專利名稱：一種基于Zernike矩的魯棒哈希圖像認(rèn)證方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字圖像認(rèn)證技術(shù)領(lǐng)域，具體涉及一種基于Zernike矩的魯棒哈希圖像認(rèn)證方法。
背景技術(shù)：
數(shù)字圖像簽名技術(shù)的其中一個重要標(biāo)準(zhǔn)是系統(tǒng)的穩(wěn)健性。也就是針對數(shù)字圖像的特殊性，要求系統(tǒng)在能對惡意篡改作出準(zhǔn)確判斷以外，還要能接受圖像的一般改變，如加噪、幾何變換、濾波、壓縮等。而從圖像認(rèn)證的流程分析，如果能提取恰當(dāng)?shù)奶卣?，則一可實現(xiàn)系統(tǒng)的目標(biāo)，二可利用已有的完整的系統(tǒng)，更好地與已經(jīng)投入使用的系統(tǒng)兼容。目前各國學(xué)者已經(jīng)對不同的圖像特征進(jìn)行了嘗試，從低層次的圖像特征，如顏色，紋理等到高層次的圖像特征，進(jìn)而開始嘗試變換域系數(shù)、矩等，并且不同領(lǐng)域的知識也相互進(jìn)行了借鑒，如圖像識別、圖像恢復(fù)、數(shù)據(jù)庫檢索領(lǐng)域的進(jìn)展也促進(jìn)了數(shù)字圖像簽名領(lǐng)域的發(fā)展，同樣地，數(shù)字圖像簽名的很多成果，也在其他相關(guān)領(lǐng)域得到了應(yīng)用。
矩可以描述圖像全局信息，并且隨著階數(shù)的不同描述圖像不同的信息，如零階矩表示圖像面積，一階矩表示重心，二階矩表示方向。因此矩是一種有較好性能的圖像特征。自從Hu于1962年提出矩的不變性[文獻(xiàn)1、2]以來，各種矩以及矩的函數(shù)已逐漸成為模式分析的常用方法，被廣泛地應(yīng)用于模式識別、圖像描述、邊界檢測、物體定向及圖像分析等[文獻(xiàn)3、4、5]各個領(lǐng)域。這些基于矩的描述子大致說來可以分為(1)幾何矩；(2)正交矩；(3)旋轉(zhuǎn)矩；(4)復(fù)數(shù)矩。它們之間相互關(guān)聯(lián)，各有特點，分別適用于不同的場合。而Zernike矩是正交矩的一種，比起其他矩有更小的冗余性，并且具有旋轉(zhuǎn)不變性的良好性質(zhì)[文獻(xiàn)6]，因此本文考慮將Zemike矩用到數(shù)字圖像的的特征提取中。
Hash(哈希)是一種已被廣泛應(yīng)用于加密領(lǐng)域的技術(shù)。單向hash函數(shù)在文本信息認(rèn)證中，用于產(chǎn)生信息摘要。Hash函數(shù)主要可以解決一下兩個問題某一特定的時間內(nèi)，無法查找經(jīng)HASH操作后生成特定Hash值的原報文；也無法查找兩個經(jīng)Hash操作后生成相同Hash值的不同報文。這樣在數(shù)字簽名中就可以解決驗證簽名和用戶身份驗證、不可抵賴性的問題。在圖像領(lǐng)域，hash函數(shù)也有著廣泛的應(yīng)用。各領(lǐng)域的學(xué)者們研究分析了不同的hash函數(shù)，將它應(yīng)用于水印、模式識別等各個領(lǐng)域。在文獻(xiàn)[7]中，作者提出把提取的hash值作為數(shù)字水印嵌入到載體中實現(xiàn)水印算法的穩(wěn)健性。文獻(xiàn)[8]中提出用離散傅立葉極坐標(biāo)變換和加密算法產(chǎn)生hash值，生成的hash值可以對抗集合變換和濾波操作，并且對惡意攻擊敏感。文獻(xiàn)[9]分析了多個常用的hash算法的安全性，提出了一種數(shù)學(xué)的框架，并從數(shù)學(xué)上討論了安全性與穩(wěn)健性的平衡。文獻(xiàn)[10]提出用迭代的幾何算法計算穩(wěn)健的hash值，試驗結(jié)果顯示這種算法能抵抗標(biāo)準(zhǔn)的benchmark攻擊。
