基于同态加密保护的宝石图像特征识别方法技术

一种基于同态加密保护的宝石图像特征识别方法，通过对宝石检测图像进行特征提取并与宝石内含物特征合并编码后加密生成识别库，再通过对待测宝石的身份特征编码进行比较实现识别；本发明专利技术能够形成每颗独一无二的身份编码以识别宝石的身份的同时采用全同态方式进行加密，使之既可以运算来实现宝石身份识别，同时不会泄露这些数据。

Feature recognition of gem image based on homomorphic encryption protection

【技术实现步骤摘要】
基于同态加密保护的宝石图像特征识别方法
本专利技术涉及的是一种宝石鉴定领域的技术，具体是一种基于同态加密保护的宝石图像特征识别方法。
技术介绍
宝石合成技术越来越先进，合成宝石甚至使用一些传统的简易检测手段都无法检出，这对整个宝石行业已经造成了严重的问题。
技术实现思路
本专利技术针对现有技术存在的上述不足，提出一种基于同态加密保护的宝石图像特征识别方法，使用宝石的放大镜下的清晰照片，针对每颗宝石的独特物理特征，诸如包裹体、内含物等，形成每颗独一无二的身份编码，类似人类的指纹，因此可以通过这种方式识别宝石的身份。但是，如果造假者掌握了这些物理特征数据，也有可能加以伪造。因此，需要对宝石物理特征数据进行保护，使之既可以运算来实现宝石身份识别，同时不会泄露这些数据。本专利技术是通过以下技术方案实现的：本专利技术通过对宝石检测图像进行特征提取并与宝石内含物特征一并编码后加密生成识别库，再通过对待测宝石的特征编码进行比较实现识别。所述的特征提取，基于宝石检测图像采用具有旋转不变性和灰度不变性的RILBP算子提取得到后，将RILBP指标替代像素灰度，进行图像缩减和旋转后，再使用Haar-like指标提取图像特征。所述的宝石内含物特征是指：通过内含物边缘曲线基于不规则图形的曲线边界的四顶点表达式、八顶点表达式、内含物的重心的坐标以及边界点最小夹表征。所述的加密，包括对提取到的特征编码后使用完全同态加密技术将编码中的参数取值进行加密作为身份特征编码。所述的比较，利用公钥将待识别宝石进行特征编码，并将编码结果与预存的身份特征编码进行比对以实现识别。本专利技术涉及一种实现上述方法的系统，包括：特征提取单元、内含物特征单元、加密单元以及比较单元，其中：特征提取单元和内含物特征单元分别获取真实宝石检测图像和待测宝石检测图像并将分别提取到的对应Haar-like特征向量和宝石内含物特征输出至加密单元，比较单元通过公开方式获得公钥并输出至加密单元，加密单元采用多项式完全同态加密算法分别采用来自比较单元的公钥和内置的私钥进行加密并得到真实宝石和待测宝石的特征编码并实现比较。技术效果与现有技术相比，本专利技术采用两种截然不同的特征定义和提取方法，使用计算机图形学和宝石学两种独立的知识体系来定义特征。这样可以在宝石识别时，根据具体场景要求灵活选择恰当的特征提取方法，获得稳定可靠的识别结果。同时，采用这种独立双特征的识别模式，在识别图像质量较低，或者存在变形的条件下，也同样可以有效的进行识别；进一步配合完全同态加密方法，特征编码可以在不泄露明文的情况下直接在加密状态下对待识别宝石特征进行比对运算。附图说明图1为宝石特征结构示意图；图2为实施例宝石示意图；图3为图2特征提取示意图；图4a～图4e为几何特征提取过程示意图；图5为宝石特征提取过程示意图；图6为实施例流程示意图。具体实施方式本实施例包括：步骤一、图片灰度纹理特征提取：根据宝石检测图像，采用具有旋转不变性和灰度不变性的RILBP算子来提取检测图像特征，将RILBP指标替代像素灰度，进行图像缩减和旋转后，再使用Haar-like指标提取图像特征。