CN110751083B - 基于同态加密保护的宝石图像特征识别方法 - Google Patents
基于同态加密保护的宝石图像特征识别方法 Download PDFInfo
- Publication number
- CN110751083B CN110751083B CN201910987128.4A CN201910987128A CN110751083B CN 110751083 B CN110751083 B CN 110751083B CN 201910987128 A CN201910987128 A CN 201910987128A CN 110751083 B CN110751083 B CN 110751083B
- Authority
- CN
- China
- Prior art keywords
- feature
- gem
- gemstone
- curve
- image
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/80—Recognising image objects characterised by unique random patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
一种基于同态加密保护的宝石图像特征识别方法,通过对宝石检测图像进行特征提取并与宝石内含物特征合并编码后加密生成识别库,再通过对待测宝石的身份特征编码进行比较实现识别;本发明能够形成每颗独一无二的身份编码以识别宝石的身份的同时采用全同态方式进行加密,使之既可以运算来实现宝石身份识别,同时不会泄露这些数据。
Description
技术领域
本发明涉及的是一种宝石鉴定领域的技术,具体是一种基于同态加密保护的宝石图像特征识别方法。
背景技术
宝石合成技术越来越先进,合成宝石甚至使用一些传统的简易检测手段都无法检出,这对整个宝石行业已经造成了严重的问题。
发明内容
本发明针对现有技术存在的上述不足,提出一种基于同态加密保护的宝石图像特征识别方法,使用宝石的放大镜下的清晰照片,针对每颗宝石的独特物理特征,诸如包裹体、内含物等,形成每颗独一无二的身份编码,类似人类的指纹,因此可以通过这种方式识别宝石的身份。但是,如果造假者掌握了这些物理特征数据,也有可能加以伪造。因此,需要对宝石物理特征数据进行保护,使之既可以运算来实现宝石身份识别,同时不会泄露这些数据。
本发明是通过以下技术方案实现的:
本发明通过对宝石检测图像进行特征提取并与宝石内含物特征一并编码后加密生成识别库,再通过对待测宝石的特征编码进行比较实现识别。
所述的特征提取,基于宝石检测图像采用具有旋转不变性和灰度不变性的RILBP算子提取得到后,将RILBP指标替代像素灰度,进行图像缩减和旋转后,再使用Haar-like指标提取图像特征。
所述的宝石内含物特征是指:通过内含物边缘曲线基于不规则图形的曲线边界的四顶点表达式、八顶点表达式、内含物的重心的坐标以及边界点最小夹表征。
所述的加密,包括对提取到的特征编码后使用完全同态加密技术将编码中的参数取值进行加密作为身份特征编码。
所述的比较,利用公钥将待识别宝石进行特征编码,并将编码结果与预存的身份特征编码进行比对以实现识别。
本发明涉及一种实现上述方法的系统,包括:特征提取单元、内含物特征单元、加密单元以及比较单元,其中:特征提取单元和内含物特征单元分别获取真实宝石检测图像和待测宝石检测图像并将分别提取到的对应Haar-like特征向量和宝石内含物特征输出至加密单元,比较单元通过公开方式获得公钥并输出至加密单元,加密单元采用多项式完全同态加密算法分别采用来自比较单元的公钥和内置的私钥进行加密并得到真实宝石和待测宝石的特征编码并实现比较。
技术效果
与现有技术相比,本发明采用两种截然不同的特征定义和提取方法,使用计算机图形学和宝石学两种独立的知识体系来定义特征。这样可以在宝石识别时,根据具体场景要求灵活选择恰当的特征提取方法,获得稳定可靠的识别结果。同时,采用这种独立双特征的识别模式,在识别图像质量较低,或者存在变形的条件下,也同样可以有效的进行识别;进一步配合完全同态加密方法,特征编码可以在不泄露明文的情况下直接在加密状态下对待识别宝石特征进行比对运算。
附图说明
图1为宝石特征结构示意图;
图2为实施例宝石示意图;
图3为图2特征提取示意图;
图4a~图4e为几何特征提取过程示意图;
图5为宝石特征提取过程示意图;
图6为实施例流程示意图。
具体实施方式
本实施例包括:
步骤一、图片灰度纹理特征提取:根据宝石检测图像,采用具有旋转不变性和灰度不变性的RILBP算子来提取检测图像特征,将RILBP指标替代像素灰度,进行图像缩减和旋转后,再使用Haar-like指标提取图像特征。
