CN1731420A - 斜小波图像指纹的提取和验证方法 - Google Patents

斜小波图像指纹的提取和验证方法 Download PDF

Info

Publication number
CN1731420A
CN1731420A CN 200510010274 CN200510010274A CN1731420A CN 1731420 A CN1731420 A CN 1731420A CN 200510010274 CN200510010274 CN 200510010274 CN 200510010274 A CN200510010274 A CN 200510010274A CN 1731420 A CN1731420 A CN 1731420A
Authority
CN
China
Prior art keywords
image
oblique
fingerprint
wavelet
end value
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
CN 200510010274
Other languages
English (en)
Other versions
CN100337244C (zh
Inventor
孙圣和
俞龙江
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.)
Harbin Institute of Technology
Original Assignee
Harbin Institute of Technology
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 Harbin Institute of Technology filed Critical Harbin Institute of Technology
Priority to CNB200510010274XA priority Critical patent/CN100337244C/zh
Publication of CN1731420A publication Critical patent/CN1731420A/zh
Application granted granted Critical
Publication of CN100337244C publication Critical patent/CN100337244C/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Collating Specific Patterns (AREA)

Abstract

斜小波图像指纹的提取和验证方法，它公开一种图像指纹的提取方法，还公开图像指纹的验证方法。由于斜小波算法对图像具有优良的压缩性能和还原性能，极适用于图像指纹的提取，克服了已有技术对视觉不变性变换以及几何变换的鲁棒性差的缺陷。提取方法的步骤是：将图像转化为灰度的若干个正方形图像块；用滤波器按行和列对每个图像块按卷积公式滤波，按顺序把位于结果值矩阵中左上半部分三角区域内的每个图像块的滤波后灰度结果值读取并排成一个序列；序列中的正数值对应比特“1”，负数值对应比特“0”，就形成了整幅图像的图像指纹。图像指纹的验证方法是对两个图像指纹对应位置的二值数字做“异或”操作，根据“1”值的相对数量确定是否相同。

