CN111325807A - 一种基于jpeg图像的加密与特征提取方法 - Google Patents

Abstract

本发明公开了一种基于JPEG图像的加密和特征提取方法，包括加密方法和特征提取，加密步骤包括：解析JPEG图像；并对图像的VLI码进行异或加密；对量化表进行加密；特征提取步骤包括：解析JPEG图像；将量化DCT系数转化成VLI码的组号索引；对索引值进行截断；计算各通道每一个a×b块的状态转移概率矩阵；计算各通道内的平均状态转移概率矩阵并连接起来作为密文图像特征。本发明提取的密文图像特征可以用来进行检索和分类，简单易行，且具有很高的安全性、效率和准确率。

Description

一种基于JPEG图像的加密与特征提取方法

技术领域

本发明属于模式识别技术领域，特别涉及了一种基于JPEG图像的加密与特征提取方法。

背景技术

随着基于内容的图像检索技术(CBIR)、云计算等相关技术的发展，将图像检索这一任务外包给云服务器受到了人们的广泛关注。通过这种方式，可以将图像拥有者从复杂的计算和管理中解脱出来，通过互联网来检索所需的图像。然而，云服务器有可能被黑客攻击，图像中包含的隐私有可能被泄漏，因此图像外包给人们带来便利的同时也导致了安全隐患的产生。

为了在保护图像内容的同时支持相似图像的搜索，研究者提出了多种图像搜索加密方法，分为两类：一类是基于特征加密的隐私保护方案，图像所有者首先从图像中提取视觉特征，然后使用标准的加密工具对图像进行保护，并采用专门设计的方法对特征进行加密，以支持距离比较。Lu等人提出了三种基于特征加密的隐私保护方法，即位平面随机化、随机投影和随机一元编码。利用位平面随机化和随机一元编码加密的特征向量，可以直接计算汉明距离。利用随机投影的特征向量可以直接计算L1距离。这三种方法都能很好地保护特征，但与明文域相比会影响检索的准确性。

另一类是基于图像加密的隐私保护方案。在这类方案中，图像所有者只负责对图像进行加密。其他任务，如特征提取、索引构建和搜索操作，可以外包给云服务器，这进一步减轻了用户的负担。Bellafqira等人提出了一种基于图像加密的隐私保护方案，通过同态加密协议对图像进行加密，这种加密图像可以直接提取SIFT和离散小波变换特征。然而，由于提取的直方图也是加密的，因此图像所有者需要解密直方图并将其发送回云服务器进行相似性计算。Xia等人提出了一种使用单词袋模型的外包CBIR方案。通过颜色值替换、块置换和块内像素置换对图像进行加密，从加密的图像块中计算出局部直方图，将局部直方图聚在一起，生成可视的单词；计算视觉词的出现直方图来表示图像，在检索精度方面取得了较大的提高。然而，在空间域进行加密会破坏图像像素之间的相关性。因此，加密的图像不能很好地压缩。

发明内容

发明目的：为了解决上述问题，本发明提供一种基于JPEG图像的加密与特征提取方法。该方法可以保证原始图像与加密图像的大小不变，具有较高的安全性；提取的密文图像特征可以用于密文图像检索，且具有较高的检索精度。

