CN108600573B - 基于树形BoW模型的密文JPEG图像检索方法 - Google Patents

基于树形BoW模型的密文JPEG图像检索方法 Download PDF

Info

Publication number
CN108600573B
CN108600573B CN201810205847.1A CN201810205847A CN108600573B CN 108600573 B CN108600573 B CN 108600573B CN 201810205847 A CN201810205847 A CN 201810205847A CN 108600573 B CN108600573 B CN 108600573B
Authority
CN
China
Prior art keywords
image
ciphertext
features
local
tree
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.)
Expired - Fee Related
Application number
CN201810205847.1A
Other languages
English (en)
Other versions
CN108600573A (zh
Inventor
韦秋含
梁海华
张新鹏
王子驰
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.)
Beijing Transpacific Technology Development Ltd
Original Assignee
Beijing Transpacific Technology Development Ltd
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 Beijing Transpacific Technology Development Ltd filed Critical Beijing Transpacific Technology Development Ltd
Priority to CN201810205847.1A priority Critical patent/CN108600573B/zh
Publication of CN108600573A publication Critical patent/CN108600573A/zh
Application granted granted Critical
Publication of CN108600573B publication Critical patent/CN108600573B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
    • H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
    • H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
    • H04N1/32267—Methods relating to embedding, encoding, decoding, detection or retrieval operations combined with processing of the image
    • H04N1/32272—Encryption or ciphering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H04L63/0478—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload applying multiple layers of encryption, e.g. nested tunnels or encrypting the content with a first key and then with at least a second key
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/06—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols the encryption apparatus using shift registers or memories for block-wise or stream coding, e.g. DES systems or RC4; Hash functions; Pseudorandom sequence generators
    • H04L9/065—Encryption by serially and continuously modifying data stream elements, e.g. stream cipher systems, RC4, SEAL or A5/3
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/14—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using a plurality of keys or algorithms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
    • H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
    • H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
    • H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
    • H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
    • H04N1/32154—Transform domain methods
    • H04N1/32165—Transform domain methods using cosine transforms

Abstract

本发明公开了一种基于树形BoW模型的密文JPEG图像检索方法。本方法为：首先，图像拥有者采用双层加密算法对数据库中所有图像加密，包括DCT系数流加密和置乱加密，再将密文图像库上传至云服务器。其次，云服务器计算密文图像的DCT系数统计特性作为局部特征，再根据树形BoW模型将图像的所有局部特征转化为全局特征。最后，服务器根据授权用户提交的密文查询图像，提取局部特征并转化为全局特征，计算其与数据库图像的全局特征间的距离来判断相似性，将结果返回给用户。本发明方法在实现图像检索的同时，保护了图像及特征的隐私；特征提取由服务器完成，降低了用户的计算负担；树形BoW模型对特征的转化保证了较高的检索效率。

