一种基于均值二次图像和局部保持投影的图像摘要方法

摘要

本发明公开了一种基于均值二次图像和局部保持投影的图像摘要方法，其特征在于包括如下步骤：1）均值二次图像构造；2）Gabor滤波；3）局部保持投影处理；4）特征压缩量化与加密；5）相似性计算。这种方法的优点是：运用两次图像分块的策略来构造均值二次图像，有效压缩了图像数据并使均值二次图像能抵抗一定的旋转操作；运用Gabor滤波器对均值二次图像进行滤波，有效提高了摘要方法的鲁棒性能；利用局部保持投影对滤波结果进行降维处理，将方差量化成比特，进一步实现了数据压缩；用Skew tent混沌映射对方差的比特序列进行异或加密，确保了图像摘要的安全性；提取的图像摘要具有较好的鲁棒性、唯一性和安全性。

说明书

技术领域

本发明涉及计算机图像处理领域，具体是一种基于均值二次图像和局部保持投影的图像 摘要方法。

背景技术

在大数据时代，人们获取到的数字图像的数量日益增加。现在，图像已成为最大的一类 大数据，如何高效的存取和管理海量数字图像成为多媒体领域亟待解决的一个关键问题。与 此同时，图像编辑软件的出现使各种数字处理变得越来越简便，人们很容易对图像进行JPEG 压缩、亮度调整和格式转换等处理并将处理结果保存为新图像。于是，对于给定的一幅图像， 在海量的图像中可能存在与其视觉内容相同但具体数据表示不同的图像。因此，从大规模图 像中快速检索出视觉相似的图像成为一个重要问题。这些实际应用需求导致图像摘要技术的 出现。

图像摘要是描述图像的一个短小数字序列，既可满足存取和管理图像要求，又可实现相 似图像检索功能。目前，图像摘要已被广泛应用于图像索引、图像检索、图像拷贝检测、图 像内容认证等方面。通常，图像摘要方法需具有鲁棒性，即视觉相似的两幅图像，不管其具 体数据表示是否相同，图像摘要应该相同或十分相似，该性质确保图像摘要可应用于图像检 索。另一方面，图像摘要方法还要具备唯一性，即不同的图像其摘要值相同的概率很低，这 确保图像摘要可应用于图像索引等方面。

当前，常见图像摘要技术可分为如下几类：(1)基于小波变换的图像摘要方法；(2)基 于离散余弦变换的图像摘要方法；(3)基于离散傅立叶变换的图像摘要方法；(4)基于Radon 变换的图像摘要方法；(5)基于矩阵分解的图像摘要方法；(6)基于学习策略的图像摘要方 法。这些已有技术大多能抵抗一些常见数字处理，如JPEG压缩和低通滤波等，但在鲁棒性 和唯一性方面的分类性能却存在许多不足和局限。

发明内容

本发明的目的在于针对现有技术的不足而提供一种基于均值二次图像和局部保持投影的 图像摘要方法，这种方法可正确识别出经JPEG压缩、对比度调整、亮度调整、格式转换等 处理得到的图像，能较好区分不同图像，有效提高了图像摘要的鲁棒性、唯一性和安全性。

实现本发明目的的技术方案是：

一种基于均值二次图像和局部保持投影的图像摘要方法，包括如下步骤：

1)均值二次图像构造：先用双线性插值法将输入图像转换成M×M大小，对于彩色图像， 将其转换到YCbCr颜色空间并取亮度分量Y表示；再对图像进行非重叠分块，图像块大小为 U×U，其中U取值较小且能整除M，记Q＝M/U，得到Q×Q个图像块；

计算每个图像块的均值得到一幅大小为Q×Q的均值图像J；

从J中随机选取N个大小为P×P的图像块，对于每一个图像块，串联其列元素得到一个 大小为P²×1的向量，排列N个图像块所对应的向量，最终得到大小为P²×N的均值二次图像 S；

