⃝⃝可在www.sciencedirect.com在线ScienceDirectICT Express 4（2018）154www.elsevier.com/locate/icte基于SIFT特征点和DWT逼近系数的作者：Lokanadham Naidu Vadlamudia，Rama Prasad V. Vaddella b，Vasumathi Devara ca Sree Vidyanikethan工程学院（自治）信息技术系，Tirupati 517102，A.P.，印度bSree Vidyanikethan工程学院（自治）计算机科学工程系，Tirupati 517102，A.P.，印度cJNTU工程学院计算机科学工程系，JNT大学，海得拉巴500085，T.S.，印度接收日期：2016年12月15日;接收日期：2017年7月4日;接受日期：2017年12月20日在线提供2018年摘要提出了一种基于尺度不变特征变换（SIFT）特征点和离散小波变换（DWT）近似系数的鲁棒散列图像认证方法。首先，不变特征点计算使用SIFT从Lab彩色图像的L分量接下来，利用n个不同的SIFT特征点来从LIFT分量中提取图像内容。然后，将DWT应用于提取的内容以计算近似系数。最后，近似系数被归一化以形成二进制散列。实验结果表明，该方法对压缩、缩放、滤波、加性噪声、亮度和对比度调整等各种内容保持操作具有较好的鲁棒性。此外，所提出的方法的性能相比，现有的方法，使用接收机工作特性曲线。比较结果表明，该方法的性能优于现有方法。c2018 韩 国 通 信 与 信 息 科 学 研 究 所 （ KICS ） 。 Elsevier B. V. 的 出 版 服 务 。 这 是 CC BY-NC-ND 许 可 证 下 的 开 放 获 取 文 章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：图像哈希;图像认证;尺度不变特征变换;离散小波变换;鲁棒性和抗碰撞1. 介绍多媒体和移动技术的巨大进步允许用户容易且快速地创建和共享多媒体内容，诸如图像、音频和视频。虽然这些进步使对手能够篡改多媒体内容，但这些多媒体内容的视觉方面有多种方法可用于验证多媒体内容的完整性[1]。鲁棒图像散列是一种很有前途的图像完整性验证方法在从数字图像中提取诸如边缘、纹理、变换系数和不变矩的鲁棒特征方面，然后使用一个秘密处理要素*通讯作者。电子邮件地址：vlnaidu1982@gmail.com（L.N. Vadlamudi），vvramaprasad@gmail.com（R.P.V. Vaddella），rochan44@gmail.com（V. Devara）.同行评审由韩国通信和信息科学研究所（KICS）负责https://doi.org/10.1016/j.icte.2017.12.004生成一个安全的hash。此外，使用的功能在散列生成中，必须对恶意攻击敏感，同时对在图像内容上执行的微小修改不敏感此外，鲁棒散列技术应满足以下三个关键特性：（1）鲁棒性，(2)抗碰撞或脆弱性;（3）密钥依赖性。2. 先前工作Qin等人。[2]开发了一种使用离散傅立叶变换（DFT）的图像散列技术。图像散列由DFT幅度系数生成。该技术已显示出良好的抗碰撞能力。Tang等人[3]提出了一种使用颜色矢量角度和离散小波变换（DWT）的鲁棒图像哈希技术。该技术对内容保持操作是鲁棒的，并且对内容改变操作也是敏感的散列方法[4]将给定的彩色图像转换到对数极坐标空间，然后提取四元数DFT的低频系数以生成一个2405-9595/c2018韩国通信和信息科学研究所（KICS）。出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。法律公告Vadlamudi等人/ICT Express 4（2018）154155≤≤产品介绍××l l llFig. 1. 提出的散列方法的框架。图像散列。Zhao等人[5]提出了一种用于检测图像伪造的散列方案。该方案利用不变Zernike矩和显著区域的纹理信息进行哈希构造。在[6]中提出的方法使用极坐标复指数变换（PCET）从图像的加权幅度和相位特征构造图像散列。在 另 一 项 研 究 [7] 中 ， 图 像 的 主 要 离 散 余 弦 变 换（DCT）系数用于哈希生成。该方法表现出良好的脆弱性能力，并且散列长度较短。Chen等人。[8]从径向矩构造不变特征。利用随机格雷码对不变径向特征进行处理，一个健壮的哈希Ouyang等人。