所述的RILBP(Rotation Invariant LBP)算子是基于LBP(Local BinaryPattern,局部二值模式)的改进方案,实现了LBP特征的旋转不变性,实现在输入图像任意角度旋转下始终保持特征取值的稳定性,即对转换前像素点对应的原始LBP二进制编码循环移位,一个像素点对应8种二进制编码,然后将这8种二进制编码转换为十进制数值,找到其中最小数值作为像素点的特征值,具体包括:
i)针对宝石图像进行预处理,包括:拍摄设备及环境标准、特征平面选取、照片清晰度筛选、照片颜色矫正、滤波处理、边缘锐化处理、二值化处理等,确定轮廓,缩放识别区域到标准像素尺寸得到如图2和图3所示的特征照片。
ii)遍历识别区域图像,计算每个3*3像素区域的RILBP指标,并以中心点替代像素区域,缩减识别区域图像,总像素缩减为原图的1/9;
iii)对缩减后的识别区域图像进行旋转变换,让轮廓上拥有最大RILBP指标之和的3*3像素区域位于图像底部。
所述的Haar-like指标包括:针对旋转后的图像提取Haar-Like系列指标,包含16个特征结构,如图1所示,将图1中每个Haar-like特征的白色区域内的像素值之和减去黑色部分的像素和,得到Haar-like特征值,使用特征向量[H1,H2,H3,H4,H5,H6,H7,H8,H9,H10,H11,H12,H13,H14,H15,H16]作为待标识区域的特征,记作H,即Haar-like特征向量。
步骤二、使用不规则图形的曲线边界表示法表征宝石内含物特征,即通过内含物边缘曲线基于不规则图形的曲线边界的四顶点表达式、八顶点表达式、内含物的重心的坐标以及边界点最小夹表征,具体步骤包括:
2.1)选取适当平面坐标系统以确定宝石边缘曲线,计算得到重心坐标O=(Xo,Yo);
2.3)更新极坐标系统至极轴为OA0,如图4所示;使用不规则图形的曲线边界表示法,在极坐标系统OA0下写出宝石边缘曲线的四顶点表达式B0和八顶点表达式Bn。
如图4所示,所述的不规则图形的曲线边界表示法是指:
一、通过宝石边缘曲线上距离最远的两个点的连线D1D2将其分为两部分,分别在两段宝石边缘曲线上获得距离直线D1D2最远的点D3、D4,并将宝石边缘曲线分成四段;
二、在曲线D1D3上找到一与外部边界的矩形面积最大的点,例如D5,采用类似方式得到另外三段曲线上的三个点,组成{D5,D6,D7,D8};
三、以D4和D1为顶点做椭圆形所得该1/4部分椭圆面积与该部分宝石边缘曲线所围面积之比为R41;采用类似方式得到另外三段曲线上的面积比,组成四个曲线段的内切椭圆面积覆盖率{R13,R32,R24,R41};
四、以{D1,D2,D3,D4,D5,D6,D7,D8,R13,R32,R24,R41}作为该不规则曲线边界的八顶点表达式,以{D1,D2,D3,D4,R13,R32,R24,R41}作为该不规则曲线边界的四顶点表达式。
步骤三、以基于系数映射的多项式完全同态加密算法对{H,P,B0,[{Bn,On,Θn}]}进行加密,得到受保护的特征编码ECode0,其中:H为Haar-like特征向量;P为宝石主要物理特征参数测量;B0为内含物边缘曲线基于不规则图形的曲线边界的四顶点表达式;Bn为内含物边缘曲线基于不规则图形的曲线边界的八顶点表达式;On为内含物的重心的坐标;Θn为边界点最小夹角。
所述的主要物理特征参数测量包括:重量、外形尺寸、莫氏硬度、折射率;
所述的加密,具体为:根据n维明文向量P=(v1,v2,...,vn),加密密钥为K={f,Z},设则有A1={a1i,i∈I},An={ani,i∈I},X={xi,i∈I},I={1,2},得到密文为C={A1,A2,...,An,X},该密文表示法比针对特征向量的每一个分量进行加密得到的密文向量节省几乎一半的存储空间和计算时间,这种表达形式下,由于对所有分量,其密文的X均相同,因此向量密文的加减法可以非常快速的进行处理,同时可以节省大量的密文存储空间。
所述的加密,优选先将{H,P,B0,[{Bn,On,Θn}]}展开成一维向量,然后进行加密,得到加密特征编码ECode0。
所述的加密特征编码ECode0可以直接保持在云服务中,或者通过QRCode等形式打印在宝石随附的证书上。
步骤四、当需要对宝石进行识别时,重复步骤一和步骤二的特征提取步骤,即通过放大镜照片获取待识别宝石的Haar-like特征和内含物轮廓几何特征,然后使用识别服务所提供的比较公钥,对特征值进行加密,得到特征编码ECode1,对ECode0和ECode1求差,并将所得到的差DeltaCode中每个分量di与对应的阈值σi进行比较,使用密文比较运算得到di-σi<0的结果,当对任意i∈I,存在di-σi<0的结果为false,则可以判断待识别宝石不是登记的宝石;否则可以判断待识别宝石就是登记的宝石。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整,本发明的保护范围以权利要求书为准且不由上述具体实施所限,在其范围内的各个实现方案均受本发明之约束。
Claims (10)