Description

斜小波图像指纹的提取和验证方法
技术领域：
本发明涉及一种图像指纹的提取方法，本发明还涉及图像指纹的验证方法。
背景技术：
近年来，随着网络技术和多媒体技术的迅速发展，人们可以方便地利用数字设备制作、处理和存储图像以及利用互联网传输图像。然而，数字图像信息极易被拷贝、篡改和私自传播，由此引发了数字图像的安全问题。另外，数字图像作为商品被顾客浏览和选购时，用户需要通过某种途径快速找到自己感兴趣的商品，图像发行商也需要对这些商用数字图像进行有效的管理，使其既能满足图像的浏览、搜索和分类，又能有效地监控和保护自己的产品以免被盗版、篡改。人们想到，若能使每幅图像拥有独一无二的标识，这种标识既可以有效地将自身与其它图像区分开来，又能反映出图像自身的内容特点，使对图像内容的操作(如浏览、搜索、分类、验证、防篡改检测等)成为可能，使数字图像得到一个与其自身内容联系起来的标识，就象进行人类身份识别的指纹一样。图像指纹技术通过一定的特征提取算法获得一幅图像的特征信息，由于图像指纹技术使每一幅图像独有的内容与其获得的特征信息联系在一起，不同的图像具有不同的特征信息，这就象每个人与自己的指纹对应一样。这项新兴技术就被称为图像指纹技术，把图像经过该技术处理得到的特征信息形象地称为图像的“指纹”。图像指纹需要满足两种性能：1、鲁棒性；图像指纹对有损压缩等保持视觉不变性的图像变换应该具有不变性，或发生的改变必须限制在允许的范围内；2、区分性；对于内容篡改或两幅不同的图像，应能根据提取的图像指纹检测和区分差异。图像指纹提取方法于1996年首次由Schneider和Chang提出，他们利用可变尺寸的图像块的强度直方图，将直方图均值作为图像指纹，该方法依赖于图像强度，当图像进行低通滤波或将图像保存为低品质系数的JPEG压缩文件时，该方法就失去了实用性。此后提出的各种图像指纹提取方法，虽在一定程度上获得改善，但在保持敏感性的前提下，这些方法无法对所有视觉不变性变换，如有损压缩、低通滤波、锐化以及几何变换如缩放、剪切等保持鲁棒性，特别是几何变换，这些方法对经过几何变换后的图像提取的指纹，其鲁棒性大大降低。
通用的斜小波变换(slantlet transform)方法由Selesnick于1998年首次提出，I.W.Selesnick，The slantlet transform，Proceedings of the IEEE-SP IntSymp.on Time-Frequency and Time-Scale Analysis，pp.53-56，Pittsburgh，October 6-9，1998.(IEEE信号处理论坛，关于时频分析的论文第53至56页，1998年10月6至9日，匹兹堡)并于1999年对斜小波变换作了更为系统的阐述。I.W.Selesnick，The slantlet transform，IEEE Trans on SignalProcessing，vol 47，no 5，pp.1304-1313，May 1999.(IEEE信号处理期刊，1999年5月第47卷第五期第1304-1313页)该小波变换在应用到数据压缩中显示出比传统的离散余弦变换和其他小波变换更好的压缩性能，可参见以下文章。G.Panda，P.K.Dash，A.K.Pradhan，and S.K.Meher，″Data compression of powerquality events using the slantlet transform，″IEEE Trans.Power Delivery，vol.17，no.2，pp.662-667，April 2002.。(应用小波变换的电源事件的数据压缩，IEEE信号处理期刊，2002年4月第17卷662-667页)图像指纹算法可利用斜小波变换强大的压缩性能从图像中提取更为简短的图像指纹，同时保证增强的鲁棒性，以及保持高敏感性。但是，目前还没有出现把斜小波变换的方法应用到图像指纹处理技术中去的技术方案。
发明内容：
