首页> 中国专利> 一种面向图像易容的频域数字面纱设计方法

一种面向图像易容的频域数字面纱设计方法

摘要

本发明公开了一种面向图像易容的频域数字面纱设计方法,包括频域数字面纱生成、频域数字面纱安装及频域数字面纱卸载步骤。本发明能够制作相应规格的频域数字面纱以遮挡或改变图像的频域特征,使其重构图像虽然保留了图像基本视觉内容,但其关键特征却发生了根本改变,从而产生显著的“易容”效果,在具有较高重构图像质量的前提下有效地确保图像隐私内容安全性,并且允许对图像做一定压缩而不影响其合法可恢复性。本发明无须对图像内容视觉对象预先分割,而是以既有伪随机序列生成器为基本工具,以小波基函数、小波分解级数、伪随机序列的分布区间及整体偏移为控制参数来确定面纱的统计规格,用以改变相应视觉对象的主要几何特征,从而能够有效隐藏其身份差异以及局部视觉语义差异,抵抗多种针对有损数据或噪声信号的图像重构攻击。

著录项

  • 公开/公告号CN112241931A

    专利类型发明专利

  • 公开/公告日2021-01-19

    原文格式PDF

  • 申请/专利权人 海南大学;

    申请/专利号CN202011138420.8

  • 发明设计人 姚孝明;

    申请日2020-10-22

  • 分类号G06T1/00(20060101);G06F21/60(20130101);

  • 代理机构46001 海口翔翔专利事务有限公司;

  • 代理人张耀婷

  • 地址 570228 海南省海口市美兰区人民大道58号

  • 入库时间 2023-06-19 09:36:59

说明书

技术领域

本发明属于信息技术领域,涉及一种图像处理技术,具体涉及一种面向图像易容的频域数字面纱设计方法。

背景技术

关联个体日常生活的照片图像等多媒体内容的广泛传播以及人工智能技术的飞速发展给图像隐私内容安全提出了严峻的挑战。作为一种特殊的非结构数据形式,图像内容包括视觉对象(具有几何结构的语义对象)、对象属性(包括所在空间位置与大小、色彩与纹理等)以及对象关系(包括视觉对象的结构关系及其特征异同和关联关系等)。

既有图像隐私内容保护技术大体可分为以下四种:(1)加密或选择性加密,即对图像内容采用传统密码学方法进行完全或部分加密或置乱,使得隐私区域图像内容无法识别,从而达到保护图像隐私内容的目的;(2)检测-隐藏法,即首先检测分割出图像隐私区域(例如:面部区域),再采用某种隐藏方法将其隐藏起来,例如采用同类卡通图片、轮廓图片甚至用图像背景替换该区域,或者根据目标图像与原图像的距离差异关系采用warping或morphing方法改变其局部特征,从而隐藏视觉对象中的部分对象属性及关系,达到保护给定视觉对象隐私的目的;(3)全局方法,即采用滤波、量化或者伪色彩技术改变图像显示内容的可分辨性,使得图像无法为观察者提供清晰内容,达到保护目的;(4)数字水印方法,即结合图像重建技术,采用多种数字水印技术对图像内容和隐私信息进行保护,其中脆弱水印可以检测图像内容是否被篡改,鲁棒水印可以检测图像内容的版权信息,可逆水印可以用来恢复原图像与重建图像的差异。

由于图像内容彼此相互关联,尽管近年来上述图像隐私内容保护技术有不同程度的进展,但基本问题仍然存在。一般而言,(1)完全或选择性加密使得图像隐私区域完全无法辨别,而选择性加密更是安全性不够,极有可能盲恢复,例如Wu和Kuo等人2001年就指出“即使极少量AC系数也包含具有一定语义的图像内容”;(2)卡通图片尽管对面部内容隐藏有效,但无法保证其身份不能从其它区域推断得出,例如Ross等人2016年及2018年即分别提出基于生物特征识别的软特征识别技术和步态特征识别技术,能够根据性别、发型、步态等关联特征得到相应视觉对象的身份信息;(3)模糊后图像仍然保留大量原图像的内在关系为图像盲恢复提供可能,例如Dahl等人于2017年提出了破解传统“打码”的有效方法;(4)数字水印技术能够保护图像内容版权、是否被篡改,也能结合图像重建技术保护图像隐私信息,通过“伪装不在场”对视觉对象进行保护,但该方法对可逆水印技术和图像压缩技术提出了极其严苛的要求,因为这时可逆水印需要隐藏的信息可能很高,尤其是是视频图像。

