pic_threeArray，该数组的长为5，宽为5，高为25；
S043：利用图像置换表将遥感图像进行像素置换，生成一个二维数组，记为pic_doubleArray，该数组的长为5，宽为5。
S05：在本地平台对遥感图像转换
对经过行置换得到的结果进行Johnson-Lindenstrauss转换，将所有1×25的向量分别压缩成1×10的向量，得到一个三维数组pic_JLArray，该数组的长为5，宽为5，高为10。
S051：随机生成一个服从平均值为0，方差为1/10的高斯分布25×10大小的矩阵Q；
S052：将pic_threeArray[m,n,0]，pic_threeArray[m,n,1]，……，pic_threeArray[m,n,8]，pic_threeArray[m,n,9]组成一个行矩阵A；
S053：随机生成一个服从平均值为0，方差为0.36的高斯分布的25×10的矩阵Δ；
S054：计算A*Q，得到矩阵B；
S055：计算B+Δ，得到矩阵C，即pic_threeArray[m,n,0]＝C[0,0]，pic_threeArray[m,n,1]＝C[0,1]，……，pic_threeArray[m,n,8]＝C[0,8]，pic_threeArray[m,n,9]＝C[0,9]。
S06：在云平台计算遥感图像欧式距离；
计算索引遥感图像和待搜索遥感图像经过步骤S04中得到的三维数组中所有点的欧式距离os_dis[m,n]，其计算公式为
S07：在云平台对遥感图像进行筛选
S071：计算数学期望
S072：对同一遥感图像添加高斯噪声模拟不同时相的遥感图像，并计算数学期望，高斯噪声分别为(0，1282)、(0，2562)、(0，3842)；
S073：根据数学期望对遥感图像进行筛选，若无噪声，则数学期望为0～1，若噪声为(0，1282)，则数学期望为125～131，若噪声为(0，2562)，则数学期望为250～260，若噪声为(0，3842)，则数学期望为376～390。
S08：在本地平台对遥感图像解密
对符合筛选条件的遥感图像，将其由步骤S04得到的结果下载到本地平台，利用图像恢复表对其进行置换恢复，得到一个二维数组pic_resultArray，该数组的长为5，宽为5。
S09：在本地平台对遥感图像恢复
在本地平台，将数组pic_resultArray与数组randomArray进行异或运算，恢复原单波段遥感图像。
S10：在本地平台对遥感图像合并
在本地平台，对单波段遥感图像进行波段合成，生成高光谱的原始遥感图像。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员，在不脱离本发明方法的前提下，还可以做出若干改进和补充，这些改进和补充也应视为本发明的保护范围。

Claims (6)