本发明的目的是提供一种斜小波图像指纹的提取方法，以克服已有的图像指纹提取方法对视觉不变性变换以及几何变换的鲁棒性差的缺陷。本发明通过以下步骤实现：一、将待提取指纹的图像转化为长度和宽度相等的灰度图像；二、把灰度图像从左到右、从上到下分割成若干个相同大小的正方形的图像块，图像块的总个数为m×m个，m必须为2的幂；三、求取用于斜小波变换的滤波器，该滤波器的系数选八个，分别是g(0)、g(1)、g(2)、g(3)、g(4)、g(5)、g(6)和g(7)，滤波器的系数按以下公式求出： s 1 = 6 * m / ( ( m 2 - 1 ) * ( 4 * m 2 - 1 ) ) ; t 1 = 2 * 3 / ( m * ( m 2 - 1 ) ) ; s0＝(-1)*s1*(m-1)/2；t0＝((m+1)*s1/3-m*t1)*(m-1)/(2*m)；g(0)＝(s0+t0)/2；g(1)＝(s0-t0)/2；g(2)＝(s1+t1)/2；g(3)＝(s1-t1)/2；g(4)＝g(1)+g(3)*(m-1)；g(5)＝(-1)*g(3)；g(6)＝g(0)+g(2)*(m-1)；g(7)＝(-1)*g(2)；四、应用求得的滤波器在灰度图像上先按行对每个图像块按卷积公式滤波，然后再按列对每个图像块按卷积公式滤波，在每个图像块的位置取得一个滤波后灰度结果值，所有的滤波后灰度结果值组成一个结果值矩阵；五、按顺序把位于结果值矩阵中对角线左上半部分三角区域内的每个图像块的滤波后灰度结果值读取并排成一个序列；六、将读取出来的滤波后灰度结果值中的正数值对应比特“1”，负数值对应比特“0”，形成只存在“0”和“1”的二值指纹序列，就形成了整幅图像的图像指纹。本发明的方法实施斜小波变换的目的，就是要将信号低频部分集中到信号前部，而将信号高频部分集中到后部，实际上信号的大部分能量都集中在信号的低频部分，因此经过斜小波变换后只提取信号低频部分就能达到压缩并提取图像指纹的目的。数字图像属二维信号，经过行和列两次斜小波变换，图像信号的低频部分集中到图像的左上角，而高频部分集中到图像的右下角，提取低频部分的信号并完成二值数字序列的转换就完成了图像指纹的提取工作。由于斜小波算法对图像具有优良的压缩性能和还原性能，极适用于图像指纹的提取，正是因为其压缩性能的优良，也有利于其在有损压缩、低通滤波、锐化以及几何变换如缩放、剪切等过程中保持鲁棒性和敏感性。本发明的方法设计合理、工作可靠，具有较大的推广价值。
本发明还提供了斜小波图像指纹的验证方法，它通过下述步骤实现：A、分别提取原有图像的图像指纹和待验证图像的图像指纹；B、对两个图像指纹对应位置的二值数字做“异或”操作，输出与图像指纹长度相同的结果序列；C、结果序列内“1”值的个数除以结果序列的长度就得出了两个图像指纹的差异程度β；D、判断是否β小于预先设定的阈值θ；E、结果为否，则判定两幅图像内容存在差异；G、结果为是，则判定两幅图像内容相同。本发明的方法求取两个图像指纹的差异程度后，若该差异为0，则表示两幅图像内容完全相同；若该差异为1，则表示两幅图像内容完全不同。在实际应用中，该差异往往在0和1之间，则预先设定一个阈值θ，当差异大于θ，认为两幅图像内容存在显著差异；反之认为两幅图像内容基本相同。
斜小波图像指纹提取和验证方法基于图像指纹技术的特点，即无需对图像进行更改，这是与数字图像水印技术的根本差异，使其可以应用到对图像质量要求高的场合，典型的场合如医学图像、军事地图、测绘地图，这些图像是不允许一点修改的，也就无法嵌入数字水印。比如医学图像，对图像内容的一点细微改变可能造成组织器官的位置偏移，导致诊断和治疗发生错误；而对于军事和民用地图，图像内容的轻微改变会造成在地图上测量偏差，这是不允许的。
附图说明：
图1是本发明实施方式一的步骤示意图，图2是实施方式二的步骤示意图；图3是实施方式三进行“之”字形扫描的示意图，图4至图7是实施方式二中图像比对的原理图。
具体实施方式：