一、Zernike矩的相關(guān)理論。
Zernike矩是基于圖像區(qū)域的形狀描述子，它的基是正交徑向多項式，和其他的形狀描述子相比，除具有旋轉(zhuǎn)不變性，易構(gòu)造高階矩、冗余性小的優(yōu)點外，通過變換，還可具有比例和平移不變性[文獻(xiàn)11]。
1934年，Zernike提出了一組定義在極坐標(biāo)下單位圓(x2+y2≤1)上的復(fù)數(shù)多項式，假設(shè)這個多項式集合為{Vnm(x，y)}，則Vnm(x，y)＝Vnm(ρ，θ)＝Rnm(ρ)exp(jmθ)，
其中n是正整數(shù)或零，m是正整數(shù)或負(fù)整數(shù)，滿足n-|m|是偶數(shù)，且|m|≤n，而ρ是極半徑，θ是ρ與x軸在逆時針方向上形成的夾角。Rnm(ρ)定義為Rnm(ρ)=Σs=0n-|m|/2(-1)s·(n-s)!s!(n+|m|2-s)!(n-|m|2-s)!ρn-2s,]]>其中Rn，-m(ρ)＝Rnm(ρ)。
這些多項式是正交的，并且滿足∫∫x2+y2≤1[Vnm(x,y)]*Vpq(x,y)dxdy=πn+1δnpδmq,]]>其中δab在a＝b時為1，否則為0。
而Zernike矩時圖像函數(shù)在這組正交基上的映射。一個連續(xù)的圖像函數(shù)f(x，y)的n階m次迭代的Zernike矩為Anm=n+1π∫∫x2+y2≤1f(x,y)Vnm*(ρ,θ)dxdy.]]>對于一個離散圖像，積分由求和代替Anm=n+1πΣxΣyf(x,y)Vnm*(ρ,θ),x2+y2≤1.]]>要計算輸入圖像的Zernike矩，圖像的中心被視為坐標(biāo)原點，像素的坐標(biāo)被映射到單位圓上，而單位圓外的點不參與運(yùn)算，同樣地，有Anm*=An,-m.]]>Zernike矩的物理意義如下所述。
假設(shè)一幅圖像被旋轉(zhuǎn)角度α，記這個圖像函數(shù)為fr，則fr(ρ，θ)＝f(ρ，θ-α)。
根據(jù)∫A∫φ(x,y)dxdy=∫G∫φ[p(ρ,θ),q(ρ,θ)]∂(x,y)∂(ρ,θ)dρdθ,]]>可以把Zernike矩表達(dá)式由直角坐標(biāo)系變?yōu)闃O坐標(biāo)系，則
Anm=n+1π∫02π∫01f(ρ,θ)Vnm*(ρ,θ)dρdθ]]>=n+1π∫02π∫01f(ρ,θ)Rnm(ρ)exp(-jmθ)ρdρdθ]]>相應(yīng)地，對于旋轉(zhuǎn)圖像，有Anmr=n+1π∫02π∫01f(ρ,θ-α)Rnm(ρ)exp(-jmθ)ρdρdθ,]]>令θ1＝θ-α，則Anmr=n+1π∫02π∫01f(ρ,θ1)Rnm(ρ)exp(-jm(θ1+α))ρdρdθ1]]>=(n+1π∫02π∫01f(ρ,θ1)Rnm(ρ)exp(-jmθ1)ρdρdθ1)exp(-jmα)]]>=Anmexp(-jmα)]]>從上式可以看到，圖像旋轉(zhuǎn)只會改變Zernike矩的相位，則Zernike矩的幅度值對于旋轉(zhuǎn)具有不變性。
二、Hash(哈希)的相關(guān)理論。
Hash函數(shù)是一種單向密碼體制，它是一個從明文到密文的不可逆函數(shù)，也就是說，是無法解密的。Hash函數(shù)通常用于只需要加密、不需要解密的特殊場合，例如，為了保證數(shù)據(jù)的完整性(即保證信息不被非法篡改)可以使用單向散列函數(shù)對數(shù)據(jù)生成并保存散列值，然后，每當(dāng)使用數(shù)據(jù)時，用戶將重新使用單向散列函數(shù)計算數(shù)據(jù)的散列值，并與保存的數(shù)值進(jìn)行比較，如果相等，說明數(shù)據(jù)是完整的，沒有經(jīng)過改動的；否則，數(shù)據(jù)己經(jīng)被改動了[文獻(xiàn)12]。
