[发明专利]一种基于三维特征和能量变化特征的图像哈希获取方法

权利要求书

1.一种基于三维特征和能量变化特征的图像哈希获取方法，其特征在于：包括，

对输入图形进行预处理；

所述对输入图形进行预处理包括，

利用双线性插值运算将原始输入图像I₀的分辨率统一调整为M×M，对所述统一调整后的图像进行高斯低通滤波处理得到标准化图像，再将所述标准化图像转化到YC_bC_r颜色空间，得到亮度图像Y分量；

利用所述预处理后的图像进行二次图像的生成；

对所述二次图像进行不同三维视角下的全局特征提取和进行能量局部特征提取；

所述全局特征提取包括，

通过计算所述二次图像P中x轴和y轴的标准特征矩阵A和B每列的欧氏距离，得到大小为1×(M/2)的不变特征矩阵h，其计算公式如下所示：

其中：A_i,j和B_i,j为矩阵A和B的第i行和第j列，h(j)为矩阵h的第j个元素，利用所述不变特征矩阵h计算得到二进制序列H_S，长度为(M/2)-1，其计算公式如下所示：

其中：h(j)和H_S(j)分别为矩阵h和H_S的第j个元素；

所述标准特征矩阵包括，

在x轴视角下，将所述二次图像P按y轴分辨率进行分层，共分为M/2层，分别计算各层的统计特征，包括均值、方差和峰度，依次形成大小均为1×(M/2)的均值矩阵m_x、方差矩阵v_x和峰度矩阵s_x，将三个矩阵进行联合，形成x轴视角下的统计特征矩阵T_x，其大小为3×(M/2)，其中均值矩阵m_x、方差矩阵v_x、峰度矩阵s_x以及统计特征矩阵T_x表示为：

m_x＝[m₁,m₂,m₃,…,m_M/2-1,m_M/2]

v_x＝[v₁,v₂,v₃,…,v_M/2-1,v_M/2]

s_x＝[s₁,s₂,s₃,…,s_M/2-1,s_M/2]

T_x＝[m_x,v_x,s_x]

y轴视角下的均值矩阵M_y，方差矩阵V_y，峰度矩阵S_y以及统计特征矩阵T_y使用所述在x轴视角下的计算方法，表示为：

M_y＝[M₁,M₂,M₃,…,M_M/2-1,M_M/2]

V_y＝[V₁,V₂,V₃,…,V_M/2-1,V_M/2]

S_y＝[S₁,S₂,S₃,…,S_M/2-1,S_M/2]

T_y＝[M_y,V_y,S_y]

对所述统计特征矩阵T_x进行标准化处理，得到标准特征矩阵A，

其中：T_i,j为矩阵T_x的第i行和第j列，u_i为第i行向量的均值，σ_i为第i行向量的标准差，以同样的方法可以得到标准特征矩阵B；所述进行能量局部特征提取包括，

对于大小为M×M的所述亮度图像Y，其能量E(Y)表示为：

其中：trace(·)为矩阵的迹，y_ij为亮度图像Y的像素值，对亮度图像Y进行非重叠块分割，块的大小为a×a，依次求取每个图像子块的能量值，获得能量矩阵N₁：

其中：n_i,j为位于第i行和第j列的图像子块能量值，对所述能量矩阵N₁进行四个方向的矩阵操作，获得左上能量变化矩阵N_lu、右上能量变化矩阵N_ru、左下能量变化矩阵和右下能量变化矩阵N_rd，用公式表示如下：

N_lu＝[n_i,j-n_i-1,j-1](i＝2,3,…,M/a-1、j＝2,3,…,M/a-1)

N_ru＝[n_i,j-n_i-1,j+1](i＝2,3,…,M/a-1、j＝2,3,…,M/a-1)

N_ld＝[n_i,j-n_i+1,j-1](i＝2,3,…,M/a-1、j＝2,3,…,M/a-1)

N_rd＝[n_i,j-n_i+1,j+1](i＝2,3,…,M/a-1、j＝2,3,…,M/a-1)

对所述四个矩阵进行简化特征处理，得到能量变化矩阵N_v：

N_v＝N_lu×N_ru×N_ld×N_rd

对所述能量变化矩阵N_v按行展开为矩阵N，并量化为二进制序列H_N，其量化公式如下：

其中：N_v(i)和H_N(i)分别为矩阵N_v和H_N的第i个元素；

对所述全局特征和能量局部特征进行联合获取中间哈希序列，并利用伪随机数序列对所述中间哈希序列重新排列，得到最终的哈希序列，

所述中间哈希序列包括，

将不同视角下的三维全局统计特征H_S和能量局部特征H_N进行联合得到中间哈希序列H_m，H_m＝[H_S,H_N]；所述最终的哈希序列包括，

利用MATLAB中的随机函数产生的伪随机数序列S对H_m的列重新排列，得到最终的哈希序列H，具体为二进制序列H_S和H_N的长度分别为M/2-1bits、(M/a-2)²-1bits，因此哈希长度L＝M/2+(M/a-2)²-2bits；其中所述最终的哈希序列表示为如下：

H(i)＝H_m(S[i])

其中：S[i]和H(i)分别为伪随机数序列S和哈希序列H的第i个数，H_m表示中间哈希序列。