CN111510297B - 全局与局部特征结合的高分辨率遥感影像完整性认证方法 - Google Patents

Abstract

本发明公开一种全局与局部特征结合的高分辨率遥感影像完整性认证方法，由哈希生成与哈希判别组成。包括：将原遥感影像划分为互不重叠的规则格网单元；使用Zernike矩对格网单元的全局特征进行提取；使用FAST对格网单元的局部特征进行提取；结合感知哈希技术进行影像哈希构建；结合欧式距离判断、特征点筛选与匹配进行篡改类型判定与篡改定位。该方法将多特征结合的方式应用于高分辨率遥感影像的完整性认证，对内容保持的操作具有较强的鲁棒性，对内容篡改的操作具有较强的敏感性。在保持哈希序列摘要性的同时，能提供较为精确的篡改定位结果。

Description

全局与局部特征结合的高分辨率遥感影像完整性认证方法

技术领域

本发明涉及地理数据安全领域，更具体的说是涉及一种全局与局部特征结合的简单高效的高分辨率遥感影像完整性认证方法。

背景技术

数据的完整性，指的是数据在传输与使用的过程中内容不发生改变。高分辨率遥感影像的完整性是其可用性的前提。如果高分辨率遥感影像(高分影像)的内容完整性受到质疑，则其可用价值将大大降低。因此，如何鉴定高分影像的内容完整性是一个重要的问题。针对遥感数据的完整性认证方法主要有：基于数字签名的方法、基于数字水印的方法、基于感知哈希的方法。

数字签名的实现，一般是数据发送方将原始数据描述为一段唯一的字符串摘要，数据接收方通过哈希对比实现完整性认证。其特点是对数据比特级变化极其敏感，对内容保持类操作没有鲁棒性。其从本质上仅仅检验了数据在二进制表示上的一致性，未顾及数据的内容是否一致。

数字水印的实现，一般是将身份标识信息嵌入到原始数据中，数据接收方通过对应的提取算法提取身份标识信息，这些标识信息的完整性代表着数据的完整性。Jordi提出了一种用于多波段遥感影像的半脆弱水印完整性认证方案，将树形结构矢量量化方法应用于标识信息的生成，对JPEG压缩、高斯噪声等具有较强的鲁棒性。张旭运用数据简略表示法，提出了一种可用于内容重建的遥感脆弱水印，可近似恢复被篡改区域的遥感影像。然而基于数字水印的完整性认证算法普遍具有如下不足：①嵌入水印的过程是对原始数据的修改，这在一些领域是不被允许的；②认证的过程本质上是基于载体的认证，若进行格式转换等不影响内容的操作，可能会使水印信息发生巨大变化。

感知哈希是将多媒体数据映射为哈希序列的一类方法，其对内容保持的操作具有鲁棒性，对改变内容的操作具有敏感性。其实现方式是：在数据的接收端，通过对比哈希序列的相似性并结合判定阈值进行完整性认证。感知哈希的最显著特征是它具有感知鲁棒性，即在对图像进行内容保留操作(如格式转换，水印嵌入等)之后，哈希序列不发生明显变化。与数字水印相比，感知哈希无需向数据中嵌入任何信息，且哈希序列高度依赖于数据的内容，克服了数字水印过分依赖于信息载体的缺点。丁凯孟运用了金字塔模型，构建了一种多尺度的高分影像认证模型。Ding运用Canny算子进行边缘检测，结合使用DWT与Gabor滤波器构建了高分影像的感知哈希完整性认证方法。该方法具有较强的鲁棒性。

尽管基于感知哈希的方法获得了更好的性能，但仍然存在许多缺点：①已有算法多基于单一特征进行完整性认证。遥感影像具有数据海量性的特点，且一般没有明确的主题信息，基于单一特征进行认证的结果说服力不强。②已有遥感数据感知哈希算法的认证本质上是二元决策的过程，即仅有通过认证与不通过认证两种结果，无法给出更多的可解释性信息。

因此如何充分利用遥感影像的特征信息，进一步提高认证方法对内容保持操作的鲁棒性、对内容篡改操作的敏感性、篡改定位的精度，以及提供篡改类型的判定，仍然是一个具有理论意义和实用价值的研究方向。

发明内容

有鉴于此，本发明提供了提出一种基于感知哈希技术的，结合全局特征与局部特征的高分影像完整性认证方法。图1为本发明DEM数据认证方法的总体流程，包括哈希生成和哈希判别两部分。