综上所述,既有图像内容及隐私保护技术具有以下不足:(1)对图像内容整体或部分进行加密,难以在图像内容整体可辨性与隐私内容保护之间取舍,缺乏调节两者的灵活性;(2)需要对图像内容视觉对象进行语义分割,在大量图像样本存在的条件下,简单的局部替换难以抵抗通过图像区部内容之间的关联分析攻击;(3)实现难度大,对既有技术有过于严苛的要求;(4)此外,图像内容伪装太过或者图像压缩后难以合法恢复等,不利于图像的推广与传播,并由此诱发许多难以预期的衍生社会问题,例如某种新的诈骗形式。

发明内容

本发明的目的是提供了一种面向图像易容的频域数字面纱设计方法。所谓频域数字面纱,即指加载于图像小波分解后所得子带系数之上的符合指定统计分布的随机序列。通过本方法,能够制作相应规格的频域数字面纱以遮挡或改变图像的频域特征,使其重构图像虽然保留了图像基本视觉内容,但其关键特征却发生了根本改变,从而产生显著的“易容”效果,在具有较高重构图像质量的前提下有效地确保图像隐私内容安全性,并且允许对图像做一定压缩而不影响其合法可恢复性。本发明无须对图像内容视觉对象预先分割,而是以既有伪随机序列生成器为基本工具,以小波基函数、小波分解级数、伪随机序列的分布区间及整体偏移为控制参数来确定面纱的统计规格,即面纱的形态、粒度间隙与遮挡强度和范围,用以改变相应视觉对象的主要几何特征,从而能够有效隐藏其身份差异以及局部视觉语义差异,抵抗多种针对有损数据或噪声信号的图像重构攻击,并且允许合法用户采用正确密钥从压缩图像中卸载面纱获得原始图像信息,为多媒体内容隐私保护以及权益保护应用提供坚实的技术支持。

为了实现上述目的,本发明的技术方案为:提供一种面向图像易容的频域数字面纱设计方法,包括以下步骤:

步骤一:频域数字面纱生成

设待保护数字图像的行列大小分别为M和N;给定随机分布选项为option,面纱强度为a,分布偏移为b;各级高频子带水平、垂直及对角方向控制参数分别为h,v,d;生成伪随机序列的种子z,则:

(1)以z为参数,生成给定统计分布长度为M×N,取值范围在0~1或-1~1之间的一维伪随机序列矢量V;

(2)当option=1时,调整V使得V=V-mean(V);

(3)当option=2时,调整V使得V=V/max(abs(V));

(4)由此计算其最终面纱为,V=a*V+b;

步骤二:频域数字面纱安装

设将数字图像做n级分解,其低尺度近似分量为C

(1)近似分量的面纱安装

(1-1)计算低尺度近似分量C

(1-2)取面纱V中前1~len的矢量序列值作为V

(1-3)更新安装面纱后的C

(2)循环n次安装各级高频子带面纱

(2-1)抽取面纱V中与图像小波分解第i级H分量子带系数对应位置与同等长度矢量序列值作为V

(2-2)设i=1,2,…,n,以i控制以下过程循环n次;

(2-3)更新安装面纱后的第i级各高频子带矢量,即:

C

C

C

(3)依据所得C

步骤三:数字面纱卸载

给定合法密钥种子z,面纱统计分布option,面纱强度a,分布偏移b,小波基函数,分解级数n以及各级高频子带水平、垂直及对角方向控制参数h,v,d,融合比例r,将易容图像恢复回原图像,此即数字面纱的卸载过程,具体如下:

(1)按给定小波基函数将易容图像做n级小波分解,得到对应的C

(2)依据密钥种子和option以及a和b面纱参数,根据面纱生成的方法重新生成数字面纱V,并采用同样的方法从其中抽取与图像小波分解子带系数所在位置与长度相对应的矢量,将其分别记为V