1.一种多时相高光谱遥感图像的安全外包搜索方法，其特征在于，所述的安全外包搜索方法包括本地平台和云平台，本地平台包括遥感图像拆分模块、遥感图像加密模块、遥感图像置换模块、遥感图像转换模块、遥感图像解密模块、遥感图像恢复模块、遥感图像合并模块，所述的云平台包括计算欧式距离模块、遥感图像筛选模块；
其中，所述的多时相高光谱遥感图像的安全外包搜索方法的流程如下：
S01：上传遥感图像至云平台存储；
S02：在本地平台对遥感图像拆分；
S03：在本地平台对遥感图像加密；
S04：在本地平台对遥感图像置换；
S05：在本地平台对遥感图像转换；
S06：在云平台计算遥感图像欧式距离；
S07：在云平台对遥感图像进行筛选；
S08：在本地平台对遥感图像解密；
S09：在本地平台对遥感图像恢复；
S10：在本地平台对遥感图像合并
其中，在步骤S07中，对同一幅图像加上高斯噪声模拟不同时相的遥感图像，进行对比筛选。
2.根据权利要求1所述的安全外包搜索方法，其特征在于，在本地平台对遥感图像进行加密处理的步骤如下：
S02：在本地平台对遥感图像拆分
设遥感图像的长为height，宽为width，遥感图像的波段数为pic_bandNum，将遥感图像拆分成pic_bandNum波段图像，读取各波段图像的16位深的灰度值；
S03：在本地平台对遥感图像加密
S031：将遥感图像所有像素点的灰度值存入数组，计算所有灰度值的平均值，将数组中每个灰度值分别减去平均值，得到一个新的数组，并将数组记为ten_grayArray；
S032：将数组ten_grayArray从十进制转化成二进制，并将数组记为two_grayArray；
S033：随机生成一个16位的二进制数组randomArray，将数组two_grayArray与数组randomArray进行异或运算，然后将二进制转化成十进制，并经数组记为ten_newArray，生成一份密文；
S04：在本地平台对遥感图像置换
S041：以数组ten_grayArray中第m行第n列为中心，获取h×h大小的矩形块，并将其转化为一维数组，记为序列I1，然后对序列I1进行升序重组排列，得到一个新数组，记为序列I2，根据I1→I2得到一个图像置换表，根据I2→I1得到一个图像恢复表；
S042：利用图像置换表将遥感图像进行块置换，并对转换后的新数组进行行置换，再进行变维操作，生成一个三维数组，记为pic_threeArray，该数组的长为height，宽为width，高为h2；
S043：利用图像置换表将遥感图像进行像素置换，生成一个二维数组，记为pic_doubleArray，该数组的长为height，宽为width；
S05：在本地平台对遥感图像转换
对经过行置换得到的结果进行Johnson-Lindenstrauss转换，将所有1×h2的向量分别压缩成1×k的向量，得到一个三维数组pic_JLArray，该数组的长为height，宽为width，高为k。
S051：随机生成一个服从平均值为0，方差为1/k的高斯分布h2×k大小的矩阵Q；
S052：将pic_threeArray[m,n,0]，pic_threeArray[m,n,1]，……，pic_threeArray[m,n,h2-2]，pic_threeArray[m,n,h2-1]组成一个行矩阵A；
S053：随机生成一个服从平均值为0，方差为ζ2的高斯分布的h2×k的矩阵Δ；
S054：计算A*Q，得到矩阵B；
S055：计算B+Δ，得到矩阵C，即pic_threeArray[m,n,0]＝C[0,0]，pic_threeArray[m,n,1]＝C[0,1]，……，pic_threeArray[m,n,k-2]＝C[0,k-2]，pic_threeArray[m,n,k-1]＝C[0,k-1]。
3.根据权利要求2所述的安全外包搜索方法，其特征在于，在云平台进行遥感图像筛选匹配的步骤如下：
S06：在云平台计算遥感图像欧式距离；
计算索引遥感图像和待搜索遥感图像经过步骤S04中得到的三维数组中所有点的欧式距离os_dis[m,n]，其计算公式为
S07：在云平台对遥感图像进行筛选
S071：计算数学期望
S072：对同一遥感图像添加高斯噪声模拟不同时相的遥感图像，并计算数学期望；
S073：根据数学期望对遥感图像进行筛选。
4.根据权利要求3所述的安全外包搜索方法，其特征在于，在本地平台进行遥感图像解密的步骤如下：
S08：在本地平台对遥感图像解密
对符合筛选条件的遥感图像，将其由步骤S04得到的结果下载到本地平台，利用图像恢复表对其进行置换恢复，得到一个二维数组pic_resultArray，该数组的长为height，宽为width。
S09：在本地平台对遥感图像恢复
在本地平台，将数组pic_resultArray与数组randomArray进行异或运算，恢复原单波段遥感图像。
S10：在本地平台对遥感图像合并
在本地平台，对单波段遥感图像进行波段合成，生成高光谱的原始遥感图像。
5.根据权利要求3所述的安全外包搜索方法，其特征在于，所述的步骤S072中的高斯噪声分别为(0，1282)、(0，2562)、(0，3842)。
6.根据权利要求5所述的安全外包搜索方法，其特征在于，所述的步骤S073中，若无噪声，则数学期望为0～1，若噪声为(0，1282)，则数学期望为125～131，若噪声为(0，2562)，则数学期望为250～260，若噪声为(0，3842)，则数学期望为376～390。
CN201710358007.4A 2017-05-19 2017-05-19 一种多时相高光谱遥感图像的安全外包搜索方法 Active CN107203957B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710358007.4A CN107203957B (zh) 2017-05-19 2017-05-19 一种多时相高光谱遥感图像的安全外包搜索方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710358007.4A CN107203957B (zh) 2017-05-19 2017-05-19 一种多时相高光谱遥感图像的安全外包搜索方法

Publications (2)

Publication Number Publication Date
CN107203957A true CN107203957A (zh) 2017-09-26
CN107203957B CN107203957B (zh) 2021-04-02

Family

ID=59905312

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710358007.4A Active CN107203957B (zh) 2017-05-19 2017-05-19 一种多时相高光谱遥感图像的安全外包搜索方法

Country Status (1)