Description

基于树形BoW模型的密文JPEG图像检索方法
技术领域
本发明涉及一种密文图像检索方法，特别是一种云环境下的安全密文图像检索方法，应用于信息检索方法和图像加密保护技术领域。
背景技术
云计算是时下最热门的一种服务模式。用户可以随时随地通过网络获得所需的资源，而不必考虑硬件等其他因素。因此，越来越多的企业和个人选择由云服务器来存储及管理本地数据。然而，这也为数据的隐私安全带来了隐患。一种解决方式是对数据加密后再上传至云服务器，这对传统的基于明文的信息检索服务是一个巨大的挑战。如何在保护数据隐私的同时实现精确的检索，比如基于密文图像的检索技术，成为了研究热点。
现有的密文图像检索方法可以分为两类。第一类是基于特征的可检索加密方法，即加密后的特征间的距离依然可以反映图像的相似性。由数据拥有者提取图像特征，对特征和图像分别加密后上传。检索时，用户对检索图像提取特征并加密，将密文特征上传至云服务器。服务器计算密文特征间的距离并排序，将相应的图像返回给用户。第二类检索方法是基于特征的加密不变特性，即特征在图像加密前后保持不变，因此数据拥有者只需将图像加密后上传，服务器可以直接从密文图像中提取出明文特征，从而进行相似性比较。可参阅如下文献：
[1]W.Lu,A.Swaminathan,A.L.Varna,and M.Wu,Enabling search overencrypted multimedia databases,In Proceedings of SPIE,vol.7254,Conf.on MediaForensics and Security,January 2009.
[2]H.Cheng,X.Zhang,J.Yu,Y.Zhang,Encrypted JPEG image retrieval usingblock-wise feature comparison,Visual Communication and Image Representation,Elsevier,pp.111-117,2016.
在第一类方法中，图像特征的提取需要由拥有者和用户完成，且图像和特征需要分别加密并存储，增加了用户的计算负担和服务器的存储开销。第二类方法中，一方面，未经加密的特征泄露了图像的隐私信息，服务器很有可能根据明文特征推测出图像的明文内容，从而威胁图像内容安全。另一方面，通过逐个比较局部特征来判断图像相似性的检索方式较为低效。
发明内容
为了解决现有技术问题，本发明的目的在于克服已有技术存在的不足，提供一种基于树形BoW模型的密文JPEG图像检索方法，优化现有云环境下密文图像检索方法，允许服务器从密文图像中提取特征进行相似性比较，该特征也经过加密，因此能保证图像和特征的隐私安全，同时，树形BoW模型保证了检索的高效性，降低了用户的计算负担。
为达到上述目的，本发明创造具有如下构思：
本发明将密文JPEG图像检索方法分为三个部分，一是图像加密过程，图像拥有者利用双层加密算法对JPEG图像加密，然后将密文图像发送给服务器；二是特征的提取及转化过程，服务器首先从所有密文图像中提取局部特征，构建树形索引，再利用BoW模型将图像的多个局部特征转化为单一的全局特征；三是密文图像检索过程，服务器从用户上传的密文查询图像中提取局部特征，再根据树形BoW模型将其转化为全局特征，通过计算全局特征间的距离来判断相似性，最后返回检索结果。
为实现上述发明构思，本发明采用如下技术方案：
一种基于树形BoW模型的密文JPEG图像检索方法，包括如下步骤：
(1)进行图像加密过程，图像拥有者对JPEG图像的加密过程分为进行流加密和置乱加密两个部分，形成密文图像库：
首先，将原始图像DCT系数以8×8为单位分块，将块内每个AC系数的绝对值转化成二进制序列，与等长的标准二进制流密码异或加密，再将加密后的结果转成十进制，即为密文AC系数，使密文AC系数的正负号与其原始系数一致；
其次，对DCT块进行水平和垂直方向上的置乱加密；
最后，图像拥有者将密文JPEG图像信息上传至云服务器；
(2)特征的提取及转化过程：
云服务器接收到在所述步骤(1)生成的密文图像库后，读取每幅密文图像的DCT系数并分成若干8×8的小块，计算每个块内AC系数的统计特性作为局部特征；