[9]通过结合尺度不变特征变换SIFT特征和四元数Zernike矩（QZM）开发了一种鲁棒的哈希技术。Xudong和Wang [10]开发了一种基于形状上下文和局部特征点的图像散列方法[11，12]中的方法在散列生成期间利用直方图箱填充Tang等人。[13]提出了一种使用颜色矢量角度和DCT的新散列方法。该方法在鲁棒性和区分能力方面表现出更好的性能。 Tang等人。[14]设计了一种基于环划分和非负矩阵分解（NMF）的高效图像哈希技术。[15]中的方法使用颜色矢量角度和边缘来图二、 SIFT特征点：（a）在Lena上选择的n个不同的特征点，（b）使用N个特征点提取重叠块步骤1. SIFT特征点的计算：SIFT是一种计算机视觉技术[17，18]，用于检测和描述数字图像上的不变特征点。所提出的方法计算SIFT特征点从L的分量。这些点表示为FPi，1我其中t表示特征点的总数。第i个SIFT特征点表示为：F Pi（xi， yi，σ，θ）（1）其中，坐标（xi，yi）表示特征点在L分量上的位置，σ和θ分别表示尺度和方向步骤2.选择不同的SIFT特征点：要从t个点的列表中选择不同的特征点，将基于比例以降序对点进行排序，然后删除重复点。然后选择前n个点在[9]中还讨论了SIFT关键点的选择程序。所选择的不同点表示为DFPj，1Jn. n个16个不同的点在Lena图像上选择的图像如图2（a）所示。特征点用数字标记。步骤3. DWT近似系数的构造：在该步骤中，n个重叠块表示为I B c（1 ≤c≤ n）生成一个健壮的哈希。该方法对常见的图像处理操作，并优于其他现有的尺寸P×Pp p像素是使用伪随机抽取的，方法.3. 提出的图像散列方法所提出的散列方法的各个阶段如图所示。1.一、3.1. 图像预处理在此步骤中，将输入RGB彩色图像（I RGB）的大小调整为NN像素使用双三次插值。调整大小后的图像被转换为Lab[16]彩色图像（Ilab）。此外，使用高斯低通滤波器来正则化Ilab彩色图像以生成鲁棒散列。3.2. 特征提取Ilab彩色图像的L分量逐步特征提取过程解释如下。通过以不同的特征点（xj，yj）为中心，从L_∞使用n个特征点从Lena图像中提取的块如图所示。第2段（b）分段。此外，使用2DDWT分别为每个块计算近似系数。小波变换近似系数对内容保持修改是鲁棒第c个块的近似系数表示为：LLlc（u，v），1≤u，v≤P/2l（2）其中变量l表示DWT分解的级别然后，将n个块的近似系数排列成大小为Q×R的二维矩阵，其中Q=n×（P/2l）且R=P/2l在以下等式中给出ACQ×R=[LL1;LL2;···，LLc;···;LLn]Q×R（3）步骤4.中间散列的生成：中间散列（IH）向量是通过计算逐行散列来生成的 。156法律公告Vadlamudi等人/ICT Express 4（2018）154∑××∑1||=−1212==×××××× + ×+−=矩阵ACQ×R的近似系数的平均值，如以下等式所述。为了产生安全且依赖于密钥的散列，使用伪随机过程随机地置换中间散列向量。RI Hk=AC （ k ，m ） /R ， 1≤k≤Q（4）m=13.3. 图像哈希生成向量IHk由等式（1）归一化。然后使用等式（5）生成长度为k比特的二进制图像散列h。（六）、I Hk=I Hk/max（I Hk）表1内容保留操作列表。操作类型-参数图像数量JPEG压缩-质量因子（30：10：100）08有损JPEG 2000-压缩比（1：1：10）10缩放-缩放因子（0.5：0.1：1.5）10高斯过滤器-过滤器大小（3 3：2：11 11）05椒盐噪声-密度（0.001：0.001：0.005）05亮度调节-比例（−20：10：20）04对比度调整-比例（−20：10：20）04表2内容改变攻击的性能。hk=1 i f I H k≥ 0。50其他智慧4. 实验分析在 Intel Core i5- 4200 M CPU 的 计 算 机 上 ， 使 用MATLAB R2013 a实现了所提出的方法2.50 GHz，RAM为4.0 GB。使用我们的RGB图像数据库测试了所提出的方法在鲁棒性和防碰撞能力方面的性能，这些图像是从各种来源中随机选择的[19使用双三次插值将所选择的RGB彩色图像缩放到512 512（N N）像素，并转换为L×A×B× B彩色图像。n个选择了16个SIFT特征点，从所述L分量中提取图像内容块大小64 64（P P）被认为是从所选择的SIFT特征点周围提取内容 。 