2)Gabor滤波：设均值二次图像S的Gabor滤波记为G＝Gabor(S,X,Y,f,θ)，

其中X和Y分别表示滤波器的窗口大小，f代表滤波频率，θ代表滤波方向，G为滤波输 出结果；

3)局部保持投影处理：设G＝[g₁,g₂,...,g_N](g_i为G的第i个列向量，1≤i≤N)的局部 保持投影记为V＝LPP(G,d,W)，

其中d代表降维维数，V为降维后的矩阵(大小为d×N)，W表示权重矩阵，其元素W_i,j的计算公式如下：

其中1≤i≤N和1≤j≤N，t为一个设定参数；

4)特征压缩量化与加密：设V＝[v₁,v₂,...,v_N]，其中v_i为第i个向量(1≤i≤N)；提取 v_i的方差δ_i；

计算所有方差的平均值μ＝(δ₁+δ₂+…+δ_N)/N；如果δ_i≥μ，记B_i＝1，否则记B_i＝0；于是 得到比特序列B＝[B₁,B₂,…,B_N]，用Skew tent混沌映射对比特序列B进行加密处理，生成最 终的图像摘要h，Skew tent混沌映射的公式定义如下：

$F\left(x\right)=\left(\begin{array}{cc}\frac{x}{p},& x\in [0,p]\\ \frac{1-x}{1-p},& x\in [p,1]\end{array}\right)$

其中x∈[0,1]是混沌系统的初始状态，p∈(0,1)是控制参数，x和p用作混沌系统的密钥；

先用Skew tent混沌公式迭代生成N个数，即x₁,x₂,…,x_N，计算y_i＝mod(round(x_i×2¹⁰),2) (1≤i≤N)，其中round()为取整函数，mod(,)为求余函数；

接着执行异或加密，其中表示异或运算，h(i)为图像摘要h的第i个元素，于 是h＝[h(1),h(2),…,h(N)]；

5)相似性计算：设h⁽¹⁾和h⁽²⁾为两幅图像的摘要，计算它们的海明距离 其中h₁(i)和h₂(i)分别是h⁽¹⁾和h⁽²⁾的第i个元素，如 果海明距离小于设定阈值T，认为h⁽¹⁾和h⁽²⁾所对应的图像相同，否则认为是不同图像。

这种方法的优点是：运用两次图像分块的策略来构造均值二次图像，有效压缩了图像数 据并使均值二次图像能抵抗一定的旋转操作；运用Gabor滤波器对均值二次图像进行滤波， 有效提高了摘要方法的鲁棒性能；利用局部保持投影对滤波结果进行降维处理，将方差量化 成比特，进一步实现了数据压缩；用Skew tent混沌映射对方差的比特序列进行异或加密，确 保了图像摘要的安全性；提取的图像摘要具有较好的鲁棒性、唯一性和安全性。

附图说明

图1是实施例中提取图像摘要的流程示意图；

图2是实施例中大小为800像素×600像素的图像；

图3是对图2进行JPEG压缩和对比度调整等处理得到的图像；

图4是图2对应的均值二次图像；

图5是用Gabor滤波器对均值二次图像进行滤波的结果；

图6是与图2视觉内容不同的另一幅大小为800像素×600像素的图像。

具体实施方式

下面结合附图和实施例对本发明内容进一步的阐述说明，但不是对本发明的限定。

实施例：

如图1所示，一种基于均值二次图像和局部保持投影的图像摘要方法，包括如下步骤：

1)均值二次图像构造：先用双线性插值法将输入图像转换成M×M大小，对于彩色图像， 将其转换到YCbCr颜色空间并取亮度分量Y表示；再对图像进行非重叠分块，图像块大小为 U×U，其中U取值较小且能整除M，记Q＝M/U，得到Q×Q个图像块；

计算每个图像块的均值得到一幅大小为Q×Q的均值图像J；

从J中随机选取N个大小为P×P的图像块，对于每一个图像块，串联其列元素得到一个 大小为P²×1的向量，排列N个图像块所对应的向量，最终得到大小为P²×N的均值二次图像 S；