然后，云服务器将每幅图像包含的多个局部特征转化为单个全局特征，该过程分为建立索引树和生成全局特征两步进行，从而建立树形BoW模型计算密文查询图像的全局特征：
其中建立索引树的步骤如下：
首先，所有局部特征被视为叶子节点；
其次，选择两个最接近的叶子节点，计算它们的平均向量作为新的高层节点；当所有叶子节点配对完成，再对高层节点重复这一过程；当只剩下一个节点时，分层索引树建立完成；
生成全局特征的步骤如下：
首先，云服务器根据分层索引树构建BoW模型，从索引树中选择一层作为BoW层，该层的所有节点是视觉单词；对于图像中的一个局部特征，计算它与根节点的左右子节点的距离；若与左子节点的距离较小，则再比较左子节点的左右子节点，反之亦然；逐层向下，直到到达所述BoW层，该局部特征就被归于最接近的视觉单词；当获得一幅图像中所有局部特征的视觉单词后，该图像就由视觉单词的频率来表示：
H＝[w1,...,wt,...,wd]，即该图像的全局特征，其中，wt指的是属于第t个视觉单词的特征个数，d是视觉单词总数；从而使云服务器根据建立的树形BoW模型计算密文查询图像的局部特征并转化为全局特征；
(3)密文图像检索过程：
用户按照所述步骤(1)的方法将查询图像加密后上传至云服务器，云服务器根据所述步骤(2)中建立的全局特征，然后计算查询图像与云服务器的数据库中所有图像的全局特征间的距离，按照距离排序后，服务器返回给用户相应的图像，用户对返回的密文图像解密后，得到检索结果。
作为本发明优选的技术方案，在所述步骤(1)中，图像加密过程的具体步骤如下：
(1-1)将一幅JPEG图像Y、U、V三个分量量化后的DCT系数按照8×8为单位分块，共n块；在第i(1≤i≤n)个DCT块中，经过Zig-zag扫描排序后的AC系数表示为Ai＝[a1,a2,...,a63]；
(1-2)用密钥S产生一个二进制序列K，分割成若干片段，K＝K1,K2,...，每个片段长度是b比特；
(1-3)对块内每个AC系数aj，将其绝对值|aj|转换成二进制序列xj，它对应的加密流是Kj，1≤j≤63；
(1-4)比较在所述步骤(1-3)中得到的xj与Kj的长度，在长度较小的序列左侧补零，直到两者长度相等，表示为
Figure GDA0002199867010000031
(1-5)对
Figure GDA0002199867010000032
进行按位异或加密：
Figure GDA0002199867010000033
加密后表示为
Figure GDA0002199867010000034
(1-6)将
Figure GDA0002199867010000035
转换为十进制的正数或负数，表示为aj′；正负号与aj一致；加密后AC系数表示为A′i＝[a′1,a′2,...,a′63]；
(1-7)用两个密钥kh和kv来分别控制DCT块在水平和垂直方向上的置乱顺序，密钥向量的每一维指的是块的水平或垂直位移，JPEG图像的Y、U和V三个分量上的置乱密钥不同；
(1-8)图像拥有者按照上述步骤对所有图像加密后得到密文图像库，将密文图形库上传至云服务器。
作为本发明优选的技术方案，在所述步骤(2)中，特征的提取及转化过程的具体步骤如下：
(2-1)对于一幅密文JPEG图像，云服务器将一幅JPEG图像Y、U、V三个分量量化后的DCT系数按照8×8为单位分块，共n块；在第i(1≤i≤n)个DCT块中，经过Zig-zag扫描排序后的AC系数表示为Ai＝[a1,a2,...,a63]；然后将获得每个DCT块加密后的AC系数A′i＝[a′1,a′2,...,a′63]，对其进行游程编码后获得(r,v)对，其中r是系数中连续为零的个数，v为系数中不为零的数值；计算该DCT块的局部特征如下：
fi＝[n,m1,s1,m2,s2]
式中，n为块内(r,v)对的数目，m1,s1分别为r的均值和方差，m2,s2分别为v的均值和方差；
(2-2)计算所有图像的局部特征间的曼哈顿距离；
(2-3)选择距离最小的两个局部特征，生成高层节点，公式如下：
f1,2＝(f1+f2)/2