技术方案：为实现本发明的目的，本发明所采用的技术方案是：

一种基于JPEG图像的加密与特征提取方法，包括以下步骤：

S1，对原始JPEG图像进行解码，得到图像的VLI编码和量化表；

S2，对图像的VLI编码和量化表进行流加密，将加密后的图像上传到云服务器；

S3，云服务器接收到加密图像后，解码加密的JPEG图像，得到图像的VLI编码；

S4，云服务器还原Y、U、V三个通道的量化DCT系数矩阵，分别记为D_Y,D_U,D_V；

S5，将矩阵D_Y,D_U,D_V中的每一个元素根据VLI码表转换为其相应的组号索引值，转换后得到的矩阵记为R_Y,R_U,R_V；

S6，对矩阵R_Y,R_U,R_V中的元素进行截断处理，处理后的矩阵记为R′_Y,R′_U,R′_V；

S7，将矩阵R′_Y,R′_U,R′_V划分为a×b的块，将块中包含的a×b个元素按指定方向重新排列成一个序列S；

S8，将序列S作为一条马尔可夫链，计算每一条序列S的状态转移概率矩阵M；

S9，在Y、U、V三个通道内计算平均状态转移概率矩阵M′_Y,M′_U,M′_V并连接形成d维的特征MM。

进一步地，所述步骤S2，对VLI编码进行流加密，加密算法为：

式中，V为原图像的VLI码，V′为加密后的VLI码，e^V是加密密钥，

为异或操作，←为赋值操作。

进一步地，所述步骤S2，对量化表进行流加密，所述量化表包括亮度量化表和色差量化表，加密算法为：

式中，Quan_Y为亮度量化表，Quan_UV为色度量化表，e^Y和e^UV分别是相应量化表的加密密钥。

进一步地，所述步骤S5，将D_Y,D_U,D_V中的每一个元素根据VLI码表转换为其相应的组号索引值，转换后得到的矩阵记为R_Y,R_U,R_V，表示为：

式中，Group index[x]为元素x在VLI码表上的索引值。

进一步地，所述步骤S6，为了减少待提取特征的维数，减轻计算复杂度，需要对矩阵R_Y,R_U,R_V中的元素进行截断处理，处理之后的矩阵记为R′_Y,R′_U,R′_V，截断算法表示如下：

式中，T为截断阈值，优选地，T的取值为8，r_Y,r_U,r_V分别为矩阵R_Y,R_U,R_V中的元素，r′_Y,r′_U,r′_V分别为矩阵R′_Y,R′_U,R′_V中的元素。

进一步地，所述步骤S8，Y通道上的状态转移概率矩阵M_Y的计算方法为：

式中，x,y均为整数，取值范围为[0,T]，T为截断阈值；S_t为第t条重排序列；当q成立时δ(q)＝1，否则δ(q)＝0；i为a×b块的索引，i＝1,2,…,blknum_Y,blknum_Y为矩阵R′_Y内a×b块的个数；对于任意的i，

是一个(T+1)×(T+1)维的矩阵；

U、V通道的状态转移概率矩阵M_U,M_V的计算方法与Y通道相同。

进一步地，所述步骤S9，平均状态转移概率矩阵计算方法为：

MM＝[M′_Y,M′_U,M′_V] (7)

式中，MM为密文图像特征，blknum_Y，blknum_U和blknum_V分别为矩阵R′_Y,R′_U,R′_V的a×b块的块数；特征MM的维度d＝3×(T+1)×(T+1)，T为截断阈值。

有益效果：与现有技术相比，本发明的技术方案具有以下有益的技术效果：

本发明公开的一种基于JPEG图像的加密与特征提取方法，加密方法是对图像JPEG流进行加密，所以加密步骤满足图像大小不变的要求，满足格式兼容和文件大小不变的要求。本发明对组号索引值矩阵R_Y,R_U,R_V中的元素进行截断处理，减少了特征的维数，使得在加密图像检索中可以获得较高的效率。本发明计算了三个通道内的平均状态转移概率矩阵，利用了截断处理后的矩阵R′_Y,R′_U,R′_V中元素之间的相关性，能够在加密图像检索中提高检索精度。本发明提取的密文图像特征可以用来进行检索和分类，简单易行，在进行检索时，检测精度更高，且具有很高的安全性、效率和准确率。