1.一种基于同态加密保护的宝石图像特征识别方法,其特征在于,通过对宝石检测图像进行特征提取并与宝石内含物特征合并编码后加密生成识别库,再通过对待测宝石的身份特征编码进行比较实现识别;
所述的特征提取,基于宝石检测图像采用具有旋转不变性和灰度不变性的RILBP算子提取得到后,将RILBP指标替代像素灰度,进行图像缩减和旋转后,再使用Haar-like指标提取图像特征;
所述的宝石内含物特征是指:通过内含物边缘曲线基于不规则图形的曲线边界的四顶点表达式、八顶点表达式、内含物的重心的坐标以及边界点最小夹表征;
所述的加密,使用完全同态加密技术将编码中的参数取值进行加密作为身份特征编码;
所述的比较,利用公钥将待识别宝石进行特征编码,并将编码结果与预存的身份特征编码进行比对以实现识别。
2.根据权利要求1所述的方法,其特征是,所述的RILBP算子通过在输入图像任意角度旋转下始终保持特征取值的稳定性,即对转换前像素点对应的原始LBP二进制编码循环移位,一个像素点对应8种二进制编码,然后将这8种二进制编码转换为十进制数值,找到其中最小数值作为像素点的特征值。
3.根据权利要求1或2所述的方法,其特征是,所述的RILBP算子提取,具体包括:
i)针对宝石图像进行预处理,包括:拍摄设备及环境标准、特征平面选取、照片清晰度筛选、照片颜色矫正、滤波处理、边缘锐化处理、二值化处理等,确定轮廓,缩放识别区域到标准像素尺寸得到特征照片;
ii)遍历识别区域图像,计算每个3*3像素区域的RILBP指标,并以中心点替代像素区域,缩减识别区域图像,总像素缩减为原图的1/9;
iii)对缩减后的识别区域图像进行旋转变换,让轮廓上拥有最大RILBP指标之和的3*3像素区域位于图像底部。
4.根据权利要求1所述的方法,其特征是,所述的Haar-like指标包括:针对旋转后的图像提取Haar-Like系列指标,包含16个特征结构,具体为:将每个Haar-like特征的白色区域内的像素值之和减去黑色部分的像素和,得到Haar-like特征值,使用特征向量[H1,H2,H3,H4,H5,H6,H7,H8,H9,H10,H11,H12,H13,H14,H15,H16]作为待标识区域的特征,记作H,即Haar-like特征向量。
6.根据权利要求5所述的方法,其特征是,所述的不规则图形的曲线边界表示法是指:
一、通过宝石边缘曲线上距离最远的两个点的连线D1D2将其分为两部分,分别在两段宝石边缘曲线上获得距离直线D1D2最远的点D3、D4,并将宝石边缘曲线分成四段;
二、在曲线D1D3上找到与外部边界的矩形面积最大的点,即D5,采用类似方式得到另外三段曲线上的三个点,组成{D5,D6,D7,D8};
三、以D4和D1分别作为长短轴的顶点做椭圆形所得该1/4部分椭圆面积与该部分宝石边缘曲线所围面积之比为R41;采用类似方式得到另外三段曲线上的面积比,组成四个曲线段的内切椭圆面积覆盖率{R13,R32,R24,R41};
四、以{D1,D2,D3,D4,D5,D6,D7,D8,R13,R32,R24,R41}作为该不规则曲线边界的八顶点表达式,以{D1,D2,D3,D4,R13,R32,R24,R41}作为该不规则曲线边界的四顶点表达式。
7.根据权利要求1所述的方法,其特征是,所述的合并编码后加密是指:将合并后的特征{H,P,B0,[{Bn,On,Θn}]}以基于系数映射的多项式完全同态加密算法进行加密,得到受保护的特征编码ECode0,其中:H为特征提取得到的Haar-like特征向量;P为宝石主要物理特征参数;B0为宝石内含物特征中的内含物边缘曲线基于不规则图形的曲线边界的四顶点表达式;Bn为宝石内含物特征中的内含物边缘曲线基于不规则图形的曲线边界的八顶点表达式;On为宝石内含物特征中的内含物的重心的坐标;Θn为宝石内含物特征中的边界点最小夹角。
9.根据权利要求8所述的方法,其特征是,所述的比较是指:通过放大镜照片获取待识别宝石的Haar-like特征和内含物轮廓几何特征,然后使用识别服务所提供的比较公钥,对特征值进行加密,得到特征编码ECode1,对ECode0和ECode1求差,并将所得到的差DeltaCode中每个分量di与对应的阈值σi进行比较,使用密文比较运算得到di-σi<0的结果,当对任意i∈I,存在di-σi<0的结果为false,则可以判断待识别宝石不是登记的宝石;否则可以判断待识别宝石就是登记的宝石。