Hash函數(shù)(單向散列函數(shù))作用于一任意長度的消息M，它返回一個固定長度的散列值hh＝H(M)。其中，M是待處理的明文，可以為任意長度；H是單向散列函數(shù)，h是生成的報文摘要，它具有固定的長度，并且和M的長度無關(guān)。其中H具有以下的單向性質(zhì)①給定H和M很容易計算h；②給定h和H，很難計算M，甚至得不到M的任何消息；③給定H，要找兩個不同的Mi和Mz，使得H(Mi)＝H(Mz)在計算上是不可行的[文獻(xiàn)12]。
根據(jù)單向散列函數(shù)的安全水平，可以將單向散列函數(shù)分成兩類強(qiáng)碰撞自由的單向散列函數(shù)和弱碰撞自由的單向散列函數(shù)。上面描述的是強(qiáng)碰撞自由的單向散列函數(shù)的性質(zhì)。如果將第③條改為給定h和一個已知的消息M，找另外一個不同的消息Mi，使得h(M)＝h(Mi)在計算上是不可行的，就叫做弱碰撞自由的單向散列函數(shù)。
顯然強(qiáng)碰撞自由的單向散列函數(shù)比弱碰撞自由的單向散列函數(shù)安全性要高。因為弱碰撞自由的單向散列函數(shù)隨著重復(fù)使用次數(shù)的增加安全性逐漸降低，強(qiáng)碰撞自由的單向散列函數(shù)則不會因其重復(fù)使用而降低安全性。因此在實際中要求使用強(qiáng)碰撞自由的單向散列函數(shù)。除此之外，在實際應(yīng)用中還要求單向散列函數(shù)具有如下特點[文獻(xiàn)12](1)單向散列函數(shù)能夠處理任意長度的明文，其生成的消息摘要數(shù)據(jù)塊長度具有固定的大小，而且，對同一個消息反復(fù)執(zhí)行該函數(shù)總是得到相同的信息摘要。
(2)單向散列函數(shù)生成的信息摘要是不可預(yù)見的，消息摘要看起來和原始的數(shù)據(jù)沒有任何的關(guān)系。而且，原始數(shù)據(jù)的任何微小變化都會對生成的信息摘要產(chǎn)生很大的影響。
(3)具有不可逆性，即通過生成的報文摘要得到原始數(shù)據(jù)的任何信息在計算上是完全不可行的。
單向散列函數(shù)在密碼學(xué)中有著非常廣泛的應(yīng)用，它被廣泛地應(yīng)用于數(shù)字簽名、消息的完整性鑒別、消息的起源認(rèn)證等，另外也和各種密碼算法一起構(gòu)成混合密碼系統(tǒng)。
單向散列函數(shù)是建立在壓縮函數(shù)基礎(chǔ)上的，它的一般原理與實現(xiàn)過程是單向散列函數(shù)按分組處理輸入的消息。在分組之前，首先將待處理的消息進(jìn)行填充，使得它的長度恰好是分組長度的整數(shù)倍。一般為了避免不同長度的消息散列后得到相同的散列值，填充的部分需要包含原來消息長度的信息。將消息分組后對各分組分別處理，壓縮函數(shù)的輸入是上一個變換的輸出加上本分組的消息，數(shù)學(xué)表示為hi＝f(Mi，hi-1)。第i-1個散列值和第i個消息分組一起，作為第i輪函數(shù)的輸入。最后一個分組的散列值即成為整個消息的散列值[文獻(xiàn)12]。
由于數(shù)字圖像簽名在多媒體內(nèi)容認(rèn)證、數(shù)據(jù)庫檢索，和數(shù)字水印中有很廣泛的應(yīng)用，近年來得到了廣泛的關(guān)注。傳統(tǒng)的基于密碼學(xué)的簽名對認(rèn)證信息中每個比特的變化都很敏感，不適用于圖像，因為圖像數(shù)據(jù)容許進(jìn)行內(nèi)容保持操作，如壓縮等。因此，有必要研究對內(nèi)容保持操作穩(wěn)健，又具有區(qū)分惡意篡改功能的圖像簽名。