其中，f1,f2为两个局部特征，f1,2为生成的高层节点；
(2-4)对所有的局部特征重复所述步骤(2-3)，再对高层节点重复这一过程，最后剩下一个节点，即建立了一棵分层索引树；
(2-5)从索引树中选择一层作为BoW层，该层的所有节点是视觉单词，层数l的选择参照公式：
Figure GDA0002199867010000041
其中，m是数据库中图像总数，n是所有图像的局部特征的总数；
(2-6)对于图像中的一个局部特征，计算它与索引树根节点的左右子节点的曼哈顿距离；
(2-7)将该特征分配到距离较小的子节点，再计算该特征与该节点的左右子节点的距离，重复这一步骤直到到达BoW层；
(2-8)将特征被归类于所述BoW层中最接近的视觉单词；
(2-9)重复步骤所述(2-6)-(2-8)，得到一幅图像中所有局部特征的视觉单词，该图像就由视觉单词的频率来表示：H＝[w1,...,wt,...,wd]，即该图像的全局特征，其中，wt指的是属于第t个视觉单词的特征个数，d是视觉单词总数。
作为本发明优选的技术方案，在所述步骤(3)中，密文图像检索过程的具体步骤如下：
(3-1)用户按照所述步骤(1)的方法将查询图像加密后上传至云服务器；
(3-2)云服务器根据步骤(2-1)计算密文查询图像的局部特征；
(3-3)云服务器根据步骤(2-6)-(2-9)，将局部特征转化为全局特征；
(3-4)计算计算查询图像与数据库中所有图像的全局特征间的卡方距离：
Figure GDA0002199867010000042
其中，H1,H2是图像的全局特征，d是视觉单词总数，H1(t)表示特征H1的第t维度数值，H2(t)表示特征H2的第t维度数值；
(3-5)按照距离排序后，服务器返回给用户相应的图像信息。
本发明与现有技术相比较，具有如下显而易见的突出实质性特点和显著优点：
1.本发明实现了云环境下密文图像检索，通过双层加密技术保障图像和特征的隐私安全；
2.本发明将图像的特征提取和相似性判别安全外包给云服务器，减少了图像拥有者和用户的计算负担；
3.本发明提出了一种树形BoW模型，将众多局部特征转化成单一的全局特征，简化检索过程，提高了检索效率。
附图说明
图1为本发明优选实施例基于树形BoW模型的密文JPEG图像检索方法的流程框图。
图2为本发明优选实施例步骤(1)中采用的明文JPEG图像样例。
图3为本发明优选实施例中图像加密算法效果图，其中图3(a)为原始明文图像，图3(b)为经过步骤(1)中所述的流加密后的图像，图3(c)为经过步骤(1)中所述的置乱加密后的图像。
图4为本发明优选实施例中的密文图像的全局特征。
图5为本发明优选实施例中的明文图像的全局特征。
图6为本发明优选实施例基于树形BoW模型的密文JPEG图像检索方法的查准率-查全率曲线图。
图7为本发明优选实施例基于树形BoW模型的密文JPEG图像检索方法的检索效率曲线图。
具体实施方式
以下结合具体的实施例子对上述方案做进一步说明，本发明的优选实施例详述如下：
在本实施例中，参见图1-7，一种基于树形BoW模型的密文JPEG图像检索方法，包括如下步骤：
(1)进行图像加密过程，图像拥有者对JPEG图像的加密过程分为进行流加密和置乱加密两个部分，形成密文图像库：
首先，将原始图像DCT系数以8×8为单位分块，将块内每个AC系数的绝对值转化成二进制序列，与等长的标准二进制流密码异或加密，再将加密后的结果转成十进制，即为密文AC系数，使密文AC系数的正负号与其原始系数一致；
其次，对DCT块进行水平和垂直方向上的置乱加密；
最后，图像拥有者将密文JPEG图像信息上传至云服务器，完成步骤(1)。
上述步骤(1)图像加密过程的具体步骤如下：
(1-1)将一幅明文JPEG图像如图3(a)所示，像素大小为384×256，其Y，U，V三个分量量化后的DCT系数按照8×8为单位分块，共n块；在第i(1≤i≤n)个DCT块中，经过Zig-zag扫描排序后的AC系数表示为Ai＝[a1,a2,...,a63]；
(1-2)用密钥S产生一个二进制序列K，分割成若干片段，K＝K1,K2,...，每个片段长度是b比特，这里b＝4；
(1-3)对块内每个AC系数aj，将其绝对值|aj|转换成二进制序列xj，它对应的加密流是Kj，1≤j≤63；
