[发明专利]一种基于临近梯度和结构特征的图像哈希处理方法

说明书

本发明公开了一种基于临近梯度和结构特征的图像哈希处理方法，包括读取图像库中图像，对图像进行预处理；对所述预处理后的图像提取三分量，利用临近梯度以及二值化量化压缩方法，获得图像的统计特征；将所述预处理后的图像转化至颜色空间，提取其亮度分量，并将所述亮度分量转为三维图像；根据所述亮度分量图像以及三维图像，提取图像的结构特征；联合所述统计特征与结构特征，得到中间哈希，并利用随机发生器对所述中间哈希进行位置置乱得到最终的哈希序列。本发明对大部分保持内容的图像处理具有鲁棒性，对图像做了分块处理，对大角度旋转不具有鲁棒性，具有很低的碰撞率；对于图像认证，利用图像库中的特征构成图像哈希，具有较高的安全性能。

技术领域

本发明涉及图像处理的技术领域，尤其涉及一种基于临近梯度和结构特征的图像哈希处理方法。

背景技术

近年来，数字媒体的内容安全问题一直受到人们的广泛关注。随着科技和网络的快速提升，以及智能多媒体，多种图像编辑软件普及使用，越来越多的图像和视频由用户产生，并被上传至互联网社区。人们可以很轻松的从中获取大量图像信息，并且可以利用各类软件如photoshop，光阴魔术手等对图像进行简单操作，如图像添加文本，改变图像亮度，对比度，以及合成新图像等。因此一幅图像可能会产生许多拷贝版本，因而如何区分这些图像至关重要。从而图像哈希这技术应运而生用于检测图像并分类。

现有众多研究者们在图像哈希领域所做出的杰出算法，例如Lei等人结合 Radon变换和离散傅里叶变换(discrete Fourier transform，DFT)构建哈希，通过提取图像变换后的不变特征和一维DFT变换的DFT系数进行量化构成哈希、 Qin等人[2]考虑在保持区分性同时增加算法抗旋转能力，于是提取图像最大内接圆重构图像块，对二次图像用DFT转到频域，利用非均匀采样从傅里叶系数的幅值矩阵中提取鲁棒性特征构成哈希等，存在对伽马校正和高斯噪音鲁棒性较弱、影响图像分类性能等问题。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有图像哈希处理存在的问题，提出了本发明。

因此，本发明解决的技术问题是：传统的哈希图像算法不能检测颜色改变及对噪声鲁棒性较弱；另一方面对大角度旋转具有鲁棒性，但运行时间过长，碰撞率较高。

为解决上述技术问题，本发明提供如下技术方案：读取图像库中图像，对图像进行预处理；对所述预处理后的图像提取三分量，利用临近梯度以及二值化量化压缩方法，获得图像的统计特征；将所述预处理后的图像转化至颜色空间，提取其亮度分量，并将所述亮度分量转为三维图像；根据所述亮度分量图像以及三维图像，提取图像的结构特征；联合所述统计特征与结构特征，得到中间哈希，并利用随机发生器对所述中间哈希进行位置置乱得到最终的哈希序列。

作为本发明所述的基于临近梯度和结构特征的图像哈希处理方法的一种优选方案，其中：所述对图像进行预处理包括，将图像规格化为相同尺寸，并且在图像大小调整后，进行高斯低通滤波过滤操作，减少噪声污染。

作为本发明所述的基于临近梯度和结构特征的图像哈希处理方法的一种优选方案，其中：所述高斯低通滤波过滤操作包括，利用模板为3×3，标准差σ为 1的高斯低通滤波器对图像进行滤波，所述滤波过程的计算公式为如下：

其中：M^G(i，j)为模版中的第i行第j列元素值。