(3)恢复C

恢复C

恢复C

恢复C

其中:C

(4)依据所得C

进一步地,步骤一中,mean(),max(),abs()分别为均值函数、最大值函数及绝对值函数;面纱强度a与分布偏移b的取值范围在-80~80。

进一步地,步骤一中,option=1时为均匀分布,option=2为正态分布。

本发明在既有方法的基础上做了如下改进设计,即(1)视觉对象的频域视角:根据小波理论中的空-频关系,视觉对象的形状、结构、色彩与纹理等具有明确语义的主要视觉结构特征属性可以模型化为构建在具有不同尺度与偏移的完备小波基函数之上的一组Markov随机样本,从而奠定了一组随机样本能够被另一组随机样本遮挡、修改的数学基础;(2)个体差异对比原则:从去个性化角度来看,如果待保护视觉对象经修改发生显著改变,则无论是计算机视觉技术还是人眼都无法将其正确识别出来;(3)有限约束统计运算规律:在取值范围被限制在某个给定范围内的条件下,两个同类异质随机场叠加的结果是另一个同类异质随机场,且其变异概率可以通过相关参数调节,由此导致其内容特征按某种概率改变,表现为某种传统“易容术”的特质;(4)视觉可调性:充分利用小波变换的空-频关系,通过选定小波分解级数以确定面纱粒度,并调整伪随机序列的分布区间与整体偏移以确定面纱的密度与强度,使其具有图像整体与视觉对象细节可辨关系的视觉可调性。

一般来说,频域数字面纱需加载到原图像小波分解后所得子带系数之上才能重构通常意义上的易容图像。这个过程,我们称之为频域数字面纱的安装;反之,称之为频域数字面纱的卸载。

本发明方法的安全性:

①对于一幅行列大小分别为M和N的图像,在未知密钥种子的条件下,对于每个子带系数,其有效面纱可能值即使为有限值s>>2,其样本空间也不小于s

②考虑子带系数的改变,既有大系数的变小也有小系数的变大,因此,虽然图像质量较好,却产生显著的视觉特征改变,从而有效抵抗基于统计特征的深度学习识别攻击。

③数字面纱的强度与分布偏移大小取决于图像内容的繁简程度。对于结构纹理复杂的视觉对象,一般要求高强度大偏移的面纱;对于平滑同质视觉对象,则面纱强度与偏移可选小些。只要参数选择恰当,就能够产生显著的“易容”效果,使得没有相应密钥就难以重构原始图像并以此识别出图像中视觉对象,具有鲜明的主动防护作用。

与现有技术相比,本发明的效果在于:

1、普适性较高:本发明方法未对图像视觉内容做任何限制,允许图像、照片、视频等各种图像类视觉内容,并且未对图像本身内容是富含纹理还是平滑区域等做任何预先设置,也无需对视觉对象事先分割,因此,具有更高的普适性。

2、安全性强:密钥空间接近无穷大,远远超过一幅图像的重构可能数;另一方面,易容图像具有显著的特征改变,当未知密钥种子重构面纱时,无法通过图像修复技术复原;因此,具有超强的安全性。

3、适应性强:数字面纱强度与分布偏移等一系列参数选择,能够根据图像内容本身进行适应性调整,并且可以通过易容图像与原图像的特征差异判定其有效性,因此,具有较强的内容适应性。

4、程序简单易实现:数字面纱以伪随机数生成器为基本工具,根据对图像小波分解后所得子带系数矢量大小来生成,其算法极为简单,即使多级高频子带数字面纱分量计算也仅需要n次循环即可完成,因此极为容易实现。

附图说明

图1为标准测试图像lena。

图2为1级Haar小波分解易容的均匀分布面纱安装效果示例,其融合比例为0.73,强度为51,分布偏移为-7.31,水平、垂直、对角方向控制参数均为3。

图3为3级Haar小波分解易容的面纱示例安装效果示例,其融合比例为0.37,其它参数与图2相同。

图4为4级Haar小波分解易容的均匀分布面纱安装效果示例,其融合比例为0.27,强度为21,分布偏移为-5.31,水平、垂直、对角方向控制参数分别为6,6,3。

图5为6级Haar小波分解易容的均匀分布面纱安装效果示例,其融合比例为0.19,强度为29,分布偏移为-0.31,水平、垂直、对角方向控制参数分别为5,5,7。

图6为6级db4小波分解易容的均匀分布面纱安装效果示例,其融合比例为0.29,强度为37,分布偏移为-3.31,水平、垂直、对角方向控制参数分别为5,5,3。

图7为7级sym4小波分解易容的均匀分布面纱安装效果示例,其融合比例为0.29,强度为37,分布偏移为-2.31,水平、垂直、对角方向控制参数分别为5,5,4。

具体实施方式

下面结合实施例,对本发明的具体实施方式作进一步详细描述。以下实施例仅用于说明本发明,但不用来限制本发明的范围。下列实施例中未注明具体条件的实验方法,通常按照常规条件,或按照制造厂商所建议的条件。