(1-4)比较在所述步骤(1-3)中得到的xj与Kj的长度，在长度较小的序列左侧补零，直到两者长度相等，表示为
Figure GDA0002199867010000061
(1-5)对
Figure GDA0002199867010000062
进行按位异或加密：
Figure GDA0002199867010000063
加密后表示为
Figure GDA0002199867010000064
(1-6)将
Figure GDA0002199867010000065
转换为十进制的正数或负数，表示为aj′；正负号与aj一致；加密后AC系数表示为A′i＝[a′1,a′2,...,a′63]；经过流加密的图像如图3(b)所示；
(1-7)用两个密钥kh和kv来分别控制DCT块在水平和垂直方向上的置乱顺序，密钥向量的每一维指的是块的水平或垂直位移，JPEG图像的Y、U和V三个分量上的置乱密钥不同；经过置乱加密的图像如图3(c)所示；
(1-8)图像拥有者按照上述步骤对所有图像加密后得到密文图像库，将密文图形库上传至云服务器。
(2)特征的提取及转化过程：
云服务器接收到在所述步骤(1)生成的密文图像库后，读取每幅密文图像的DCT系数并分成若干8×8的小块，计算每个块内AC系数的统计特性作为局部特征；
然后，云服务器将每幅图像包含的多个局部特征转化为单个全局特征，该过程分为建立索引树和生成全局特征两步进行，从而建立树形BoW模型计算密文查询图像的全局特征：
其中建立索引树的步骤如下：
首先，所有局部特征被视为叶子节点；
其次，选择两个最接近的叶子节点，计算它们的平均向量作为新的高层节点；当所有叶子节点配对完成，再对高层节点重复这一过程；当只剩下一个节点时，分层索引树建立完成；
生成全局特征的步骤如下：
首先，云服务器根据分层索引树构建BoW模型，从索引树中选择一层作为BoW层，该层的所有节点是视觉单词；对于图像中的一个局部特征，计算它与根节点的左右子节点的距离；若与左子节点的距离较小，则再比较左子节点的左右子节点，反之亦然；逐层向下，直到到达所述BoW层，该局部特征就被归于最接近的视觉单词；当获得一幅图像中所有局部特征的视觉单词后，该图像就由视觉单词的频率来表示：
H＝[w1,...,wt,...,wd]，即该图像的全局特征，其中，wt指的是属于第t个视觉单词的特征个数，d是视觉单词总数；从而使云服务器根据建立的树形BoW模型计算密文查询图像的局部特征并转化为全局特征，完成步骤(2)
上述步骤(2)中特征的提取及转化过程的具体步骤如下：
(2-1)对于一幅密文JPEG图像，云服务器按照步骤(1-1)的方法，将一幅JPEG图像Y、U、V三个分量量化后的DCT系数按照8×8为单位分块，共n块；在第i(1≤i≤n)个DCT块中，经过Zig-zag扫描排序后的AC系数表示为Ai＝[a1,a2,...,a63]；然后将获得每个DCT块加密后的AC系数A′i＝[a′1,a′2,...,a′63]，对其进行游程编码后获得(r,v)对，其中r是系数中连续为零的个数，v为系数中不为零的数值；计算该DCT块的局部特征如下：
fi＝[n,m1,s1,m2,s2]
式中，n为块内(r,v)对的数目，m1,s1分别为r的均值和方差，m2,s2分别为v的均值和方差；
(2-2)计算所有图像的局部特征间的曼哈顿距离；
(2-3)选择距离最小的两个局部特征，生成高层节点，公式如下：
f1,2＝(f1+f2)/2
其中，f1,f2为两个局部特征，f1,2为生成的高层节点；
(2-4)对所有的局部特征重复所述步骤(2-3)，再对高层节点重复这一过程，最后剩下一个节点，即建立了一棵分层索引树；
(2-5)从索引树中选择一层作为BoW层，该层的所有节点是视觉单词，层数l的选择参照公式：
Figure GDA0002199867010000071
其中，m是数据库中图像总数，n是所有图像的局部特征的总数，这里取l＝8；
(2-6)对于图像中的一个局部特征，计算它与索引树根节点的左右子节点的曼哈顿距离；
(2-7)将该特征分配到距离较小的子节点，再计算该特征与该节点的左右子节点的距离，重复这一步骤直到到达BoW层；