10.一种实现上述任一权利要求所述方法的系统,其特征在于,包括:特征提取单元、内含物特征单元、加密单元以及比较单元,其中:特征提取单元和内含物特征单元分别获取真实宝石检测图像和待测宝石检测图像并将分别提取到的对应Haar-like特征向量和宝石内含物特征输出至加密单元,比较单元通过公开方式获得公钥并输出至加密单元,加密单元采用多项式完全同态加密算法分别采用来自比较单元的公钥和内置的私钥进行加密并得到真实宝石和待测宝石的特征编码并实现比较。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910987128.4A CN110751083B (zh) | 2019-10-17 | 2019-10-17 | 基于同态加密保护的宝石图像特征识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910987128.4A CN110751083B (zh) | 2019-10-17 | 2019-10-17 | 基于同态加密保护的宝石图像特征识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110751083A CN110751083A (zh) | 2020-02-04 |
CN110751083B true CN110751083B (zh) | 2023-04-18 |
Family
ID=69278702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910987128.4A Active CN110751083B (zh) | 2019-10-17 | 2019-10-17 | 基于同态加密保护的宝石图像特征识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110751083B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726494A (zh) * | 2008-10-14 | 2010-06-09 | 环球收藏家公司 | 用于确定目标宝石图案对宝石图案数据库的百分比匹配的宝石图案匹配算法 |
CN102831567A (zh) * | 2012-07-02 | 2012-12-19 | 湖北联合天诚防伪技术股份有限公司 | 一种防伪图像多层莫尔加密的方法 |
CN103259660A (zh) * | 2013-04-15 | 2013-08-21 | 山东大学 | 基于相位恢复和椭圆曲线数字签名算法的图像认证方法 |
CN107238409A (zh) * | 2017-05-05 | 2017-10-10 | 刘厚祥 | 一种用于识别宝石身份的方法及其识别系统 |
CN109099867A (zh) * | 2018-06-26 | 2018-12-28 | 无锡新吉凯氏测量技术有限公司 | 一种基于几何形态信息的宝石认证和识别系统及方法 |
CN109165581A (zh) * | 2018-08-09 | 2019-01-08 | 广州洪荒智能科技有限公司 | 一种基于同态加密的隐私保护人脸识别方法 |
CN109682414A (zh) * | 2019-02-28 | 2019-04-26 | 襄阳爱默思智能检测装备有限公司 | 一种宝石身份的特征表征和识别方法 |
JP2019113665A (ja) * | 2017-12-22 | 2019-07-11 | 株式会社アクセル | 撮像モジュール、画像処理デバイス、画像処理方法、および画像処理プログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3254089A4 (en) * | 2015-02-05 | 2019-07-17 | RGV Group LLC | SYSTEMS AND METHOD FOR GEMSTONE IDENTIFICATION |
-
2019
- 2019-10-17 CN CN201910987128.4A patent/CN110751083B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726494A (zh) * | 2008-10-14 | 2010-06-09 | 环球收藏家公司 | 用于确定目标宝石图案对宝石图案数据库的百分比匹配的宝石图案匹配算法 |
CN102831567A (zh) * | 2012-07-02 | 2012-12-19 | 湖北联合天诚防伪技术股份有限公司 | 一种防伪图像多层莫尔加密的方法 |
CN103259660A (zh) * | 2013-04-15 | 2013-08-21 | 山东大学 | 基于相位恢复和椭圆曲线数字签名算法的图像认证方法 |
CN107238409A (zh) * | 2017-05-05 | 2017-10-10 | 刘厚祥 | 一种用于识别宝石身份的方法及其识别系统 |
WO2018201580A1 (zh) * | 2017-05-05 | 2018-11-08 | 刘厚祥 | 一种用于识别宝石身份的方法及其识别系统 |
JP2019113665A (ja) * | 2017-12-22 | 2019-07-11 | 株式会社アクセル | 撮像モジュール、画像処理デバイス、画像処理方法、および画像処理プログラム |