參考文獻(xiàn)如下[1]M-K Hu.Pattern recognition by moments invariants.Proc.IRE.1961.49(9)1428. Ming-Kuei Hu.Visual pattern recognition by moment invariants.IRE Trans.OnInformation Theory.1962.8(2)179-187. Sahibsingh A Dudani，Kenneth J Breeding，Robert B Mcghee.Aircraft identificationby moment invariants.IEEE Trans.On Computers.1977.26(1). Soo-Chang Pei，Chao-Nan Lin.Normalization of rotationally symmetric shapes forpattern recognition，Pattern Recognition.1992.25(9)913-920. M Hatamian.A real-time two-dimensional moment generating algorithm and itssingle chip implementation.IEEE Trans.Acoust.，Speech，Signal Processing.1986.34(3)546-553. Hong-Bin Zhang，Cheng Yang，Xiao-Mei Quan.Image Authentication Based on DigitalSignature and Semi-Fragile Watermarking.Journal of Computer Science and Technology.November 2004.volume 19，Issue 6. M.K.Mihcak，R.Venkatesan.New Iterative Geometric Methods for RobustPerceptual Image Hashing.Proceedings of ACM Workshop on Security and Privacy inDigital Rights Management.November 2001. Ashwin Swaminathan，Yinian Mao，Min Wu.Robust and Secure Image Hashing.IEEETransactions on Information Forensics and Security.June 2006.Vol.1，No.2. Ashwin Swaminathan，Yinian Mao，Min Wu.Security of Feature Extraction in ImageHashing.IEEE.2005. P.Kovesi.Image Features from Phase Congruency.Journal of Computer VisionResearch.1999.1(3)1-26. 段新濤，王耀明.Zernike矩在圖像旋轉(zhuǎn)與抗噪聲中的應(yīng)用.福建電腦.2004年.第2期. 孫建梅.基于內(nèi)容的圖像認(rèn)證技術(shù)研究.西北大學(xué).2005年碩士學(xué)位論文. R.Venkatesan，S.-M.Koon，M.H.Jakubowski，P.Moulin.Robust Image Hashing.Proceedings IEEE International Conference on Image Processing(ICIP).September2000.Vol.3，pp.664-666. J.Fridrich，M.Goljan.Robust Hash Functions for Digital Watermarking.IEEEProceedings International Conference on Information TechnologyCoding andComputing.March 2000.pp.178-183.