(2-8)将特征被归类于所述BoW层中最接近的视觉单词；
(2-9)重复步骤所述(2-6)-(2-8)，得到一幅图像中所有局部特征的视觉单词，该图像就由视觉单词的频率来表示：H＝[w1,...,wt,...,wd]，即该图像的全局特征，其中，wt指的是属于第t个视觉单词的特征个数，d是视觉单词总数。图3(c)所示的密文图像的全局特征如图4所示，作为对比，图3(a)所示的明文图像的全局特征如图5所示。在特征的提取及转化过程中，云服务器接收到密文图像库后，将每幅密文图像分割成若干8×8的小块，计算每个图像块内AC系数的统计特性作为局部特征。然后，云服务器建立树形BoW模型，将每幅图像包含的多个局部特征转化为单个全局特征，该过程分为两步：建立索引树和生成全局特征。本实施例将图像的特征提取和相似性判别安全外包给云服务器，减少了图像拥有者和用户的计算负担。本实施例采用树形BoW模型，即Bag-of-words模型，将众多局部特征转化成单一的全局特征，简化检索过程，提高了检索效率。
(3)密文图像检索过程：
用户按照所述步骤(1)的方法将查询图像加密后上传至云服务器，云服务器根据所述步骤(2)中建立的全局特征，然后计算查询图像与云服务器的数据库中所有图像的全局特征间的距离，按照距离排序后，服务器返回给用户相应的图像，用户对返回的密文图像解密后，得到检索结果，完成步骤(3)。
上述步骤(3)中密文图像检索过程的具体步骤如下：
(3-1)用户按照所述步骤(1)的方法将查询图像加密后上传至云服务器；
(3-2)云服务器根据步骤(2-1)计算密文查询图像的局部特征；
(3-3)云服务器根据步骤(2-6)-(2-9)，将局部特征转化为全局特征；
(3-4)计算计算查询图像与数据库中所有图像的全局特征间的卡方距离：
Figure GDA0002199867010000081
其中，H1,H2是图像的全局特征，d是视觉单词总数，H1(t)表示特征H1的第t维度数值，H2(t)表示特征H2的第t维度数值；
(3-5)按照距离排序后，服务器返回给用户相应的图像信息。本实施例基于树形BoW，即Bag-of-words模型的密文JPEG图像检索方法，利用信号处理和加密技术保护JPEG图像的DCT系数，实现密文域的安全图像检索。
为了验证本发明的效果，采用本实施例基于树形BoW模型的密文JPEG图像检索方法，图3(c)所示的经过双层加密后的图像已经掩盖了图3(a)所示的原始明文内容，且特征也随着系数的改变而发生变化，图4为密文图像特征，图5为明文图像特征，即保证了图像及特征的隐私安全。图2为步骤(1)中的明文JPEG图像样例，来自Corel标准测试图像数据库，尺寸大小256×384或384×256，包含十类图像，如非洲人、海滩、建筑、公共汽车、恐龙、大象、花、马、山、食物，共1000副图像。本实施例对Corel图像库中1000幅图像分别检索后得到的查准率-查全率曲线如图6所示，说明本实施例可以获得较高的检索准确度；检索平均所需时间如图7所示，说明本发明可以保证较高的检索效率。
本实施例基于树形BoW模型的密文JPEG图像检索方法：首先，图像拥有者采用双层加密算法对数据库中所有图像加密，包括DCT系数流加密和置乱加密，再将密文图像库上传至云服务器；其次，云服务器计算密文图像的DCT系数统计特性作为局部特征，再根据树形BoW模型将图像的所有局部特征转化为全局特征；最后，服务器根据授权用户提交的密文查询图像，提取局部特征并转化为全局特征，计算其与数据库图像的全局特征间的距离来判断相似性，将结果返回给用户。本实施例方法在实现图像检索的同时，保护了图像及特征的隐私；特征提取由服务器完成，降低了用户的计算负担；树形BoW模型对特征的转化保证了较高的检索效率。
上面对本发明实施例进行了说明，但本发明不限于上述实施例，还可以根据本发明的发明创造的目的做出多种变化，凡依据本发明技术方案的精神实质和原理下做的改变、修饰、替代、组合或简化，均应为等效的置换方式，只要符合本发明的发明目的，只要不背离本发明基于树形BoW模型的密文JPEG图像检索方法的技术原理和发明构思，都属于本发明的保护范围。