CN109099867A (zh) * | 2018-06-26 | 2018-12-28 | 无锡新吉凯氏测量技术有限公司 | 一种基于几何形态信息的宝石认证和识别系统及方法 |
CN109165581A (zh) * | 2018-08-09 | 2019-01-08 | 广州洪荒智能科技有限公司 | 一种基于同态加密的隐私保护人脸识别方法 |
CN109682414A (zh) * | 2019-02-28 | 2019-04-26 | 襄阳爱默思智能检测装备有限公司 | 一种宝石身份的特征表征和识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110751083A (zh) | 2020-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Busternet: Detecting copy-move image forgery with source/target localization | |
US11055589B2 (en) | Method for authenticating an illustration | |
Zhang et al. | A Survey on Passive Image Copy-Move Forgery Detection. | |
Saber et al. | A survey on image forgery detection using different forensic approaches | |
CN105740872B (zh) | 图像特征提取方法及其装置 | |
JP2008065803A (ja) | 画像処理装置及び画像処理プログラム | |
CN104166955B (zh) | 基于保角变换图像哈希生成及图像篡改检测定位方法 | |
CN103729631B (zh) | 一种基于视觉的连接器表面特征自动识别方法 | |
CN110942076B (zh) | 一种陶瓷产品防伪标识生成方法及系统 | |
CN106156684A (zh) | 一种二维码识别方法及装置 | |
CN113516619B (zh) | 一种基于图像处理技术的产品表面瑕疵识别方法 | |
Tang et al. | Robust image hashing via visual attention model and ring partition | |
Minarno et al. | Batik image retrieval based on enhanced micro-structure descriptor | |
Zenati et al. | SSDIS-BEM: A new signature steganography document image system based on beta elliptic modeling | |
Wankhede et al. | A low cost surface strain measurement system using image processing for sheet metal forming applications | |
CN110751083B (zh) | 基于同态加密保护的宝石图像特征识别方法 | |
CN110599478A (zh) | 一种图像区域复制粘贴篡改检测方法 | |
CN108205641B (zh) | 手势图像处理方法及装置 | |
CN117253150A (zh) | 一种基于高分辨率遥感图像的船舶轮廓提取方法及系统 | |
CN106056599B (zh) | 一种基于物体深度数据的物体识别算法及装置 | |
Dixit et al. | Copy-move image forgery detection using frequency-based techniques: a review | |
Chu | Facial expression recognition based on local binary pattern and gradient directional pattern | |
Gu et al. | USM sharpening detection based on sparse coding | |
Wang et al. | Contrastive representation for few-shot vehicle footprint recognition | |
Sánchez-Cruz et al. | A proposal modification of the 3OT chain code |
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 |