發(fā)明內(nèi)容
本發(fā)明提出一種基于Zernike矩的魯棒哈希圖像認(rèn)證方法。
本發(fā)明方法的技術(shù)方案為一種基于Zernike矩的魯棒哈希圖像認(rèn)證方法，本發(fā)明方法以圖像的Zernike矩作為圖像的特征，通過隨機(jī)化得到圖像的哈希值，通過比較圖像哈希值之間的漢明距對圖像進(jìn)行認(rèn)證，其特征是本方法包括以下步驟a.分別提取兩幅圖像的Zernike矩；b.計算圖像的哈希(hash)值；c.對提取出的哈希值進(jìn)行量化和格雷編碼，得到二值化哈希序列；d.比較兩幅圖像的哈希序列的漢明距，判斷圖像是否近似。
所述步驟b中采用如下公式計算圖像的哈希(hash)值
hi=1NΣn,mβ|Zi(n,m)|,i=1,2,;]]>其中其中β是正態(tài)分布，均值為m，方差為σ2的隨機(jī)數(shù)，N是Zernike矩陣中所有不為0的矩值的個數(shù)。
所述步驟d中漢明矩采用如下公式計算d(h1,h2)=1LΣk=1L|h1(k)-h2(k)|,]]>其中L是哈希(hash)值的字節(jié)數(shù)。
本發(fā)明方法利用Zernike矩的不變性實現(xiàn)哈希算法的穩(wěn)健性，對圖像的旋轉(zhuǎn)，JPEG壓縮，加噪和濾波操作具有一定的穩(wěn)健性，同時能夠區(qū)分剪貼等惡意篡改。


圖1是本發(fā)明方法的流程框圖；圖2是本發(fā)明方法在采用了500幅原始圖像進(jìn)行試驗時對圖像旋轉(zhuǎn)的穩(wěn)健性示意圖；圖3是本發(fā)明方法對shearing操作的穩(wěn)健性示意圖；圖4是本發(fā)明方法對JPEG壓縮的穩(wěn)健性示意圖；圖5是本發(fā)明方法對加噪的穩(wěn)健性示意圖；圖6是本發(fā)明方法對均值濾波的穩(wěn)健性示意圖；圖7是本發(fā)明方法對中值濾波的穩(wěn)健性示意圖；圖8是對圖像進(jìn)行剪貼操作，將圖b的30％貼到圖a，生成圖c；圖9是本發(fā)明方法的ROC曲線圖；圖10是本發(fā)明方法的ROC曲線與其他算法比較示意圖。
具體實施例方式
下面結(jié)合附圖對本發(fā)明方法作進(jìn)一步說明。
如圖1所示，本發(fā)明方法首先，圖像在傳輸或存儲前，先提取圖像的特征(計算圖像的zernike矩)，再把zernike矩值加密，生成哈希序列，作為以后進(jìn)行圖像認(rèn)證的依據(jù)。在需要進(jìn)行圖像認(rèn)證時，用同樣的方法提取圖像的特征，加密生成哈希序列，把新生成的哈希序列與原來與圖像一起存放或傳送的哈希序列比較，計算兩者的漢明距，若兩者的漢明距低于設(shè)定的閾值，則認(rèn)為圖像通過認(rèn)證，否則，則認(rèn)為圖像不能通過認(rèn)證。
本發(fā)明方法的具體步驟如下(1)分別提取兩幅圖像的Zernike矩Z1(n，m)，Z2(n，m)；(2)用以下公式計算圖像的hash值hi=1NΣn,mβ|Zi(n,m)|,i=1,2;]]>其中β是正態(tài)分布，均值為m，方差為σ2的隨機(jī)數(shù)，N是Zernike矩陣中所有不為0的矩值的個數(shù)。由于計算時引入了隨機(jī)量，增加hash認(rèn)證的安全性。
(3)對提取出的hash值進(jìn)行量化和格雷編碼，得到二值化序列；(4)比較兩幅圖像的hash序列的漢明距，漢明距的計算公式如下d(h1,h2)1LΣk=1L|h1(k)-h2(k)|,]]>其中L是hash值的字節(jié)數(shù)。由以上算法流程可知，對于完全不同的兩幅圖像，兩者的漢明距應(yīng)為0.5，而對于相同的圖像，漢明距應(yīng)為0，即漢明距的范圍應(yīng)在0到0.5之間，數(shù)值越接近0.5，表示兩幅圖像的內(nèi)容越不同。本方法除了可以用作一般的圖像認(rèn)證外，還可以用于圖像數(shù)據(jù)庫的檢索。