具体实施方式一：下面结合图1具体说明本实施方式。本实施方式由以下步骤实现：一、将待提取指纹的图像转化为长度和宽度相等的灰度图像；二、把灰度图像从左到右、从上到下分割成若干个相同大小的正方形的图像块，图像块的总个数为m×m个，m必须为2的幂；三、求取用于斜小波变换的滤波器，该滤波器的系数选八个，分别是g(0)、g(1)、g(2)、g(3)、g(4)、g(5)、g(6)和g(7)，滤波器的系数按以下公式求出： s 1 = 6 * m / ( ( m 2 - 1 ) * ( 4 * m 2 - 1 ) ) ; t 1 = 2 * 3 / ( m * ( m 2 - 1 ) ) ; s0＝(-1)*s1*(m-1)/2；t0＝((m+1)*s1/3-m*t1)*(m-1)/(2*m)；g(0)＝(s0+t0)/2；g(1)＝(s0-t0)/2；g(2)＝(s1+t1)/2；g(3)＝(s1-t1)/2；g(4)＝g(1)+g(3)*(m-1)；g(5)＝(-1)*g(3)；g(6)＝g(0)+g(2)*(m-1)；g(7)＝(-1)*g(2)；四、应用求得的滤波器在灰度图像上先按行对每个图像块按卷积公式滤波，处理完上一行再处理下一行，然后再按列对每个图像块按卷积公式滤波，处理完左一列再处理右一列，在每个图像块的位置取得一个滤波后灰度结果值，所有的滤波后灰度结果值组成一个结果值矩阵；五、按顺序把位于结果值矩阵中对角线左上半部分三角区域内的每个图像块的滤波后灰度结果值读取并排成一个序列；六、将读取出来的滤波后灰度结果值中的正数值对应比特“1”，负数值对应比特“0”，形成只存在“0”和“1”的二值指纹序列，就形成了整幅图像的图像指纹。在步骤四中，对每个图像块按卷积公式滤波是这样操作的：把图像块的灰度值分别乘以g(0)、g(1)、g(2)、g(3)、g(4)、g(5)、g(6)和g(7)后求所有乘积的和，再除m就得到该图像块的滤波后结果值。
具体实施方式二：下面结合图2具体说明本实施方式。本实施方式由以下步骤实现：A、分别提取原有图像的图像指纹和待验证图像的图像指纹；B、对两个图像指纹对应位置的二值数字做“异或”操作，输出与图像指纹长度相同的结果序列；C、结果序列内“1”值的个数除以结果序列的长度就得出了两个图像指纹的差异程度β；D、判断是否β小于预先设定的阈值θ；E、结果为否，则判定两幅图像内容存在差异；F、结果为是，则判定两幅图像内容相同。下面是斜小波变换的图像指纹演示实例，图4是一幅原始图像，图5是图4经过JPEG有损压缩后的图像，显然这两幅图像视觉上是基本相同的。这两幅图像分别经过斜小波变换图像指纹提取后，对两个指纹比对得到指纹差异为0.0020，接近于0，表明这两幅图像内容几乎相同。图6和图7是两幅视觉上完全不同的图像，分别经过斜小波变换图像指纹提取后，指纹比对差异为0.5254，接近于1，表明这两幅图像内容是不同的。阈值θ可以选择在两个距离之间的中点附近，例如0.3。
具体实施方式三：下面结合图3具体说明本实施方式。本实施方式与实施方式一的不同点是：在步骤五中按如下顺序把图像块的滤波后灰度结果值读取并排成一个序列：从结果值矩阵的左上角开始“之”字形盘旋曲折向右下方读取灰度结果值。由于灰度图像信号的低频部分集中在结果值矩阵的左方和上方，并且频率向右下方逐渐增大，按照本实施方式读取数字频率变化平缓，压缩性能更好。图3中的数字序号就是扫描顺序，对应所属频率范围，本实施方式中最好选择0到33作为图像信号的低频部分读取成一个序列。其它步骤与实施方式一相同。
具体实施方式四：本实施方式与实施方式一的不同点是：在步骤一和步骤二之间增加如下步骤：把灰度图像做尺度缩放处理，尺度缩放处理的结果是获得长和宽分别为原灰度图像1/2的图像。其它的步骤与实施方式一相同。如此操作，由于图像缩小了，图像在输入应用本方法的设备时有可能出现的扫描误差被相应减小，对后续处理步骤的影响也变得很微小。其它步骤与实施方式一相同。
具体实施方式五：本实施方式与实施方式一的不同点是：在步骤一和步骤二之间增加如下步骤：把灰度图像做小波变换处理，小波变换处理是对灰度图像作一次子带分解，取低频子带图像作为处理结果。小波变换处理中可以应用任意一种小波，在斜小波处理前先对图像进行一次滤波，能够进一步提高信号的压缩性和鲁棒性。其它步骤与实施方式一相同。