2)Gabor滤波：设均值二次图像S的Gabor滤波记为G＝Gabor(S,X,Y,f,θ)，

其中X和Y分别表示滤波器的窗口大小，f代表滤波频率，θ代表滤波方向，G为滤波输 出结果；

3)局部保持投影处理：设G＝[g₁,g₂,...,g_N](g_i为G的第i个列向量，1≤i≤N)的局部 保持投影记为V＝LPP(G,d,W)，

其中d代表降维维数，V为降维后的矩阵(大小为d×N)，W表示权重矩阵，其元素W_i,j的计算公式如下：

其中1≤i≤N和1≤j≤N，t为一个设定参数；

4)特征压缩量化与加密：设V＝[v₁,v₂,...,v_N]，其中v_i为第i个向量(1≤i≤N)；提取 v_i的方差δ_i；

计算所有方差的平均值μ＝(δ₁+δ₂+…+δ_N)/N；如果δ_i≥μ，记B_i＝1，否则记B_i＝0；于是 得到比特序列B＝[B₁,B₂,…,B_N]，用Skew tent混沌映射对比特序列B进行加密处理，生成最 终的图像摘要h，Skew tent混沌映射的公式定义如下：

$F\left(x\right)=\left(\begin{array}{cc}\frac{x}{p},& x\in [0,p]\\ \frac{1-x}{1-p},& x\in [p,1]\end{array}\right)$

其中x∈[0,1]是混沌系统的初始状态，p∈(0,1)是控制参数，x和p用作混沌系统的密钥；

先用Skew tent混沌公式迭代生成N个数，即x₁,x₂,…,x_N，计算y_i＝mod(round(x_i×2¹⁰),2) (1≤i≤N)，其中round()为取整函数，mod(,)为求余函数；

接着执行异或加密，其中表示异或运算，h(i)为图像摘要h的第i个元素，于 是h＝[h(1),h(2),…,h(N)]；

5)相似性计算：设h⁽¹⁾和h⁽²⁾为两幅图像的摘要，计算它们的海明距离 其中h₁(i)和h₂(i)分别是h⁽¹⁾和h⁽²⁾的第i个元素，如 果海明距离小于设定阈值T，认为h⁽¹⁾和h⁽²⁾所对应的图像相同，否则认为是不同图像。

具体地，本实施例由鲁棒性验证和唯一性验证两部分组成。鲁棒性验证主要通过提取图2 和图3的图像摘要来判断它们的相似性，其中图3是图2经过JPEG压缩(质量因子80)和 对比度调整(调整幅度为-30)等处理得到的视觉相似图像。

在以下步骤中，步骤1)～4)是提取图2的图像摘要的步骤，提取图3的图像摘要的步 骤与图2的相同；步骤5)是计算图2和图3的图像摘要的相似性，具体步骤如下：

1)均值二次图像构造：先用双线性插值法将输入图像转换成512像素×512像素大小， 接着将彩色图像转换到YCbCr颜色空间并取亮度分量表示。在此基础上，对亮度分量进行非 重叠分块，图像块大小为2像素×2像素，于是得到256像素×256像素个图像块；计算每个图 像块的均值得到一幅大小为256像素×256像素的均值图像J；从J中随机选取128个大小为 16像素×16像素的图像块，对于每一个图像块，串联其列元素得到一个大小为256×1的向量， 排列128个图像块所对应的向量，最终得到大小为256像素×128像素的均值二次图像S，结 果如图4所示。

2)Gabor滤波：对S进行Gabor滤波，即，G＝Gabor(S,2,4,16,π/3)，滤波结果如图5 所示。

3)局部保持投影处理：取k＝5和t＝1，对G执行局部保持投影处理，即，V＝LPP(G,35, W)，得到如下所示的降维矩阵V：

$V=\left(\begin{array}{c}-\mathrm{0.599,0.0905},...,-0.0555\\ -0.0386,-0.0048,...,-0.0572\\ ...,...,...,...\\ 0.\mathrm{0133,0.0115},...,0.0388\end{array}\right)$

(4)特征压缩量化与加密。提取V的第i列的元素方差δ_i(1≤i≤128)，计算所有方差 的平均值μ＝(δ₁+δ₂+…+δ₁₂₈)/128＝8.1328，如果δ_i≥μ，记B_i＝1，否则记B_i＝0；于是得到如 下比特序列。

B＝[B₁,B₂,…,B₁₂₈]＝[0,1,…,0]

取x＝0.3和p＝0.4，迭代执行Skew tent混沌映射并将结果转换成比特，于是得到比特序列[y₁, y₂,…,y₁₂₈]，依次计算，最终得到图像摘要h⁽¹⁾，具体如下。