由于對于任何大小的圖像，用本算法都可算出同樣長度的字節(jié)數(shù)較少的哈希序列(即圖像簽名)，若用這些哈希序列作為數(shù)據(jù)庫的索引，可以大大減少圖像檢索的時間。另外，由于這些哈希序列是與圖像內(nèi)容有關(guān)的，這種數(shù)據(jù)庫的索引可以更確切地反映圖像的內(nèi)容，與傳統(tǒng)的搜索圖像標(biāo)題或某部分標(biāo)志的技術(shù)相區(qū)別。
本方法也可用于數(shù)字水印技術(shù)。數(shù)字水印技術(shù)中，有一類在檢測水印的時候需要得到水印的載體(原始圖像)。但是圖像的數(shù)據(jù)量大，不方便傳輸或存儲。若能用本算法算出的哈希序列代替水印載體(原始圖像)來進(jìn)行檢測，可以大大減少檢測的計算量，或者是傳輸網(wǎng)絡(luò)、存儲工具的負(fù)擔(dān)。
下面是對本發(fā)明方法的穩(wěn)健性給以證明。
采用了500幅原始圖像，均為512×512的灰度圖，然后對每幅圖像進(jìn)行了旋轉(zhuǎn)、壓縮、加噪、中值濾波和均值濾波操作，如表1所示，即每幅圖生成了65幅內(nèi)容相似的圖像。所得試驗數(shù)據(jù)圖2至圖7所示。
由圖2可知，本文算法對圖像旋轉(zhuǎn)的穩(wěn)健性與Min Wu的算法相近，旋轉(zhuǎn)圖像與原始圖像的漢明距比較小，有利于選取恰當(dāng)?shù)拈撝祵D像進(jìn)行認(rèn)證。
由圖3可知，在shearing操作的百分比較小時，本文算法對shearing操作有較好的穩(wěn)健性，但當(dāng)圖像被修改的百分比增大時，本文算法與Fridrich的算法的性能接近，稍差于其余算法。
由圖4可知，當(dāng)圖像壓縮率較高時，本文算法計算的原始圖像與壓縮圖像的漢明距仍低于0.25，若在進(jìn)行圖像認(rèn)證時選取恰當(dāng)?shù)拈撝担惴梢詫崿F(xiàn)對JPEG壓縮操作的穩(wěn)健性。
由圖5可知，本文算法對加噪操作的穩(wěn)健性較Min Wu的算法稍差，優(yōu)于其余算法。
由圖6可知，本文算法對均值濾波操作的穩(wěn)健性優(yōu)于其余算法。
由圖7可知，本文算法對中值濾波操作的穩(wěn)健性較差。
由以上的數(shù)據(jù)及分析可知，本文算法對旋轉(zhuǎn)、加噪、均值濾波操作的穩(wěn)健性較好，對shearing、JPEG壓縮、中值濾波操作的穩(wěn)健性稍差。
表1對圖像進(jìn)行的操作

下面對本發(fā)明方法對檢測惡意篡改的性能給以證明。
一個理想的哈希算法除了要具備穩(wěn)健性外，還要具有檢測惡意篡改的功能，即對于內(nèi)容明顯不同的圖像能有效辨別。對于本文算法，若計算兩幅有不同內(nèi)容的圖像的哈希序列的漢明距，結(jié)果應(yīng)接近0.5。試驗采用了500幅內(nèi)容不同的圖像，然后計算總數(shù)為124，750個圖像組合的漢明距。得出漢明距的均值為0.4。
為了進(jìn)一步檢驗發(fā)明方法的安全性，我們對500幅圖像進(jìn)行了剪貼操作，如圖8所示。通過剪切圖b的一部分，將其分別粘貼到500幅內(nèi)容不同的圖像組a上，然后計算原始圖像與經(jīng)過剪貼操作后的圖像c的漢明距，所得數(shù)據(jù)如表2所示。從表中可知，本發(fā)明方法可以有效地對圖像a，b和c進(jìn)行分辨，有較好的檢測性能。由表2可知，本發(fā)明方法對于剪貼操作的敏感性較高。
