基于变换域和形状特征的图像哈希获取方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111429337A(43)申请公布日2020.07.17(21)申请号202010127140.0(22)申请日2020.02.28(71)申请人上海电力大学地址200090上海市杨浦区平凉路2103号(72)发明人赵琰周晓炜(74)专利代理机构上海德昭知识产权代理有限公司31204代理人郁旦蓉(51)Int.Cl.G06T3/00(2006.01)G06T7/13(2017.01)G06F21/60(2013.01)权利要求书2页说明书6页附图3页(54)发明名称基于变换域和形状特征的图像哈希获取方法(57)摘要本发明提供了一种基于变换域和形状特征的图像哈希获取方法，包括以下步骤：步骤1，输入图像，对图像进行高斯低通滤波处理，并将图像的大小调整为N×N，而后将图像转化到YCbCr空间；步骤2，分别对YCbCr空间中的Y通道、Cb通道以及Cr通道进行NSCT分解，并保留三个通道分解得到的低频图像和Y通道分解得到的高频图像；步骤3，将Y通道的高频图像经过Canny算子提取边缘，而后计算Zernike不变矩得到高频哈希序列H1；步骤4，在YCbCr空间，将三个通道的低频图像分别分割为64个子块并提取6个统计特征，构成一个18维的特征矩阵后使用PCA降维并压缩得到低频哈希序列H2；步骤5，联合高频哈希序列H1和低频哈希序列H2，利用密钥进行加密后得到最终哈希序列h。CN111429337ACN111429337A权利要求书1/2页1.一种基于变换域和形状特征的图像哈希获取方法，其特征在于，包括如下步骤：步骤1，输入图像，对所述图像进行高斯低通滤波处理，并将所述图像的大小调整为N×N，而后将所述图像转化到YCbCr空间；步骤2，分别对所述YCbCr空间中的Y通道、Cb通道以及Cr通道进行NSCT分解，并保留三个通道分解得到的低频图像和所述Y通道分解得到的高频图像；步骤3，将所述Y通道的所述高频图像经过Canny算子提取边缘，而后计算Zernike不变矩得到高频哈希序列H1；步骤4，在所述YCbCr空间，将所述Y通道、所述Cb通道以及所述Cr通道进行NSCT分解后得到的所述低频图像分别分割为64个子块并提取6个统计特征，所述6个统计特征分别为均值、标准差、平滑度、三阶矩、一致性以及熵，构成一个18维的特征矩阵后使用PCA降维并压缩得到低频哈希序列H2；步骤5，联合所述高频哈希序列H1和所述低频哈希序列H2，利用密钥进行加密后得到最终哈希序列h＝[H1，H2]。2.根据权利要求1所述的基于变换域和形状特征的图像哈希获取方法，其特征在于：其中，所述步骤3中包括以下子步骤：步骤3-1，对所述Y通道的所述高频图像使用Canny算子提取边缘得到二值图像；步骤3-2，对所述二值图像提取9个Zernike不变矩Z00，Z11，Z20，Z22，Z31，Z33，Z40，Z42，Z44作为高频特征，得到所述高频哈希序列H1。3.根据权利要求1所述的基于变换域和形状特征的图像哈希获取方法，其特征在于：其中，所述步骤4中包括以下子步骤：步骤4-1，将所述Y通道、所述Cb通道以及所述Cr通道得到的所述低频图像分成n×n个子块，而后提取每个所述子块的6个所述统计特征，每个通道得到一个6×n2的特征矩阵，将三个通道的所述特征矩阵结合后得到一个18×n2的特征矩阵X；步骤4-2，通过主成分分析PCA忽略次要的分量，将18×n2的特征向量矩阵X降维构成一个k×n2的矩阵Y；步骤4-3，通过计算矩阵Y各行与参考向量y0的二范数来将矩阵Y压缩为一个哈希序列，得到所述低频哈希序列H2。4.根据权利要求3所述的基于变换域和形状特征的图像哈希获取方法，其特征在于：其中，所述步骤4-3中还包括以下子步骤：步骤4-3-1，设矩阵Y＝[y1,y2,…,yN]，计算所述参考向量y0＝[y0(1),y0(2),…,y0(k)T]，通过公式(1)得到所述参考向量y0的第i个元素y0(i)，步骤4-3-2，通过公式(2)计算矩阵Y各行向量yj与所述参考向量y0的二范数，将向量d量化为与所述高频哈希序列H1同一量级的序列，得到低频哈希序列H2，公式(1)中，yj(i)为矩阵Y各行向量yj的第i个元素。2CN111429337A权利要求书2/2页5.根据权利要求1所述的基于变换域和形状特征的图像哈希获取方法，其特征在于：其中，所述高频哈希序列H1的长度为9个数，2所述低频哈希序列H2的长度为n个数，所述最终哈希序列的长度为n2+9个数。3CN111429337A说明书1/6页基于变换域和形状特征的图像哈希获取方法技术领域[0001]本发明属于图像处理领域，具体涉及一种基于变换域和形状特征的图像哈希获取方法。背景技术[0