1、1级小波分解易容数字面纱:对于图像大小为512×512的标准测试图像lena(见附图1),若设置面纱强度为51,融合比例为0.73,可以通过设置偏移-7.31,并考虑高频子带系数给予3倍强度增益以遮挡低尺度近似图像内容,生成得到一个1级易容图像(见附图2)。观察该面纱可以得到面纱密度分布的细密特征,存在局部边缘特征改变,但整体易容效果不明显。实验表明,对于不同小波基函数,1级分解数字面纱易容特征差异不大,其效果更接近于“不同质料”上的水印,因此,存在隐私泄露风险。

2、多级小波分解易容数字面纱:附图3,4,5,6,7分别给出了不同小波基函数在3级及其以上小波分解易容的效果图。从这些效果图可以看出,不同小波基函数为背景质地提供了各有特点的“形态”表达,例如:Haar具有规整的面料形态;其它小波基函数则表现为或“蓬松”或“凹起”等质感形态;图像内容特征改变的也比较显著,人脸轮廓、细节内容都有明显差异,可以看到,易容图像与原图像除视觉内容构成上有一定的相似度之外,其中人物特征已完全不同,达到“易容”的目的,由此确保个人隐私得到有效保护。因此,建议实际应用中小波分解级数不应该小于2。

3、兼容压缩的能力:采用小波变换,因此只要各级系数能够完美复原,即使丢弃高频系数,仍然可以恢复低尺度近似分量,具有较强的兼容压缩能力。

4、抵抗深度学习盲复原攻击的能力:由于本方法对具有广义高斯分布的子带系数进行具有同类分布(均匀分布、高斯分布)的伪随机序列融合叠加,缺乏可以搜索学习的目标图像,在缺乏密钥种子的条件下,是无法复原原图像的。

实施例

下面以一个简单的图像隐私保护应用为例进一步说明具体的实施过程及其结果。在该应用中一方面要求公开图像基本的内容语义以便于分类、管理、传输等,另一方面则要求隐藏图像视觉对象的属性特征如性别、脸部特征等。

具体的实验操作环境为操作系统windows10,仿真实验软件为matlab2019b,具体过程如下:

1)依据测试图像大小为512×512,若option=1,则:生成长度为512×512的一维均匀分布伪随机序列X,其密钥种子为sd=1019046181,取值范围在(0,1)之间,其matlab代码如下:

sd=1019046181;rng(sd);X=rand(1,512*512);X=X-mean(X);

2)取强度幅值a为51,偏移b为-7.31,则由下列matlab代码得到实际生成的频域数字面纱V:

V=51*X-7.31;

3)对测试图像I做小波1级分解,其matlab代码如下:

[C,s]=wavedec2(I,1,’haar’);

其中:小波基函数选择“haar”小波,也可以选择其它小波,如:“db2”,“sym4”等;C为长度等于512×512的1维小波系数矢量,s为相应子带系数大小的参数矢量。

4)1级小波分解近似分量C

5)考虑各高频子带幅度增益为h=3,v=3,d=3;其水平、垂直、对角子带分量加载面纱后的更新计算的matlab代码如下:

C

C

C

其中:上述各式右边赋值依据下式得到,即有,

V

V

V

C

C

C

6)更新加载面纱后的小波分解系数矢量C,并由此重构加载面纱后的测试图像J,相关matlab代码如下:

C(1,1:len)=C

C(1,len+1:len+256*256)=C

C(1,len+256*256+1:len+2*256*256)=C

C(1,len+2*256*256+1:len+3*256*256)=C

J=waverec2(C,s,’haar’);

其面纱卸载过程为上述过程逆过程,反向消除V即可。

类似地,依此方法,分别对测试图像做2级分解,…,6级分解,将面纱序列按0.37,0.29,0.27,0.19等不同融合比例r与相应子带系数进行安装融合,其中选择不同水平、垂直、对角分量的幅值控制参数h、v、d等,例如附图说明中给出的h=6,v=6,d=3,从而获得附图2~7的面纱安装效果图像。

为了加大原图像分量以获得较好的效果图像视觉质量,一般选择较小的融合比例以抑制外加噪声的作用,因此,需要借助水平、垂直、对角分量的幅值控制参数来提高并调整面纱的强度,达到有效改变原图像主要特征的“易容”目的。

以上所揭露的仅为本发明的较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属于本发明所涵盖的范围。

去获取专利,查看全文>

相似文献

  • 专利
  • 中文文献
  • 外文文献
获取专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号