[发明专利]一种多媒体数字签名的方法

权利要求书

1.一种多媒体数字签名的方法，包括：

a.将数字多媒体对象中确定的低层特征向量构成一个数据矩阵，并对该数据矩阵进行主成分分析，得到基矢量矩阵；

b.将所述基矢量矩阵中的每个元素进行量化，以量化后的结果基矢量矩阵作为最终签名。

2.如权利要求1所述的方法，其特征在于，所述的低层特征是所述数字多媒体对象中能够反映感知内容的特征。

3.如权利要求1所述的方法，其特征在于，所述的低层特征向量的维数和内容是根据实际需要预先确定、且其从所述多媒体对象中提取。

4.如权利要求1所述的方法，其特征在于，所述的步骤b中，将所述基矢量矩阵中的每个元素进行量化具体地为：将基矢量矩阵中的每个元素量化成[0，255]范围内的一字节整数。

5.如权利要求1所述的方法，其特征在于，该方法还包括：

当需要增加数字签名的鲁棒性时，减少当前选定的低层特征向量的维数；

当需要增加数字签名的区别性时，增加当前选定的低层特征向量的维数。

6.如权利要求1所述的方法，其特征在于，该方法还包括：利用标准数字多媒体对象的数字签名对待检数字多媒体对象的数字签名进行匹配验证，具体地包括：

c.对于标准多媒体对象的数字签名和待检数字多媒体对象的数字签名分别进行反量化，得到原始的标准多媒体对象的基矢量矩阵以及原始的待检多媒体对象的基矢量矩阵；

d.对原始的标准多媒体对象的基矢量矩阵以及原始的待检多媒体对象的基矢量矩阵进行典型相关分析，得到两者的相似度，当所述相似度不小于预定的相似度比较值时，待检多媒体对象的数字签名为真，否则，待检多媒体对象的数字签名为假。

7.如权利要求1所述的方法，其特征在于，所述的数字多媒体对象为数字图像，此时，所述的低层特征向量为尺度不变特征变换特征向量。

8.如权利要求1所述的方法，其特征在于，所述的数字多媒体对象为数字视频，此时，所述的低层特征向量为每一帧图像的尺度不变特征变换特征向量。

9.如权利要求1所述的方法，其特征在于，所述的数字多媒体对象为数字视频，此时，所述的低层特征向量为数字视频中各个视频签名单元内的所有关键帧的尺度不变特征变换特征向量。

10.如权利要求1所述的方法，其特征在于，所述的数字多媒体对象为数字视频，此时，所述的低层特征向量为数字视频中各个视频签名单元内所有关键帧的尺度不变特征变换特征向量采用基于距离测度的无监督聚类方法进行聚类，去除其中的奇异点后、将得到的各个类别的聚类中心作为该签名单元的特征向量。

11.如权利要求7或8或9或10所述的方法，其特征在于，所述的尺度不变特征变换特征是这样确定的：

o1.对图像进行采样生成图像金字塔；

o2.对金字塔中各个层或者/确定的相近大尺寸层的图像采用多个方差不同的高斯核进行平滑，对平滑后的图像两两相减得到高斯差分图像；

o3.根据所述高斯差分图像中的各点与所述点的近邻点的灰度值，确定各个点的关键值；

o4.确定各关键点的邻域像素的梯度方向直方图，取其峰值作为该关键点处邻域梯度的主方向；

o5.根据所述关键点邻域的像素点的梯度位置和方向，确定尺度不变特征变换特征向量。

12.如权利要求11所述的方法，其特征在于，所述的步骤o3，还包括：将所述关键点中所含的低对比度点和不稳定边缘的响应点去除。

13.如权利要求11所述的方法，其特征在于，所述的步骤o5进一步地包括：

o51.以所述关键点为中心取n×n的窗口，对邻域中各像素的方向梯度值进行以关键点为中心的高斯加权；

o52.在边长为n/4的块上计算8个方向的梯度方向直方图，确定所述关键点邻域内的每个像素的梯度方向和模值；

o53.在边长为n/4的块上统计每个梯度方向的累加值，形成一个描述向量，所有块的描述向量组成尺度不变特征变换特征向量。

14.如权利要求13所述的方法，其特征在于，所述的n取值为16。