哈希生成是指将高分影像提取为一段关键性内容摘要进行表示。图1(a)为哈希序列的生成过程，具体步骤如下：首先，采用规则格网划分的策略将原始高分影像划分为大小为256×256的格网区域，对于边界处不及256像素的区域使用零值进行补全；然后，提取每个格网单元的5阶内Zernike矩(共计12个Zernike矩)；随后，运用FAST特征描述子提取每个格网单元的特征点，运用点响应排序、相交判定等方法选择10个特征点作为格网单元的局部特征。图1(b)为哈希判别的过程，具体步骤如下：首先，运用与原始数据相同的格网划分方式对待认证数据进行格网划分；然后，运用欧式距离法判定待认证每个待认证格网单元的完整性，并生成初步判定结果；随后，对于没有通过认证的格网单元，运用特征点匹配与筛选的方法进行篡改位置确定；最后，在影像全局上根据每个格网单元的认证结果生成认证结果与篡改定位结果。

本发明公开提出结合全局特征与局部特征的高分影像完整性认证方法易于实现，简单高效，认证过程科学，对内容保持的操作具有鲁棒性，对内容篡改的操作具有敏感性，在保持哈希摘要性的同时可以保证较高的篡改定位精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见地，下面描述中的附图仅仅是本发明的示意图，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明提供的结合全局特征与局部特征的高分影像完整性认证方法的流程图。

图2为本发明提供的格网划分示意图。

图3为本发明提供的特征点选择示意图。

图4为本发明提供的特征点匹配与筛选示意图。

图5为本发明提供的篡改定位示意图。

具体实施方式

下面将结合本发明实施例中的附图，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的一部分实施例，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。

以下步骤为哈希生成部分：

Step 1：采用隐形格网划分的方式对原始影像D进行预处理，将原始图像划分为大小为256×256大小的子块。这样，原始数据D将被划分为W×H的格网单元区域，划分后的各格网单元记为D_wh(w＝1,2,…,W；h＝1,2,…,H)，其中w与h代表格网单元的位置，如图2所示为对某图幅为5031×4516的高分影像进行256×256格网划分的结果。

Step 2：计算各格网单元5阶内的所有Zernike矩。二维数字f(x,y)，的n阶m重Zernike矩的定义为：

式中，n,m∈N，且|m|≤n，*表示共轭复数；(ρ,θ)表示将原始图像f(x,y)归一化为(-1,1)，并映射到单位圆上的极坐标，即θ＝arctan(y/x),；/>表示Zernike矩的变换核，其由一组Zernike多项式构成，表示如下：

V_nm(ρ,θ)＝R_nm(ρ)e^imθ (2)

其中，R_nm(ρ)为Zernike径向多项式，i为虚数单位。将一个Zernike矩的幅值记为特征值a，故对于某格网单元D_wh，其5阶Zernike矩为一个12维的特征空间，记为Z_wh＝(a₁,a₂,…,a₁₂)。

Step 3：计算各格网单元的FAST特征点，若某像素点与其周围领域内足够多的像素点有较大的亮度差，实验表明亮度阈值为10时选取的结果较为合适，则该像素点被判定为一个候选特征点，随后运用非极大值抑制法对特征点进行筛选，以剔除空间关联的关键点；筛选后的特征点标识为F_n＝(x,y,R)，其中(x,y)表示特征点的位置，响应值R表示该点与周围点的平均亮度差。

Step 4：对Step 3中生成的特征点按照响应值R进行排序，定义排序后的特征点集为F_new，同时定义一个新的特征点集为S，定义一个辅助圆集C′。

Step 5：设当前点为F_x(0<x<n)，以F_x的坐标为圆心，响应值R为直径画一个圆C_x，若C_x与C′中的任一圆都不相交，则将F_x加入S中，将C_x加入C′中，按照特征点的顺序依次执行本过程，直至S_n中有10个点，筛选结束，最终的特征点集合为S_wh＝{S₁,S₂,…,S₁₀}。

Step 6：对于筛选后获得的的10个特征点，为其增加一个平均亮度描述符，即获取以其坐标为中心，以响应值R为边长的正方形内所有像元的平均亮度，并记为A，则筛选后的特征点被描述为F_n＝(x,y,R,A)，如图3所示为特征点筛选的结果。

Step 7：为进一步缩小哈希值得大小，采用整数截断法对其中的数据进行处理，一个格网单元D_wh的哈希值H_wh由Z_wh与S_wh组成，即H_wh＝{Z_wh,S_wh}，则最终的到的单元哈希长度为(12+(4×10))×8Bit＝416Bit，一幅高分影像的哈希序列为各单元哈希的集合，即：

H(D)＝{H(D)₁₁,…,H(D)_wh}(w＝1,2,…,W；h＝1,2,…,H)

Step 8：采用AES算法对已生成的哈希序列进行加密，加密的密钥记为K。

以下步骤为哈希判别部分：

Step 9：在影像的接收端，采用与原始数据相同的哈希生成方式生成待认证数据的哈希序列H′(D)，采用密钥K对原始数据哈希序列H(D)进行解密。

Step 10：对于H(D)与H(D′)，逐一计算其相同位置(w,h)格网单元的Zernike矩特征空间Z(D)_wh与Z(D′)_wh的相似度Sim(w,h)，相似性度量的方法为计算的欧氏距离，如下式所示：

