[发明专利]一种通过默克尔树组装的物体唯一标识的数字签名方法

权利要求书

1.一种通过默克尔树组装的物体唯一标识的数字签名方法，其特征在于，包括以下步骤：

1)对物体进行特征提取；

通过采集设备对物体进行成像，对图像进行预处理，然后通过不同的特征提取方法对物体的特征进行提取；

图像的预处理采用灰度化和图像分割；

图像灰度化处理具体如下：

在RGB颜色空间中，一幅彩色图片的像素是由红R、绿G、蓝B三个颜色分量组成的。当R＝G＝B时，彩色表示为一种灰度颜色，灰度范围为0-255；

图像灰度化处理就是将彩色图像转化为灰度图像的过程，图像处理中通过以下一种或者一种以上方法进行灰度化，具体包括：

(1)分量法：将彩色图像三个通道的亮度值作为三种灰度图像的灰度值，分为R分量灰度图、G分量灰度图和B分量灰度图，根据实际情况需要选取其中一种；

(2)平均值法：将彩色图像三个通道的亮度值求平均得到灰度值；

Gray＝R＝G＝B＝(R+G+B)/3

(3)加权平均法：将彩色图像三个通道进行加权平均能得到灰度图像；

Gray＝R*0.30+G*0.59+B*0.11；

图像分割处理具体如下：

图像分割的目的是将物体的主体区域从复杂的背景中区分出来，减少背景对特征提取和图像分类的干扰，是后续识别工作的基础；

分割算法包括：阈值分割法、边缘检测分割法、分水岭分割法和GrabCut分割法；

提取方法包括通过CNN卷积神经网络进行物体的分类特征提取和通过生物特征识别技术进行生物特征识别；

所述CNN卷积神经网络通过以下一种或者一种以上方法进行处理；

(1)均值滤波法；

均值滤波也叫邻域平均法，是基于滤波模板对邻域内的中心点像素求均值的图像平滑方法，模板运算在数学中描述的就是卷积运算，设一幅像素大小N*N的图像f(x,y)，均值滤波后的图像为g(x,y)，表达式如下：

上式中：x,y＝0,1,...,N-1；S是以(x,y)为中心的邻域的集合，M是S内的点数。常用的是3*3模板，此时的M为9；

(2)中值滤波；

中值滤波是对采样窗口中取出的奇数个像素的灰度按等级进行排序，用该邻域内所有像素的灰度中值取代当前中心点原来的灰度值，是一种非线性的窗口滤波形式，滤波算法表示方法如下：

上式中，A为窗口模板，一般是3*3，f(i,j)，y(i,j)分别为原始图像和滤波处理后图像的像素值；

(3)高斯滤波；

高斯滤波是用于消除高斯噪声的一种线性平滑滤波器，其滤波函数表示为下式：

用滤波后的图像与原图的均方误差以及峰值信噪比定义去噪结果，如下式：

上式中，图像像素大小是m*n，I(i,j)表示原始图像信息，K(i,j)表示图像处理后的图像信息；

所述分类特征提取包括颜色特征，用颜色直方图来表述；形状特征用Hu不变矩来描述和纹理特征用LBP进行特征描述；

所述生物特征包括脸、指纹、手掌纹、虹膜、视网膜、声音、体形和个人习惯；

2)通过哈希值计算算法对提取的每个特征计算哈希值，形成物体唯一标识；

具体步骤如下：

将物体X提取的特征值哈希H1，H2，H3......进行两两分组，并对这两个哈希值计算得到一个新的哈希值，两个旧的哈希值就作为新哈希值的叶子节点，如果哈希数量为单数，则对最后一个哈希值再次计算哈希值即可；重复上述计算，直至最后只剩下一个哈希值；

3)利用物体唯一标识的数字签名，结合物体的其他信息作为二维码生成程序的输入，制作成物体唯一标识的数字签名的二维码；

二维码贴于物体表面，作为物体的标识，用户收到物体，扫描二维码，识别其物体的相关信息，根据信息生成哈希值，比较哈希值与物体唯一标识的数字签名是否一致。

2.根据权利要求1所述的一种通过默克尔树组装的物体唯一标识的数字签名方法，其特征在于，步骤1)所述采集设备为照相机。