附图说明

图1是本发明的算法流程图；

图2是本发明的JPEG图像的组成示意图；

图3是本发明的VLI码表示意图；

图4是本发明将量化的DCT系数转化成其组号索引的过程图；

图5是本发明将组号索引按指定方向排列成新的序列的过程图；

图6是本发明实施例的图像加密效果图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步的说明。

本发明所述的一种基于JPEG图像的加密与特征提取方法是用于JPEG加密图像检索的核心步骤，利用本发明提出的特征提取算法，可以用来进行检索和分类。结合已有的检索算法(如词袋模型)，可以获得较高的检索精度。

如图1所示，本发明包括加密和特征提取两个部分。加密步骤包括：①解析JPEG图像；②对图像的VLI码进行异或加密；③对量化表进行加密。特征提取步骤包括：①解析JPEG图像；②将量化DCT系数转化成VLI码的组号索引；③对索引值进行截断；④计算各通道每一个块的状态转移概率矩阵；⑤计算各通道内的平均状态转移概率矩阵并连接起来作为密文图像特征。下面详细介绍每个步骤的具体流程。

S1，对原始JPEG图像进行解码，得到图像的VLI编码和量化表。

本实施例中采用Inria Holidays图像库中的JPEG图像文件进行说明，如图2所示，JPEG图像包括量化表、哈夫曼表、哈夫曼编码以及VLI编码。

S2，对图像的VLI编码和量化表进行流加密，将加密后的图像上传到云服务器；

对VLI编码进行流加密，加密算法为：

式中，V为原图像的VLI码，V′为加密后的VLI码，e^V是加密密钥，

为异或操作，←为赋值操作。

对量化表进行流加密，所述量化表包括亮度量化表和色差量化表，加密算法为：

式中，Quan_Y为亮度量化表，Quan_UV为色度量化表，e^Y和e^UV分别是相应量化表的加密密钥。

S3，云服务器接收到加密图像后，解码加密的JPEG图像，得到图像的VLI编码；VLI码表如图3所示。

S4，云服务器还原Y、U、V三个通道的量化DCT系数矩阵，分别记为D_Y,D_U,D_V。

S5，将矩阵D_Y,D_U,D_V中的每一个元素根据VLI码表转换为其相应的组号索引值，转换后得到的矩阵记为R_Y,R_U,R_V，表示为：

式中，Group index[x]为元素x在VLI码表上的索引值。将量化的DCT系数转化成其相应的组号索引的过程如图4所示。

S6，为了减少待提取特征的维数，减轻计算复杂度，对矩阵R_Y,R_U,R_V中的元素进行截断处理，处理后的矩阵记为R′_Y,R′_U,R′_V；截断算法表示如下：

式中，T为截断阈值，本实施例中，T的取值为8，r_Y,r_U,r_V分别为矩阵R_Y,R_U,R_V中的元素，r′_Y,r′_U,r′_V分别为矩阵R′_Y,R′_U,R′_V中的元素。

S7，将矩阵R′_Y,R′_U,R′_V划分为8×8的块，每个块中含有64个元素，将块中包含的64个元素按指定方向重新排列成一个序列S；如图5所示。

S8，将序列S作为一条马尔可夫链，计算每一条序列S的状态转移概率矩阵M；Y通道上的状态转移概率矩阵M_Y的计算方法为：

式中，x,y均为整数，取值范围为[0,T]，T为截断阈值；S_t为第t条重排序列；当q成立时δ(q)＝1，否则δ(q)＝0；i为8×8块的索引，i＝1,2,…,blknum_Y,blknum_Y为矩阵R′_Y内8×8块的个数；对于任意的i，

是一个(T+1)×(T+1)维的矩阵；

U、V通道的状态转移概率矩阵M_U,M_V的计算方法与Y通道相同。

S9，在Y、U、V三个通道内计算平均状态转移概率矩阵M＇_Y,M＇_U,M′_V并连接形成d维的特征MM，d＝3×(T+1)×(T+1)；特征MM的维度d＝3×(T+1)×(T+1)，T为截断阈值。

平均状态转移概率矩阵计算方法为：

MM＝[M′_Y,M′_U,M′_V] (7)