Claims (5)

1、斜小波图像指纹的提取方法，其特征在于它通过以下步骤实现：一、将待提取指纹的图像转化为长度和宽度相等的灰度图像；二、把灰度图像从左到右、从上到下分割成若干个相同大小的正方形的图像块，图像块的总个数为m×m个，m必须为2的幂；三、求取用于斜小波变换的滤波器，该滤波器的系数选八个，分别是g(0)、g(1)、g(2)、g(3)、g(4)、g(5)、g(6)和g(7)，滤波器的系数按以下公式求出： s 1 = 6 * m / ( ( m 2 - 1 ) * ( 4 * m 2 - 1 ) ) ; t 1 = 2 * 3 / ( m * ( m 2 - 1 ) ) ; s0＝(-1)*s1*(m-1)/2；t0＝((m+1)*s1/3-m*t1)*(m-1)/(2*m)；g(0)＝(s0+t0)/2；g(1)＝(s0-t0)/2；g(2)＝(s1+t1)/2；g(3)＝(s1-t1)/2；g(4)＝g(1)+g(3)*(m-1)；g(5)＝(-1)*g(3)；g(6)＝g(0)+g(2)*(m-1)；g(7)＝(-1)*g(2)；四、应用求得的滤波器在灰度图像上先按行对每个图像块按卷积公式滤波，然后再按列对每个图像块按卷积公式滤波，在每个图像块的位置取得一个滤波后灰度结果值，所有的滤波后灰度结果值组成一个结果值矩阵；五、按顺序把位于结果值矩阵中对角线左上半部分三角区域内的每个图像块的滤波后灰度结果值读取并排成一个序列；六、将读取出来的滤波后灰度结果值中的正数值对应比特“1”，负数值对应比特“0”，形成只存在“0”和“1”的二值指纹序列，就形成了整幅图像的图像指纹。
2、根据权利要求1所述的斜小波图像指纹的提取方法，其特征在于在步骤五中按如下顺序把图像块的滤波后灰度结果值读取并排成一个序列：从结果值矩阵的左上角开始“之”字形盘旋曲折向右下方读取灰度结果值。
3、根据权利要求1所述的斜小波图像指纹的提取方法，其特征在于在步骤一和步骤二之间增加如下步骤：把灰度图像做尺度缩放处理，尺度缩放处理的结果是获得长和宽分别为原灰度图像1/2的图像。
4、根据权利要求1所述的斜小波图像指纹的提取方法，其特征在于在步骤一和步骤二之间增加如下步骤：把灰度图像做小波变换处理，小波变换处理是对灰度图像作一次子带分解，取低频子带图像作为处理结果。
5、一种采用了权利要求1所述的斜小波图像指纹的提取方法的斜小波图像指纹的验证方法，其特征在于它由以下步骤实现：A、分别提取原有图像的图像指纹和待验证图像的图像指纹；B、对两个图像指纹对应位置的二值数字做“异或”操作，输出与图像指纹长度相同的结果序列；C、结果序列内“1”值的个数除以结果序列的长度就得出了两个图像指纹的差异程度β；D、判断是否β小于预先设定的阈值θ；E、结果为否，则判定两幅图像内容存在差异；F、结果为是，则判定两幅图像内容相同。
CNB200510010274XA 2005-08-19 2005-08-19 斜小波图像指纹的提取和验证方法 Expired - Fee Related CN100337244C (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CNB200510010274XA CN100337244C (zh) 2005-08-19 2005-08-19 斜小波图像指纹的提取和验证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CNB200510010274XA CN100337244C (zh) 2005-08-19 2005-08-19 斜小波图像指纹的提取和验证方法

Publications (2)

Publication Number Publication Date
CN1731420A true CN1731420A (zh) 2006-02-08
CN100337244C CN100337244C (zh) 2007-09-12

Family

ID=35963768

Family Applications (1)

Application Number Title Priority Date Filing Date
CNB200510010274XA Expired - Fee Related CN100337244C (zh) 2005-08-19 2005-08-19 斜小波图像指纹的提取和验证方法

Country Status (1)

