基于树形BoW模型的密文JPEG图像检索方法技术

本发明专利技术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。本发明专利技术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。

【技术实现步骤摘要】
基于树形BoW模型的密文JPEG图像检索方法
本专利技术涉及一种密文图像检索方法，特别是一种云环境下的安全密文图像检索方法，应用于信息检索方法和图像加密保护

技术介绍
云计算是时下最热门的一种服务模式。用户可以随时随地通过网络获得所需的资源，而不必考虑硬件等其他因素。因此，越来越多的企业和个人选择由云服务器来存储及管理本地数据。然而，这也为数据的隐私安全带来了隐患。一种解决方式是对数据加密后再上传至云服务器，这对传统的基于明文的信息检索服务是一个巨大的挑战。如何在保护数据隐私的同时实现精确的检索，比如基于密文图像的检索技术，成为了研究热点。现有的密文图像检索方法可以分为两类。第一类是基于特征的可检索加密方法，即加密后的特征间的距离依然可以反映图像的相似性。由数据拥有者提取图像特征，对特征和图像分别加密后上传。检索时，用户对检索图像提取特征并加密，将密文特征上传至云服务器。服务器计算密文特征间的距离并排序，将相应的图像返回给用户。第二类检索方法是基于特征的加密不变特性，即特征在图像加密前后保持不变，因此数据拥有者只需将图像加密后上传，服务器可以直接从密文图像中提取出明文特征，从而进行相似性比较。可参阅如下文献：[1]W.Lu,A.Swaminathan,A.L.Varna,andM.Wu,Enablingsearchoverencryptedmultimediadatabases,InProceedingsofSPIE,vol.7254,Conf.onMediaForensicsandSecurity,January2009.[2]H.Cheng,X.Zhang,J.Yu,Y.Zhang,EncryptedJPEGimageretrievalusingblock-wisefeaturecomparison,VisualCommunicationandImageRepresentation,Elsevier,pp.111-117,2016.在第一类方法中，图像特征的提取需要由拥有者和用户完成，且图像和特征需要分别加密并存储，增加了用户的计算负担和服务器的存储开销。第二类方法中，一方面，未经加密的特征泄露了图像的隐私信息，服务器很有可能根据明文特征推测出图像的明文内容，从而威胁图像内容安全。另一方面，通过逐个比较局部特征来判断图像相似性的检索方式较为低效。
技术实现思路
为了解决现有技术问题，本专利技术的目的在于克服已有技术存在的不足，提供一种基于树形BoW模型的密文JPEG图像检索方法，优化现有云环境下密文图像检索方法，允许服务器从密文图像中提取特征进行相似性比较，该特征也经过加密，因此能保证图像和特征的隐私安全，同时，树形BoW模型保证了检索的高效性，降低了用户的计算负担。为达到上述目的，本专利技术创造具有如下构思：本专利技术将密文JPEG图像检索方法分为三个部分，一是图像加密过程，图像拥有者利用双层加密算法对JPEG图像加密，然后将密文图像发送给服务器；二是特征的提取及转化过程，服务器首先从所有密文图像中提取局部特征，构建树形索引，再利用BoW模型将图像的多个局部特征转化为单一的全局特征；三是密文图像检索过程，服务器从用户上传的密文查询图像中提取局部特征，再根据树形BoW模型将其转化为全局特征，通过计算全局特征间的距离来判断相似性，最后返回检索结果。为实现上述专利技术构思，本专利技术采用如下技术方案：一种基于树形BoW模型的密文JPEG图像检索方法，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。作为本专利技术优选的技术方案，在所述步骤(1)中，图像加密过程的具体步骤如下：(1-1)将一幅JPEG图像Y、U、V三个分量量化后的DCT系数按照8×8为单位分块，共n块；在第i(1≤i≤n)个DCT块中，经过Zig-zag扫描排序后的AC系数表示为Ai＝[a1,a2,...,a63]；(1-2)用密钥S产生一个二进制序列K，分割成若干片段，K＝K1,K2,...，每个片段长度是b比特；(1-3)对块内每个AC系数aj，将其绝对值|aj|转换成二进制序列xj，它对应的加密流是Kj，1≤j≤63；(1-4)比较在所述步骤(1-3)中得到的xj与Kj的长度，在长度较小的序列左侧补零，直到两者长度相等，表示为(1-5)对进行按位异或加密：加密后表示为(1-6)将转换为十进制的正数或负数，表示为aj′；正负号与aj一致；加密后AC系数表示为A'i＝[a'1,a'2,...,a'63]；(1-7)用两个密钥kh和kv来分别控制DCT块在水平和垂直方向上的置乱顺序，密钥向量的每一维指的是块的水平或垂直位移，JPEG图像的Y、U和V三个分量上的置乱密钥不同；(1-8)图像拥有者按照上述步骤对所有图像加密后得到密文图像库，将密文图形库上传至云服务器。作为本专利技术优选的技术方案，在所述步骤(2)中，特征的提取及转化过程的具体步骤如下：(2-1)对于一幅密文JPEG图像，云服务器将一幅JPEG图像Y、U、V三个分量量化后的DCT系数按照8×8为单位分块，共n块；在本文档来自技高网...

【技术保护点】
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。...

【技术特征摘要】
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。2.根据权利要求1所述基于树形BoW模型的密文JPEG图像检索方法，其特征在于：在所述步骤(1)中，图像加密过程的具体步骤如下：(1-1)将一幅JPEG图像Y、U、V三个分量量化后的DCT系数按照8×8为单位分块，共n块；在第i(1≤i≤n)个DCT块中，经过Zig-zag扫描排序后的AC系数表示为Ai＝[a1,a2,...,a63]；(1-2)用密钥S产生一个二进制序列K，分割成若干片段，K＝K1,K2,...，每个片段长度是b比特；(1-3)对块内每个AC系数aj，将其绝对值|aj|转换成二进制序列xj，它对应的加密流是Kj，1≤j≤63；(1-4)比较在所述步骤(1-3)中得到的xj与Kj的长度，在长度较小的序列左侧补零，直到两者长度相等，表示为(1-5)对进行按位异或加密：加密后表示为(1-6)将转换为十进...

【专利技术属性】
技术研发人员：韦秋含，梁海华，张新鹏，王子驰，
申请(专利权)人：上海大学，
类型：发明
国别省市：上海,31