Country Link
CN (1) CN107203957B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040073561A1 (en) * 2002-08-26 2004-04-15 Dana Quest Inc. Method for autonomously searching a plurality of non-related databases residing on inter and intra networks with the intent to locate a plurality of documents containing a plurality of desired parameters and to communicate with the owners of said documents for the purpose of engaging said owners in a transaction
CN101694718A (zh) * 2009-10-13 2010-04-14 西安电子科技大学 基于感兴趣区域的遥感图像变化检测方法
CN102096707A (zh) * 2011-01-11 2011-06-15 上海海洋大学 一种基于WebGIS的高程地理数据查询系统及方法
CN102521605A (zh) * 2011-11-25 2012-06-27 河海大学 一种高光谱遥感图像波段选择方法
CN104052740A (zh) * 2014-05-22 2014-09-17 西安理工大学 云存储中可验证的基于词典的可搜索加密方法
CN106204724A (zh) * 2016-06-27 2016-12-07 北京林业大学 一种三维激光扫描测定单木分枝结构的方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040073561A1 (en) * 2002-08-26 2004-04-15 Dana Quest Inc. Method for autonomously searching a plurality of non-related databases residing on inter and intra networks with the intent to locate a plurality of documents containing a plurality of desired parameters and to communicate with the owners of said documents for the purpose of engaging said owners in a transaction
CN101694718A (zh) * 2009-10-13 2010-04-14 西安电子科技大学 基于感兴趣区域的遥感图像变化检测方法
CN102096707A (zh) * 2011-01-11 2011-06-15 上海海洋大学 一种基于WebGIS的高程地理数据查询系统及方法
CN102521605A (zh) * 2011-11-25 2012-06-27 河海大学 一种高光谱遥感图像波段选择方法
CN104052740A (zh) * 2014-05-22 2014-09-17 西安理工大学 云存储中可验证的基于词典的可搜索加密方法
CN106204724A (zh) * 2016-06-27 2016-12-07 北京林业大学 一种三维激光扫描测定单木分枝结构的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JINGWEI LI等: "A Novel Framework for Outsourcing and Sharing Searchable Encrypted Data on Hybrid Cloud", 《2012 FOURTH INTERNATIONAL CONFERENCE ON INTELLIGENT NETWORKING AND COLLABORATIVE SYSTEMS》 *
黄冬梅等: "基于 Henon 映射的加密遥感图像的安全检索方案", 《软件学报》 *

Also Published As

Publication number Publication date
CN107203957B (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
Kakkad et al. Biometric authentication and image encryption for image security in cloud framework
Yang et al. Quantum cryptographic algorithm for color images using quantum Fourier transform and double random-phase encoding
Aziz et al. A cycling chaos-based cryptic-free algorithm for image steganography
CN103778593B (zh) 基于图像关联分解的量子图像加密方法
Bisht et al. A color image encryption technique based on bit-level permutation and alternate logistic maps
CN103023633B (zh) 基于混沌随机相位和相干叠加原理的数字图像隐藏方法
CN109460536B (zh) 一种矩阵运算的安全外包方法
CN111523673A (zh) 模型训练方法、装置及系统
Wang et al. A novel encryption algorithm based on DWT and multichaos mapping
AL-Hashemy et al. A new algorithm based on magic square and a novel chaotic system for image encryption
US20110246768A1 (en) Systems and methods improving cryptosystems with biometrics
CN105553980A (zh) 基于云计算的安全指纹识别系统和方法
CN105917381A (zh) 基于双随机相位图像编码系统的密码学破解方法和装置
Jin et al. A two‐dimensional random projected minutiae vicinity decomposition‐based cancellable fingerprint template
CN111064558B (zh) 一种基于云计算的同态加密矩阵连乘安全外包方法
CN103873253B (zh) 一种人类指纹生物密钥生成方法
Falmari et al. Privacy preserving biometric authentication using chaos on remote untrusted server
CN106127669B (zh) 基于保面积Baker映射的混沌图像加密方法
Singh et al. Images as graphical password: verification and analysis using non-regular low-density parity check coding
Singh et al. Ecis: encryption prior to compression for digital image security with reduced memory
Yang et al. Accurate image-based pedestrian detection with privacy preservation
Wang et al. Privacy-preserving outsourced feature extractions in the cloud: A survey
Yin et al. Ginver: Generative model inversion attacks against collaborative inference
CN112330551A (zh) 一种基于秘密共享的遥感图像外包降噪方法
Kandar et al. Variable length key based visual cryptography scheme for color image using random number

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant