[发明专利]基于树形BoW模型的密文JPEG图像检索方法

摘要

本发明公开了一种基于树形BoW模型的密文JPEG图像检索方法。本方法为：首先，图像拥有者采用双层加密算法对数据库中所有图像加密，包括DCT系数流加密和置乱加密，再将密文图像库上传至云服务器。其次，云服务器计算密文图像的DCT系数统计特性作为局部特征，再根据树形BoW模型将图像的所有局部特征转化为全局特征。最后，服务器根据授权用户提交的密文查询图像，提取局部特征并转化为全局特征，计算其与数据库图像的全局特征间的距离来判断相似性，将结果返回给用户。本发明方法在实现图像检索的同时，保护了图像及特征的隐私；特征提取由服务器完成，降低了用户的计算负担；树形BoW模型对特征的转化保证了较高的检索效率。

主权项

1.一种基于树形BoW模型的密文JPEG图像检索方法，其特征在于，包括如下步骤：(1)进行图像加密过程，图像拥有者对JPEG图像的加密过程分为进行流加密和置乱加密两个部分，形成密文图像库：首先，将原始图像DCT系数以8×8为单位分块，将块内每个AC系数的绝对值转化成二进制序列，与等长的标准二进制流密码异或加密，再将加密后的结果转成十进制，即为密文AC系数，使密文AC系数的正负号与其原始系数一致；其次，对DCT块进行水平和垂直方向上的置乱加密；最后，图像拥有者将密文JPEG图像信息上传至云服务器；(2)特征的提取及转化过程：云服务器接收到在所述步骤(1)生成的密文图像库后，读取每幅密文图像的DCT系数并分成若干8×8的小块，计算每个块内AC系数的统计特性作为局部特征；然后，云服务器将每幅图像包含的多个局部特征转化为单个全局特征，该过程分为建立索引树和生成全局特征两步进行，从而建立树形BoW模型计算密文查询图像的全局特征：其中建立索引树的步骤如下：首先，所有局部特征被视为叶子节点；其次，选择两个最接近的叶子节点，计算它们的平均向量作为新的高层节点；当所有叶子节点配对完成，再对高层节点重复这一过程；当只剩下一个节点时，分层索引树建立完成；生成全局特征的步骤如下：首先，云服务器根据分层索引树构建BoW模型，从索引树中选择一层作为BoW层，该层的所有节点是视觉单词；对于图像中的一个局部特征，计算它与根节点的左右子节点的距离；若与左子节点的距离较小，则再比较左节点的左右子节点，反之亦然；逐层向下，直到到达所述BoW层，该局部特征就被归于最接近的视觉单词；当获得一幅图像中所有局部特征的视觉单词后，该图像就由视觉单词的频率来表示：H＝[w1,...,wt,...,wd]，即该图像的全局特征，其中，wt指的是属于第t个视觉单词的特征个数，d是视觉单词总数；从而使云服务器根据建立的树形BoW模型计算密文查询图像的局部特征并转化为全局特征；(3)密文图像检索过程：用户按照所述步骤(1)的方法将查询图像加密后上传至云服务器，云服务器根据所述步骤(2)中建立的全局特征，然后计算查询图像与云服务器的数据库中所有图像的全局特征间的距离，按照距离排序后，服务器返回给用户相应的图像，用户对返回的密文图像解密后，得到检索结果。