通 过 对 每 个 提 取 的 像 素 块 应 用 2 （ 12 ） 级 2DDaubechie小波变换来计算近似最后，生成长度为256（n（P/2l））的二进制散列。原始图像和可疑图像之间的相似性使用以下等式中定义的归一化汉明距离（NHD）LN H D（h， h）h（z）h（z）（7）Lz=14.1. 稳健性性能所提出的技术的鲁棒性估计使用1000个原始彩色图像，这是操纵的基础上的内容保留操作列表中所示的表1。保存图像内容的副本共计38，040份（1，00038 5（4（亮度副本）4（对比度副本））用于稳健性测试。计算了1000幅原始图像与其操作版本之间的汉明距离的平均值结果如图3所示。所提出的方法产生了更好的性能 JPEG压缩，如图3（a）所示。图3（b）中示出了在压缩比为1至10的有损JPEG压缩下获得的低于0.07的汉明距离。高斯滤波的实验结果如图3（c）所示。所提出的方法产生的汉明距离低于0.042，甚至更高的窗口大小。图3（d）显示了盐噪声和胡椒噪声的结果。在标度调制下，所提出的方法对选定的标度因子产生小于0.15的汉明距离，除了在标度上0.6，如图3（e）所示。同样，亮度和对比度调整的性能如图所示。 3（f）. 除了10个用于对比度调节和20个用于亮度调节的调节尺度之外，所提出的方法产生小于0.11的汉明距离。4.2. 防撞或易碎使用800幅不同的图像测量了所提出的方法的防碰撞能力在这个实验中总共使用了319，600对计算出的319，600对之间的汉明距离分布如图所示。 四、此外，该方法的性能进行了测试，使用一组内容改变攻击。本实验中使用的图像列于图5中。图5（a）-（d）中所示的图像计算原始图像和被攻击图像之间的汉明距离。所得结果列于表2。为了验证查询图像是伪造的还是原始版本的副本，必须估计决策阈值（λ）。鲁棒性的汉明距离分布和防碰撞实验如图6所示。该图示出了在位置0.13处感知上相似的图像和不同的图像之间存在明显的分离相似图像之间的大多数汉明距离小于0.13，而不同图像的几乎所有汉明距离都大于0.13）。因此，决策阈值λ0。选择13来验证查询图像。如表2所列，原始图像和处理图像之间计算的汉明距离大于所选决策{图像正规化汉明距离（五）（a、e）0.3398（b、f）0.3594（c、g）0.4492（六）（d、h）0.3203法律公告Vadlamudi等人/ICT Express 4（2018）154157图三. 稳健性性能：（a）JPEG压缩，（b）有损JPEG压缩，（c）高斯滤波，（d）椒盐噪声，（e）缩放，以及（f）亮度和对比度调整。阈值此外，图3中所示的各种失真计算的大多数平均距离都小于决策阈值λ。4.3. 键相关哈希在特征提取中引入伪随机过程以产生安全散列。为了表明所提出的方法的散列是依赖于密钥的，进行了以下三个实验：（1）用相同的密钥为100个不同的图像生成散列，（2）用不同的100个密钥为一个图像生成散列，以及（3）用不同的100个密钥为不同的100个图像生成散列。这三个实验的结果分别显示在图7（a）-（c）中。结果表明，当密钥被更改时，哈希值会发生变化。见图4。 防撞性能（易碎性）。158法律公告Vadlamudi等人/ICT Express 4（2018）154====图五. 原始和内容更改的图像列表。被认为是相似图像的相似图像对的数量（NSS）和相似图像对的总数（NTS）。这是作为Eq。（八）、类似地，FPR被定义为被误分类为相似图像的不同图像对的数量（NDS）与不同图像对的总数（NTD）之间的比率。这在Eq中定义。（九）、T P R（T）NSSNT SF P R（T）NNT D（八）（九）见图6。 使用相似和不同的图像选择决策阈值（λ4.4. 性能比较为了评估所提出的方法的性能，我们将其与基于DFT[2]和直方图[12]的两种现有方法进行了通过使用Y轴上的真阳性率（TPR）和X轴上的假阳性率（FPR），使用受试者工作特征（ROC）曲线示出性能比较TPR被定义为鲁棒散列方法必须产生较高的TPR值以显示较强的鲁棒性，并产生较小的FPR值以显示良好的防冲突能力。在本实验中，计算了不同阈值T[0。05，0。1，0。15，0。2，0。25，0。三，零。35，0。四，零。45，0。五，零。五十五岁，乙腈-0. 6]。ROC比较见图8。所提出的方法优于[2]和[12]的方法。在FPR0时，所提出的方法的TPR为0.6，[2]和[12]的方法分别得到0.025和0.51。在阈值T 0. 3，所提出的方法以及[2]和[12]方法的FPR值分别为0.080，0.70和0.2。