Claims (4)

1.一种基于树形BoW模型的密文JPEG图像检索方法，其特征在于，包括如下步骤：
(1)进行图像加密过程，图像拥有者对JPEG图像的加密过程分为进行流加密和置乱加密两个部分，形成密文图像库：
首先，将原始图像DCT系数以8×8为单位分块，将块内每个AC系数的绝对值转化成二进制序列，与等长的标准二进制流密码异或加密，再将加密后的结果转成十进制，即为密文AC系数，使密文AC系数的正负号与其原始系数一致；
其次，对DCT块进行水平和垂直方向上的置乱加密；
最后，图像拥有者将密文JPEG图像信息上传至云服务器；
(2)特征的提取及转化过程：
云服务器接收到在所述步骤(1)生成的密文图像库后，读取每幅密文图像的DCT系数并分成若干8×8的小块，计算每个块内AC系数的统计特性作为局部特征；
然后，云服务器将每幅图像包含的多个局部特征转化为单个全局特征，该过程分为建立索引树和生成全局特征两步进行，从而建立树形BoW模型计算密文查询图像的全局特征：
其中建立索引树的步骤如下：
首先，所有局部特征被视为叶子节点；
其次，选择两个最接近的叶子节点，计算它们的平均向量作为新的高层节点；当所有叶子节点配对完成，再对高层节点重复这一过程；当只剩下一个节点时，分层索引树建立完成；
生成全局特征的步骤如下：
首先，云服务器根据分层索引树构建BoW模型，从索引树中选择一层作为BoW层，该层的所有节点是视觉单词；对于图像中的一个局部特征，计算它与根节点的左右子节点的曼哈顿距离；若与左子节点的距离较小，则再比较左子节点的左右子节点，若与右子节点的距离较小，则再比较右子节点的左右子节点；逐层向下，直到到达所述BoW层，该局部特征就被归于最接近的视觉单词；当获得一幅图像中所有局部特征的视觉单词后，该图像就由视觉单词的频率来表示：
H＝[w1,...,wt,...,wd]，即该图像的全局特征，其中，wt指的是属于第t个视觉单词的特征个数，d是视觉单词总数；从而使云服务器根据建立的树形BoW模型计算密文查询图像的局部特征并转化为全局特征；
(3)密文图像检索过程：
用户按照所述步骤(1)的方法将查询图像加密后上传至云服务器，云服务器根据所述步骤(2)中建立的全局特征，然后计算查询图像与云服务器的数据库中所有图像的全局特征间的距离，按照距离排序后，服务器返回给用户相应的图像，用户对返回的密文图像解密后，得到检索结果。
2.根据权利要求1所述基于树形BoW模型的密文JPEG图像检索方法，其特征在于：在所述步骤(1)中，图像加密过程的具体步骤如下：
(1-1)将一幅JPEG图像Y、U、V三个分量量化后的DCT系数按照8×8为单位分块，共n块；在第i(1≤i≤n)个DCT块中，经过Zig-zag扫描排序后的AC系数表示为Ai＝[a1,a2,...,a63]；
(1-2)用密钥S产生一个二进制序列K，分割成若干片段，K＝K1,K2,...，每个片段长度是b比特；
(1-3)对块内每个AC系数aj，将其绝对值|aj|转换成二进制序列xj，它对应的加密流是Kj，1≤j≤63；
(1-4)比较在所述步骤(1-3)中得到的xj与Kj的长度，在长度较小的序列左侧补零，直到两者长度相等，表示为
Figure FDA0002199866000000021
(1-5)对
Figure FDA0002199866000000022
进行按位异或加密：
Figure FDA0002199866000000023
加密后表示为
Figure FDA0002199866000000024
(1-6)将
Figure FDA0002199866000000025
转换为十进制的正数或负数，表示为aj′；正负号与aj一致；加密后AC系数表示为A'i＝[a′1,a'2,...,a'63]；
(1-7)用两个密钥kh和kv来分别控制DCT块在水平和垂直方向上的置乱顺序，密钥向量的每一维指的是块的水平或垂直位移，JPEG图像的Y、U和V三个分量上的置乱密钥不同；
(1-8)图像拥有者按照上述步骤对所有图像加密后得到密文图像库，将密文图形库上传至云服务器。
3.根据权利要求1或2所述基于树形BoW模型的密文JPEG图像检索方法，其特征在于：在所述步骤(2)中，特征的提取及转化过程的具体步骤如下：
(2-1)对于一幅密文JPEG图像，云服务器将一幅JPEG图像Y、U、V三个分量量化后的DCT系数按照8×8为单位分块，共n块；在第i(1≤i≤n)个DCT块中，经过Zig-zag扫描排序后的AC系数表示为Ai＝[a1,a2,...,a63]；然后将获得每个DCT块加密后的AC系数A'i＝[a′1,a'2,...,a'63]，对其进行游程编码后获得(r,v)对，其中r是系数中连续为零的个数，v为系数中不为零的数值；计算该DCT块的局部特征如下：
fi＝[n,m1,s1,m2,s2]
式中，n为块内(r,v)对的数目，m1,s1分别为r的均值和方差，m2,s2分别为v的均值和方差；
(2-2)计算所有图像的局部特征间的曼哈顿距离；
(2-3)选择距离最小的两个局部特征，生成高层节点，公式如下：
f1,2＝(f1+f2)/2
其中，f1,f2为两个局部特征，f1,2为生成的高层节点；
(2-4)对所有的局部特征重复所述步骤(2-3)，再对高层节点重复这一过程，最后剩下一个节点，即建立了一棵分层索引树；
(2-5)从索引树中选择一层作为BoW层，该层的所有节点是视觉单词，层数l的选择参照公式：
Figure FDA0002199866000000031
其中，m是数据库中图像总数，n是所有图像的局部特征的总数；
(2-6)对于图像中的一个局部特征，计算它与索引树根节点的左右子节点的曼哈顿距离；
(2-7)将该特征分配到距离较小的子节点，再计算该特征与该节点的左右子节点的距离，重复这一步骤直到到达BoW层；
(2-8)将特征被归类于所述BoW层中最接近的视觉单词；
(2-9)重复步骤所述(2-6)-(2-8)，得到一幅图像中所有局部特征的视觉单词，该图像就由视觉单词的频率来表示：H＝[w1,...,wt,...,wd]，即该图像的全局特征，其中，wt指的是属于第t个视觉单词的特征个数，d是视觉单词总数。
4.根据权利要求3所述基于树形BoW模型的密文JPEG图像检索方法，其特征在于：在所述步骤(3)中，密文图像检索过程的具体步骤如下：
(3-1)用户按照所述步骤(1)的方法将查询图像加密后上传至云服务器；
(3-2)云服务器根据步骤(2-1)计算密文查询图像的局部特征；
(3-3)云服务器根据步骤(2-6)-(2-9)，将局部特征转化为全局特征；
(3-4)计算计算查询图像与数据库中所有图像的全局特征间的卡方距离：
Figure FDA0002199866000000032
其中，H1,H2是图像的全局特征，d是视觉单词总数，H1(t)表示特征H1的第t维度数值，H2(t)表示特征H2的第t维度数值；
(3-5)按照距离排序后，服务器返回给用户相应的图像信息。
CN201810205847.1A 2018-03-13 2018-03-13 基于树形BoW模型的密文JPEG图像检索方法 Expired - Fee Related CN108600573B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810205847.1A CN108600573B (zh) 2018-03-13 2018-03-13 基于树形BoW模型的密文JPEG图像检索方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810205847.1A CN108600573B (zh) 2018-03-13 2018-03-13 基于树形BoW模型的密文JPEG图像检索方法