Sim(w,h)＝‖Z(D)_wh-Z(D′)_wh‖₂ (3)

同时将结合判定阈值T₁与T₂(0<T₁<T₂)进行篡改类型判定，判定结果将分为三类：①,0≤Sim(w,h)<T₁：与原始数据感知一致，未遭篡改，通过认证；

②,T₁≤Sim(w,h)<T₂：格网单元遭到了篡改，不通过认证，有待进一步篡改定位；

③,Sim(w,h)≥T₂：格网单元内为完全不同内容数据，不通过认证，格网单元整体标记为篡改，本方法经过大量数据集的测试，推荐T₁＝1.75,T₁＝6.5。

Step,11：对于第②类格网单元，首先采用FLANN(最邻近搜索包)算法进行关键点匹配，随后删除原始哈希中平均亮度未发生变化的关键点，并在上述操作完成后删除排在末尾的关键点，平均亮度的变化阈值为2。

Step,12：对于所有剩余特征点所构成的圆，构建其最小外接矩形，该矩形即为篡改区域，如图4所示为特征点匹配与筛选以及篡改定位的结果。

Step,13：将所有格网单元的认证结果串联，即得到整幅遥感影像的完整性认证结果，其中包括了对每个格网单元的完整性认证结果与影像篡改范围的判定，图5展示了在影像全局范围上认证的结果。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (3)

1.一种全局与局部特征结合的高分辨率遥感影像完整性认证方法，其特征在于，包括：

S1：采用隐形格网划分的方式对原始影像D进行预处理，将原始影像划分为大小为256×256大小的格网单元；

S2：计算各格网单元5阶内的所有Zernike矩；

S3：计算各格网单元的FAST特征点F_n＝(x，y，R)，其中(x，y)表示特征点的位置，响应值R表示该点与周围点的平均亮度差；

S4：对生成的特征点按照响应值R进行排序，定义排序后的特征点集为F_new，同时定义一个新的特征点集为S，定义一个辅助圆集C′；

S5：按照响应值大小，采用圆的相交判别进行特征点筛选，设当前点为F_x(0＜x＜n)，以F_x的坐标为圆心，响应值R为直径画一个圆C_x，若C_x与C′中的任一圆都不相交，则将F_x加入S中，将C_x加入C′中，按照特征点的顺序依次执行本过程，直至S_n中有10个点，筛选结束，最终的特征点集合为S_wh＝{S₁，S₂，...，S₁₀}；

S6：为每个筛选后的特征点增加一个平均亮度描述符；

S7：采用整数截断法对生成的哈希序列进行处理，以压缩哈希，采用整数截断法对其中的数据进行处理，一个格网单元D_wh的哈希值H_wh由Z_wh与S_wh组成，即H_wh＝{Z_wh，S_wh}，则最终的到的单元哈希长度为(12+(4×10))×8Bit＝416Bit，一幅原始影像的哈希序列为各单元哈希的集合，即：H(D)＝{H(D)₁₁，...，H(D)_wh}(w＝1，2，...，W；h＝1，2，...，H)；

S8：采用AES算法对已生成的哈希序列进行加密，加密的密钥记为K；

S9：在原始影像的接收端，采用与原始影像相同的哈希生成方式生成待认证数据的哈希序列H(D′)，采用密钥K对原始影像的哈希序列H(D)进行解密，其中，D′为待认证数据；

S10：逐一计算H(D)和H(D′)相同位置格网单元的Zernike矩的相似度，并结合阈值进行篡改类型判定，将相似度Sim(w,h)与阈值T₁、T₂比较得到三个区间，其中，在大于等于0且小于T₁的第一区间，判断原始影像未遭篡改，通过认证；在大于等于T₁且小于T₂的第二区间，判定遭到篡改，需进一步定位；在大于等于T₂的第三区间，判定为篡改，不通过认证；

S11：仅在第二区间时，继续执行最邻近搜索包FLANN算法，进行篡改定位，其他情况下不执行，具体为采用最邻近搜索包FLANN算法进行关键点匹配，随后删除原始哈希中平均亮度未发生变化的关键点，并在上述操作完成后删除排在末尾的关键点；

S12：对于所有剩余特征点所构成的圆，构建其最小外接矩形，即为篡改区域；

S13：将所有格网单元的认证结果串联，即得到整幅原始影像的完整性认证结果。

2.根据权利要求1所述的一种全局与局部特征结合的高分辨率遥感影像完整性认证方法，其特征在于，在步骤S2到S8中，使用Zernike矩与FAST描述子提取特征，并运用特征排序、增加描述符、整数截断、AES加密这四种方式进行处理。

3.根据权利要求1或2所述的一种全局与局部特征结合的高分辨率遥感影像完整性认证方法，其特征在于，在步骤S9到S13中，由S2到S8所生成的哈希序列将应用于完整性认证与篡改定位。