表2算法對內(nèi)容不同圖像的分辨性

下表3算法對內(nèi)容不同圖像的分辨性，如圖8所示，圖像b為lena圖，圖像a為500幅內(nèi)容不同的圖像，通過用圖像b的一部分貼到圖像a得到圖像c。D(bc)表示圖像b與圖像c的漢明距的均值，D(ac)表示圖像a與圖像c的漢明距的均值。
表3

圖像的認(rèn)證過程可以看作是一個假設(shè)檢驗問題。我們給出以下兩個假設(shè)H0圖像合法；H1圖像非法。
然后通過描繪ROC曲線檢驗算法的穩(wěn)健性與安全性。我們先計算每一幅原始圖像的哈希值，記為h1。然后計算接收到的圖像的哈希值，記為h2，然后計算兩者的漢明距d(h1，h2)，將其與閾值η比較。如果漢明距小于閾值，則認(rèn)為圖像是合法的，否則，認(rèn)為圖像是非法的。然后統(tǒng)計被正確判定為合法的圖像的個數(shù)，繼而計算出正確率PD。同樣，對于給定閾值，我們統(tǒng)計其他圖像進(jìn)行處理后被錯誤判定為原始圖像的個數(shù)，計算出錯誤率PF。然后改變閾值，重復(fù)以上步驟，得出圖9、圖10的ROC曲線。從曲線中可以看到在PF為0.07的時候，PD為0.9，在給定錯誤率時，本發(fā)明方法有較好的穩(wěn)健性與安全性。
權(quán)利要求
1.一種基于Zernike矩的魯棒哈希圖像認(rèn)證方法，本發(fā)明方法以圖像的Zernike矩作為圖像的特征，通過隨機(jī)化得到圖像的哈希值，通過比較圖像哈希值之間的漢明距對圖像進(jìn)行認(rèn)證，其特征是本方法包括以下步驟a.分別提取兩幅圖像的Zernike矩；b.計算圖像的哈希(hash)值；c.對提取出的哈希值進(jìn)行量化和格雷編碼，得到二值化哈希序列；d.比較兩幅圖像的哈希序列的漢明距，判斷圖像是否近似。
2.根據(jù)權(quán)利要求1所述的圖像認(rèn)證方法，其特征是所述步驟b中采用如下公式計算圖像的哈希(hash)值hi=1NΣn,mβ|Zi(n,m)|,i=1,2,;]]>其中其中β是正態(tài)分布，均值為m，方差為σ2的隨機(jī)數(shù)，N是Zernike矩陣中所有不為0的矩值的個數(shù)。
3.根據(jù)權(quán)利要求1所述的圖像認(rèn)證方法，其特征是所述步驟d中漢明矩采用如下公式計算d(h1,h2)=1LΣk=1L|h1(k)-h2(k)|,]]>其中L是哈希(hash)值的字節(jié)數(shù)。
全文摘要
本發(fā)明屬于圖像認(rèn)證技術(shù)領(lǐng)域，具體公開一種基于Zernike矩的魯棒哈希圖像認(rèn)證方法。在哈希算法中，圖像特征的選取是其中關(guān)鍵的一步。本發(fā)明方法以圖像的Zernike矩作為圖像的特征，通過隨機(jī)化得到圖像的哈希值，通過比較圖像哈希值之間的漢明距對圖像進(jìn)行認(rèn)證。本方法利用Zernike矩的不變性實現(xiàn)哈希算法的穩(wěn)健性。本發(fā)明方法對圖像的旋轉(zhuǎn)，JPEG壓縮，加噪和濾波操作具有一定的穩(wěn)健性，同時能夠區(qū)分剪貼等惡意篡改。
文檔編號G06K9/00GK101079101SQ20071002868
公開日2007年11月28日 申請日期2007年6月19日 優(yōu)先權(quán)日2007年6月19日
發(fā)明者劉紅梅, 何妙誼, 黃繼武 申請人:中山大學(xué)