Country Link
CN (1) CN100337244C (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102339386A (zh) * 2011-08-16 2012-02-01 杭州晟元芯片技术有限公司 一种嵌入式指纹特征提取加速方法
CN104303209A (zh) * 2012-05-18 2015-01-21 日本电气方案创新株式会社 指纹脊线图像合成系统、指纹脊线图像合成方法及其程序
CN105224919A (zh) * 2015-09-11 2016-01-06 深圳Tcl新技术有限公司 纹理特征提取方法及装置
CN106384357A (zh) * 2016-10-25 2017-02-08 张志能 一种签签计数方法及设备
CN108876790A (zh) * 2017-09-14 2018-11-23 北京旷视科技有限公司 图像语义分割方法和装置、神经网络训练方法和装置
CN109961414A (zh) * 2019-03-22 2019-07-02 卓望信息技术（北京）有限公司 一种基于亮度分布特征的数字图像指纹提取方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1285904C (zh) * 2004-12-07 2006-11-22 苏州大学 水的电导率的测量方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102339386A (zh) * 2011-08-16 2012-02-01 杭州晟元芯片技术有限公司 一种嵌入式指纹特征提取加速方法
CN102339386B (zh) * 2011-08-16 2013-08-28 杭州晟元芯片技术有限公司 一种嵌入式指纹特征提取加速方法
CN104303209A (zh) * 2012-05-18 2015-01-21 日本电气方案创新株式会社 指纹脊线图像合成系统、指纹脊线图像合成方法及其程序
CN104303209B (zh) * 2012-05-18 2017-05-17 日本电气方案创新株式会社 指纹脊线图像合成系统及指纹脊线图像合成方法
CN105224919A (zh) * 2015-09-11 2016-01-06 深圳Tcl新技术有限公司 纹理特征提取方法及装置
WO2017041552A1 (zh) * 2015-09-11 2017-03-16 深圳Tcl新技术有限公司 纹理特征提取方法及装置
CN105224919B (zh) * 2015-09-11 2019-02-26 深圳Tcl新技术有限公司 纹理特征提取方法及装置
CN106384357A (zh) * 2016-10-25 2017-02-08 张志能 一种签签计数方法及设备
CN108876790A (zh) * 2017-09-14 2018-11-23 北京旷视科技有限公司 图像语义分割方法和装置、神经网络训练方法和装置
CN109961414A (zh) * 2019-03-22 2019-07-02 卓望信息技术（北京）有限公司 一种基于亮度分布特征的数字图像指纹提取方法

Also Published As

Publication number Publication date
CN100337244C (zh) 2007-09-12

Similar Documents

Publication Publication Date Title
Mahmood et al. A robust technique for copy-move forgery detection and localization in digital images via stationary wavelet and discrete cosine transform
Lee Copy-move image forgery detection based on Gabor magnitude
Dong et al. High quality multi-spectral and panchromatic image fusion technologies based on curvelet transform
Mahmood et al. Copy–move forgery detection through stationary wavelets and local binary pattern variance for forensic analysis in digital images
CN100337244C (zh) 斜小波图像指纹的提取和验证方法
Sim et al. Invariant texture retrieval using modified Zernike moments
Noore et al. Enhancing security of fingerprints through contextual biometric watermarking
EP2450833A1 (en) Improved image identification
CN107633216B (zh) 高光谱遥感图像的三维表面空谱联合特征编码方法及装置
WO2008044026A1 (en) Image descriptor for image recognition
CN102194208B (zh) 一种基于图像签名的图像篡改检测与篡改定位方法
Zhao et al. Local quantization code histogram for texture classification
AlSawadi et al. Copy-move image forgery detection using local binary pattern and neighborhood clustering
Hua et al. A hybrid NSCT domain image watermarking scheme
Yuan et al. Fingerprint liveness detection using multiscale difference co-occurrence matrix
Liu An improved approach to exposing JPEG seam carving under recompression
CN116091429A (zh) 一种拼接篡改图像的检测方法
Badrinath et al. Score level fusion of voting strategy of geometric hashing and SURF for an efficient palmprint-based identification
CN107133579A (zh) 基于CSGF(2D)2PCANet卷积网络的人脸识别方法
Nawaz et al. Image authenticity detection using DWT and circular block-based LTrP features
Khan et al. Detection of copy-move forgery using multiresolution characteristic of discrete wavelet transform
Liang et al. Robust hashing with local tangent space alignment for image copy detection
Dale et al. A single sensor hand geometry and palm texture fusion for person identification
CN110674334B (zh) 基于一致性区域深度学习特征的近重复图像检索方法
Golubev et al. Validation of Real Estate Ads based on the Identification of Identical Images

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C19 Lapse of patent right due to non-payment of the annual fee
CF01 Termination of patent right due to non-payment of annual fee