Publications (2)

Publication Number Publication Date
CN108600573A CN108600573A (zh) 2018-09-28
CN108600573B true CN108600573B (zh) 2020-05-19

Family

ID=63626129

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810205847.1A Expired - Fee Related CN108600573B (zh) 2018-03-13 2018-03-13 基于树形BoW模型的密文JPEG图像检索方法

Country Status (1)

Country Link
CN (1) CN108600573B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110298363A (zh) * 2019-06-27 2019-10-01 西安电子科技大学 一种加密图像上的隐私保护lbp特征提取方法
CN112468677B (zh) * 2020-11-27 2022-09-27 中国农业银行股份有限公司 一种数据加解密方法、装置及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106462568A (zh) * 2014-02-13 2017-02-22 河谷控股Ip有限责任公司 全局视觉词汇、系统和方法
CN107315812A (zh) * 2017-06-28 2017-11-03 武汉大学 一种云环境下基于词袋模型的图像安全检索方法
CN107480163A (zh) * 2017-06-19 2017-12-15 西安电子科技大学 一种云环境下支持隐私保护的高效密文图像检索方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130081159A1 (en) * 2011-07-29 2013-03-28 Seagate Technology Llc Advanced atomic force microscopy scanning for obtaining a true shape

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106462568A (zh) * 2014-02-13 2017-02-22 河谷控股Ip有限责任公司 全局视觉词汇、系统和方法
CN107480163A (zh) * 2017-06-19 2017-12-15 西安电子科技大学 一种云环境下支持隐私保护的高效密文图像检索方法
CN107315812A (zh) * 2017-06-28 2017-11-03 武汉大学 一种云环境下基于词袋模型的图像安全检索方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Markov process-based retrieval for encrypted JPEG images;Hang Cheng 等;《Information Security》;20161231;全文 *
一种云环境下JPEG图像的安全检索方法;韩威 等;《计算机应用研究》;20170430;第34卷(第4期);全文 *
密文JPEG图像检索研究;程航;《博士论文库》;20170415;全文 *

Also Published As

Publication number Publication date
CN108600573A (zh) 2018-09-28

Similar Documents

Publication Publication Date Title
CN107480163B (zh) 一种云环境下支持隐私保护的高效密文图像检索方法
Cheng et al. Markov process-based retrieval for encrypted JPEG images
Cheng et al. Encrypted JPEG image retrieval using block-wise feature comparison
Joshi et al. A new method of image steganography using 7th bit of a pixel as indicator by introducing the successive temporary pixel in the gray scale image
CN109543061B (zh) 一种支持多密钥的加密图像检索方法
CN108256031B (zh) 一种支持隐私保护的多源加密图像检索方法
CN108959567B (zh) 一种云环境下适用于大规模图像的安全检索方法
CN104331448A (zh) 基于jpeg图像交流系数直方图的密文域图像检索方法
CN110659379A (zh) 一种基于深度卷积网络特征的可搜索加密图像检索方法
CN109471964A (zh) 一种基于同义词集的模糊多关键词可搜索加密方法
Cheng et al. AC-coefficient histogram-based retrieval for encrypted JPEG images
Xu et al. A large-scale secure image retrieval method in cloud environment
CN108334593B (zh) 一种安全的云环境下的密文图像去重方法、云服务器
CN108600573B (zh) 基于树形BoW模型的密文JPEG图像检索方法
Zhang et al. Histogram-based retrieval for encrypted JPEG images
Benedict Improved file security system using multiple image steganography
CN111325807B (zh) 一种基于jpeg图像的加密与特征提取方法
CN113626645B (zh) 分级优化的高效密文模糊检索方法及相关设备
Li et al. Coverless Video Steganography Based on Frame Sequence Perceptual Distance Mapping.
Yu et al. A privacy-preserving JPEG image retrieval scheme using the local Markov feature and bag-of-words model in cloud computing
Tang et al. OPPR: An outsourcing privacy-preserving JPEG image retrieval scheme with local histograms in cloud environment
Feng et al. Evit: Privacy-preserving image retrieval via encrypted vision transformer in cloud computing
CN111598766B (zh) 基于预测误差扩展的加密域三维模型可逆信息隐藏方法
Li et al. Encrypted jpeg image retrieval using histograms of transformed coefficients
CN111324766A (zh) 一种基于lbp特征的加密图像检索方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200519

CF01 Termination of patent right due to non-payment of annual fee