所述的RILBP(RotationInvariantLBP)算子是基于LBP(LocalBinaryPattern，局部二值模式)的改进方案，实现了LBP特征的旋转不变性，实现在输入图像任意角度旋转下始终保持特征取值的稳定性，即对转换前像素点对应的原始LBP二进制编码循环移位，一个像素点对应8种二进制编码，然后将这8种二进制编码转换为十进制数值，找到其中最小数值作为像素点的特征值，具体包括：i)针对宝石图像进行预处理，包括：拍摄设备及环境标准、特征平面选取、照片清晰度筛选、照片颜色矫正、滤波处理、边缘锐化处理、二值化处理等，确定轮廓，缩放识别区域到标准像素尺寸得到如图2和图3所示的特征照片。ii)遍历识别区域图像，计算每个3*3像素区域的RILBP指标，并以中心点替代像素区域，缩减识别区域图像，总像素缩减为原图的1/9；iii)对缩减后的识别区域图像进行旋转变换，让轮廓上拥有最大RILBP指标之和的3*3像素区域位于图像底部。所述的Haar-like指标包括：针对旋转后的图像提取Haar-Like系列指标，包含16个特征结构，如图1所示，将图1中每个Haar-like特征的白色区域内的像素值之和减去黑色部分的像素和，得到Haar-like特征值，使用特征向量[H1，H2，H3，H4，H5，H6，H7，H8，H9，H10，H11，H12，H13，H14，H15，H16]作为待标识区域的特征，记作H，即Haar-like特征向量。步骤二、使用不规则图形的曲线边界表示法表征宝石内含物特征，即通过内含物边缘曲线基于不规则图形的曲线边界的四顶点表达式、八顶点表达式、内含物的重心的坐标以及边界点最小夹表征，具体步骤包括：2.1)选取适当平面坐标系统以确定宝石边缘曲线，计算得到重心坐标O＝(Xo,Yo)；2.2)测得边缘曲线上离重心最远的边界点集合A，在A中找到一点A0，使得以OA0作为0轴的极坐标系统下，A中的所有点极坐标夹角总和最小2.3)更新极坐标系统至极轴为OA0，如图4所示；使用不规则图形的曲线边界表示法，在极坐标系统OA0下写出宝石边缘曲线的四顶点表达式B0和八顶点表达式Bn。如图4所示，所述的不规则图形的曲线边界表示法是指：一、通过宝石边缘曲线上距离最远的两个点的连线D1D2将其分为两部分，分别在两段宝石边缘曲线上获得距离直线D1D2最远的点D3、D4，并将宝石边缘曲线分成四段；二、在曲线D1D3上找到一与外部边界的矩形面积最大的点，例如D5，采用类似方式得到另外三段曲线上的三个点，组成{D5，D6，D7，D8}；三、以D4和D1为顶点做椭圆形所得该1/4部分椭圆面积与该部分宝石边缘曲线所围面积之比为R41；采用类似方式得到另外三段曲线上的面积比，组成四个曲线段的内切椭圆面积覆盖率{R13，R32，R24，R41}；四、以{D1，D2，D3，D4，D5，D6，D7，D8，R13，R32，R24，R41}作为该不规则曲线边界的八顶点表达式，以{D1，D2，D3，D4，R13，R32，R24，R41}作为该不规则曲线边界的四顶点表达式。步骤三、以基于系数映射的多项式完全同态加密算法对{H，P，B0，[{Bn，On，Θn}]}进行加密，得到受保护的特征编码ECode0，其中：H为Haar-like特征向量；P为宝石主要物理特征参数测量；B0为内含物边缘曲线基于不规则图形的曲线边界的四顶点表达式；Bn为内含物边缘曲线基于不规则图形的曲线边界的八顶点表达式；On为内含物的重心的坐标；Θn为边界点最小夹角。所述的主要物理特征参数测量包括：重量、外形尺寸、莫氏硬度、折射率；所述的加密，具体为：根据n维明文本文档来自技高网...