对于相同的阈值，所提出的方法的TPR值与[2]和[12]的TPR值分别为0.93，0.97，见图7。 生成密钥相关哈希。法律公告Vadlamudi等人/ICT Express 4（2018）154159表3各种图像哈希方法的哈希长度。[11][12][13][14][15]64例（n=8，l=3）利益冲突作者声明，本文中不存在利益冲突哈希长度（位）128（n=16，l=3）64 120 140 320256例（n=16，l=2）方法[13][12][2][5][3][6]哈希长度（位）420 435 444 560 960 1025见图8。使用ROC曲线进行性能比较。分别为0.93。比较结果表明，所提出的方法相比，其他方法表现良好。此外，所提出的方法是短的哈希大小表3列出了各种方法的哈希长度。5. 结论提出了一种基于SIFT特征点和DWT逼近系数的鲁棒图像散列方法，用于图像认证。所提出的方法的性能进行了测试的基础上，各种图像处理。实验结果表明，该方法对压缩、缩放、滤波、加性噪声、亮度和对比度调整等各种内容保持失真具有较好的鲁棒性。该方法与现有的方法进行了比较，使用ROC曲线。比较结果表明，该方法优于其他方法。所产生的散列被证明是短的长度以及密钥相关的。引用[1] Han等人，基于内容的图像认证：现状，问题和挑战，J. Inform。安全性9（1）（2010）19-32。[2] 秦，等，鲁棒图像散列使用非均匀采样离散傅立叶域，J。信号处理23（2）（2013）578-585。[3] Tang等人，鲁棒图像散列通过颜色矢量角和离散小波变换，IET图像处理。8（3）（2014）142-149。[4] Ouyang等人，使用四元数离散傅立叶变换和对数极坐标变换进行图像认证的鲁棒散列。信号处理41（1）（2015）98-109.[5] Zhao等人，鲁棒散列图像认证使用zernike矩和本地功能，IEEETrans.通知。鉴证科和安全科 8（1）（2013）55[6] Wo等人，具有篡改检测和定位的几何鲁棒图像散列，J. Comput。告知。10（2）（2014）643-654。[7] Tang等人，鲁棒图像散列与占主导地位的DCT系数，Int. 125（18）（2014）5102-5107.[8] Chen 等 人 ， Robust image hashing using invariants of tchebichefmoments，Int. J. Light Electron Opt.125（19）（2014）5582-5587.[9] Ouyang等人，鲁棒散列图像认证使用筛选功能和四元数泽尼克矩，J。多媒体工具应用（2016）1[10] 吕旭东、Z. Jane Wang，基于形状上下文和局部特征点的感知图像散列，IEEE Tran.告知。法医安全 7（3）（2012）1081[11] 杨淑，李宗赫，图像散列生成方法，北京大学出版社，2001。多媒体工具应用61（1）（2012）181[12] Xiang等人，基于直方图的图像散列用于搜索内容保留副本，数据隐藏多媒体安全事务，VI，LNCS 6730（2011）83-108。[13] Tang等人，鲁棒的图像散列通过DCT和LLE，计算。安全性 62（2016）133-148。[14] Tang 等 人 ， Robust perceptual image hashing based on ringpartitionandNMF，IEEE Trans. Knowl. Data Eng.26（3）（2014）711-724.[15] Tang等人， 基于颜色矢量角和canny算子的鲁棒图像散列，国际电子通讯杂志。(AE 70（6）（2016）833-841。[16] Patel等人，基于L_∞a_∞b_∞的医学图像彩色分割颜色空间，J. Electron. Commun.工程师1（2）（2012）24-45。[17] G. Lowe David，基于尺度不变关键点的独特图像特征，J. Comput.目视60（2）（2004）91-110。[18] G. Lowe David，从局部尺度不变特征进行对象识别，在：Proc. ofComputer Vision，1999，pp.1150-115[19] http：//sipi. 南卡罗来纳州edu/database/.[20] http：//decsai. 乌格河es/cvg/dbimagenes/.[21] http：//tabby. vision. MCGIIL. ca。
我的内容管理
展开