式中，MM为密文图像特征，blknum_Y，blknum_U和blknum_V分别为矩阵R′_Y,R′_U,R′_V的8×8块的块数。

本实施例的图像加密效果如图6所示，图6(a)为原图，图6(b)为经过步骤S2中将VLI码进行流加密之后的图像，图6(c)为经过步骤S2中将量化表进行流加密之后的图像，图6(d)为经过步骤S2中将VLI码和量化表进行联合加密后的图像。

以上所述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来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (6)

1.一种基于JPEG图像的加密与特征提取方法，其特征在于：包括以下步骤：

S1，对原始JPEG图像进行解码，得到图像的VLI编码和量化表；

S2，对图像的VLI编码和量化表进行流加密，将加密后的图像上传到云服务器；

S3，云服务器接收到加密图像后，解码加密的JPEG图像，得到图像的VLI编码；

S4，云服务器还原Y、U、V三个通道的量化DCT系数矩阵，分别记为D_Y,D_U,D_V；

S5，将矩阵D_Y,D_U,D_V中的每一个元素根据VLI码表转换为其相应的组号索引值，转换后得到的矩阵记为R_Y,R_U,R_V；

S6，对矩阵R_Y,R_U,R_V中的元素进行截断处理，处理后的矩阵记为R′_Y,R′_U,R′_V；

S7，将矩阵R′_Y,R′_U,R′_V划分为a×b的块，将块中包含的a×b个元素按指定方向重新排列成一个序列S；

S8，将序列S作为一条马尔可夫链，计算每一条序列S的状态转移概率矩阵M；

S9，在Y、U、V三个通道内计算平均状态转移概率矩阵M′_Y,M′_U,M′_V并连接形成d维的特征MM。

2.根据权利要求1所述的一种基于JPEG图像的加密与特征提取方法，其特征在于：所述步骤S2，对VLI编码进行流加密，加密算法为：

式中，V为原图像的VLI码，V′为加密后的VLI码，e^V是加密密钥，

为异或操作，←为赋值操作。

3.根据权利要求2所述的一种基于JPEG图像的加密与特征提取方法，其特征在于：所述步骤S2，对量化表进行流加密，所述量化表包括亮度量化表和色差量化表，加密算法为：

式中，Quan_Y为亮度量化表，Quan_UV为色度量化表，e^Y和e^UV分别是相应量化表的加密密钥。

4.根据权利要求1所述的一种基于JPEG图像的加密与特征提取方法，其特征在于：所述步骤S6，截断算法表示如下：

式中，T为截断阈值，r_Y,r_U,r_V分别为矩阵R_Y,R_U,R_V中的元素，r′_Y,r′_U,r′_V分别为矩阵R′_Y,R′_U,R′_Y中的元素。

5.根据权利要求1-4任一所述的一种基于JPEG图像的加密与特征提取方法，其特征在于：所述步骤S8，Y通道上的状态转移概率矩阵M_Y的计算方法为：

式中，x,y均为整数，取值范围为[0,T]，T为截断阈值；S_t为第t条重排序列；当q成立时δ(q)＝1，否则δ(q)＝0；i为a×b块的索引，i＝1,2,…,blknum_Y,blknum_Y为矩阵R′_Y内a×b块的个数；对于任意的i，

是一个(T+1)×(T+1)维的矩阵；

U、V通道的状态转移概率矩阵M_U,M_V的计算方法与Y通道相同。

6.根据权利要求5所述的一种基于JPEG图像的加密与特征提取方法，其特征在于：所述步骤S9，平均状态转移概率矩阵计算方法为：

MM＝[M′_Y,M′_U,M′_V] (7)

式中，MM为密文图像特征，blknum_Y，blknum_U和blknum_V分别为矩阵R′_Y,R′_U,R′_V的a×b块的块数；特征MM的维度d＝3×(T+1)×(T+1)，T为截断阈值。

Images