【技术保护点】
1.一种基于同态加密保护的宝石图像特征识别方法，其特征在于，通过对宝石检测图像进行特征提取并与宝石内含物特征合并编码后加密生成识别库，再通过对待测宝石的身份特征编码进行比较实现识别；/n所述的特征提取，基于宝石检测图像采用具有旋转不变性和灰度不变性的RILBP算子提取得到后，将RILBP指标替代像素灰度，进行图像缩减和旋转后，再使用Haar-like指标提取图像特征；/n所述的宝石内含物特征是指：通过内含物边缘曲线基于不规则图形的曲线边界的四顶点表达式、八顶点表达式、内含物的重心的坐标以及边界点最小夹表征；/n所述的加密，使用完全同态加密技术将编码中的参数取值进行加密作为身份特征编码；/n所述的比较，利用公钥将待识别宝石进行特征编码，并将编码结果与预存的身份特征编码进行比对以实现识别。/n

【技术特征摘要】
1.一种基于同态加密保护的宝石图像特征识别方法，其特征在于，通过对宝石检测图像进行特征提取并与宝石内含物特征合并编码后加密生成识别库，再通过对待测宝石的身份特征编码进行比较实现识别；
所述的特征提取，基于宝石检测图像采用具有旋转不变性和灰度不变性的RILBP算子提取得到后，将RILBP指标替代像素灰度，进行图像缩减和旋转后，再使用Haar-like指标提取图像特征；
所述的宝石内含物特征是指：通过内含物边缘曲线基于不规则图形的曲线边界的四顶点表达式、八顶点表达式、内含物的重心的坐标以及边界点最小夹表征；
所述的加密，使用完全同态加密技术将编码中的参数取值进行加密作为身份特征编码；
所述的比较，利用公钥将待识别宝石进行特征编码，并将编码结果与预存的身份特征编码进行比对以实现识别。


2.根据权利要求1所述的方法，其特征是，所述的RILBP算子通过在输入图像任意角度旋转下始终保持特征取值的稳定性，即对转换前像素点对应的原始LBP二进制编码循环移位，一个像素点对应8种二进制编码，然后将这8种二进制编码转换为十进制数值，找到其中最小数值作为像素点的特征值。


3.根据权利要求1或2所述的方法，其特征是，所述的RILBP算子提取，具体包括：
i)针对宝石图像进行预处理，包括：拍摄设备及环境标准、特征平面选取、照片清晰度筛选、照片颜色矫正、滤波处理、边缘锐化处理、二值化处理等，确定轮廓，缩放识别区域到标准像素尺寸得到如图2和图3所示的特征照片；
ii)遍历识别区域图像，计算每个3*3像素区域的RILBP指标，并以中心点替代像素区域，缩减识别区域图像，总像素缩减为原图的1/9；
iii)对缩减后的识别区域图像进行旋转变换，让轮廓上拥有最大RILBP指标之和的3*3像素区域位于图像底部。


4.根据权利要求1所述的方法，其特征是，所述的Haar-like指标包括：针对旋转后的图像提取Haar-Like系列指标，包含16个特征结构，具体为：将每个Haar-like特征的白色区域内的像素值之和减去黑色部分的像素和，得到Haar-like特征值，使用特征向量[H1，H2，H3，H4，H5，H6，H7，H8，H9，H10，H11，H12，H13，H14，H15，H16]作为待标识区域的特征，记作H，即Haar-like特征向量。


5.根据权利要求1所述的方法，其特征是，所述的宝石内含物特征，通过以下方式提取得到：
2.1)选取适当平面坐标系统以确定宝石边缘曲线，计算得到重心坐标O＝(Xo,Yo)；
2.2)测得边缘曲线上离重心最远的边界点集合A，在A中找到一点A0，使得以OA0作为0轴的极坐标系统下，A中的所有点极坐标夹角总和最小
2.3)更新极坐标系统至极轴为OA0，使用不规则图形的曲线边界表示法，在极坐标系统OA0下写出宝石边缘曲线的四顶点表达式B0和八顶点表达式Bn。


6.根据权利要求5所述的方法，其特征是，所述的不规则图形的曲线边界表示法是指：
一、通过宝石边缘曲线上距离最远的两个点的连线D1D...

【专利技术属性】
技术研发人员：郑珂威，
申请(专利权)人：曹轶，
类型：发明
国别省市：上海;31