$\left(\begin{array}{cccccccccccccccc}{h}^{\left(1\right)}=[1& 1& 0& 1& 0& 0& 0& 1& 1& 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 0& 1& 1& 1& 0& 1& 1& 0& 1& 1& 0& 1& 0& 1\\ 1& 0& 1& 1& 0& 0& 1& 0& 1& 1& 0& 1& 1& 1& 0& 1\\ 0& 1& 1& 0& 1& 1& 0& 1& 0& 1& 1& 0& 0& 1& 1& 0\\ 1& 0& 0& 0& 0& 1& 1& 1& 1& 0& 0& 1& 1& 0& 0& 1\\ 0& 0& 1& 1& 1& 0& 0& 0& 0& 1& 1& 0& 1& 0& 0& 1\\ 1& 1& 1& 1& 1& 0& 1& 0& 1& 1& 0& 0& 0& 1& 1& 0\\ 0& 1& 1& 0& 1& 0& 1& 1& 0& 1& 1& 1& 0& 1& 0& 1]\end{array}\right)$

(5)相似性计算。提取图3的图像摘要h⁽²⁾，得到如下结果：

$\left(\begin{array}{cccccccccccccccc}{h}^{\left(2\right)}=[1& 1& 0& 1& 0& 0& 0& 0& 1& 1& 1& 1& 1& 1& 1& 1\\ 0& 0& 0& 1& 1& 1& 0& 1& 1& 1& 1& 1& 0& 0& 0& 1\\ 1& 0& 1& 1& 0& 1& 1& 0& 1& 1& 0& 1& 1& 1& 0& 1\\ 0& 1& 1& 0& 1& 1& 0& 1& 0& 1& 1& 0& 1& 1& 1& 0\\ 1& 0& 0& 0& 0& 1& 1& 1& 1& 0& 0& 1& 1& 0& 0& 1\\ 1& 0& 1& 1& 0& 0& 0& 0& 0& 1& 1& 0& 1& 0& 0& 1\\ 1& 1& 1& 1& 1& 0& 1& 0& 1& 1& 0& 0& 0& 1& 0& 0\\ 0& 1& 1& 0& 1& 0& 1& 1& 0& 1& 1& 1& 0& 1& 0& 1]\end{array}\right)$

计算h⁽¹⁾和h⁽²⁾的海明距离得到H_distance(h⁽¹⁾,h⁽²⁾)＝8。设定阈值T＝20，由于H_distance<T，因此 认为图2和图3是两幅相似的图像。

唯一性验证主要通过判断图2、图3和图6的图像摘要的相似性来实现。提取图6的图 像摘要h⁽³⁾，结果如下：

$\left(\begin{array}{cccccccccccccccc}{h}^{\left(3\right)}=[0& 1& 0& 0& 1& 1& 0& 1& 0& 0& 0& 0& 1& 1& 1& 1\\ 1& 1& 0& 0& 0& 0& 0& 1& 0& 0& 1& 1& 1& 0& 0& 0\\ 0& 1& 0& 0& 1& 1& 1& 0& 1& 1& 0& 1& 1& 1& 0& 1\\ 0& 1& 1& 0& 1& 1& 0& 1& 1& 1& 0& 1& 1& 1& 1& 0\\ 1& 0& 0& 0& 0& 1& 1& 1& 1& 0& 0& 1& 1& 0& 1& 1\\ 0& 0& 1& 1& 0& 1& 1& 1& 1& 0& 0& 0& 1& 1& 0& 1\\ 1& 1& 1& 1& 1& 0& 1& 0& 1& 0& 1& 1& 0& 1& 1& 0\\ 0& 1& 1& 0& 1& 0& 0& 0& 0& 1& 1& 1& 0& 1& 0& 0]\end{array}\right)$

计算h⁽¹⁾和h⁽³⁾的海明距离H_distance(h⁽¹⁾,h⁽³⁾)＝42，以及h⁽²⁾和h⁽³⁾的海明距离H_distance(h⁽²⁾, h⁽³⁾)＝42，由于两个距离值均大于阈值T＝20，说明图2和图6、图3和图6为不同内容的图像， 因此本发明具有良好的唯一性。