Please wait a minute...
浙江大学学报(工学版)  2020, Vol. 54 Issue (8): 1525-1533    DOI: 10.3785/j.issn.1008-973X.2020.08.010
计算机技术     
结合结构与梯度的图像哈希算法
沈麒1,赵琰1,2,*(),周晓炜1,袁晓冉1
1. 上海电力大学 电子与信息工程学院,上海 200090
2. 广西师范大学 广西多源信息挖掘与安全重点实验室,广西 桂林 541004
Image Hashing algorithm based on structure and gradient
Qi SHEN1,Yan ZHAO1,2,*(),Xiao-wei ZHOU1,Xiao-ran YUAN1
1. College of Electronics and Information Engineering, Shanghai University of Electric Power, Shanghai 200090, China
2. Guangxi Key Lab of Multi-source Information Mining and Security, Guangxi Normal University, Guilin 541004, China
 全文: PDF(2131 KB)   HTML
摘要:

为了提高分类性能和运算效率,提出结合结构特征与梯度特征的图像哈希算法. 该算法对输入图像进行预处理提高算法的鲁棒性,将预处理后的图像转换到YCbCr颜色空间,提取亮度Y分量. 利用Y分量的峰顶曲线和峰谷曲线来获取外部结构特征,同时提取峰顶和峰谷的位置信息来构建内部结构特征. 结合外部结构特征和内部结构特征得到图像的结构特征;提取Y分量的横向梯度与纵向梯度来构建图像的梯度特征;将结构特征与梯度特征联合起来并扰乱得到最终的哈希序列. 实验结果表明,所提算法对亮度调整、对比度调整和高斯低通滤波等保持内容的图像处理较稳健. 与已有算法对比,该算法具有更好的受试者工作特性(ROC)曲线和较好的图像分类性能,在篡改检测实验中,该算法可以有效地检测篡改图像.

关键词: 结构特征梯度特征鲁棒性图像分类篡改检测    
Abstract:

An image Hashing algorithm based on structure features and gradient features was proposed to improve the classification performance and efficiency of Hashing algorithm. The input image is pre-processed to improve the robustness of the algorithm, and then the pre-processed image is transformed into YCbCr color space for extracting the brightness Y component. The external structure feature is obtained by using the peak and valley curves of Y component, and the internal structure feature is obtained by extracting the position information of the peak and valley. The external and internal structure features are combined to produce structure features of the image. The horizontal and vertical gradients of Y component are extracted to construct the gradient features. The final Hash is produced by combining and disturbing the structure features and gradient features. Experimental results show that the proposed algorithm is robust to some common content-preserving image processing such as brightness adjustment, contrast adjustment and Gaussian low-pass filtering. The proposed algorithm has better receiver operating characteristic(ROC) curve and better image classification performanc, compared with the existing Hashing algorithms. The tampering detection experiment shows that the algorithm can effectively detect tampered images.

Key words: structure feature    gradient feature    robustness    image classification    tamper detection
收稿日期: 2019-05-24 出版日期: 2020-08-28
CLC:  TP 391  
基金资助: 国家自然科学基金资助项目(61802250);广西多源信息挖掘与安全重点实验室开放基金资助项目(MIMS18-04)
通讯作者: 赵琰     E-mail: yanzhao79@hotmail.com
作者简介: 沈麒(1993—),男,硕士生,从事图像哈希算法研究. orcid.org/0000-0001-9077-6635. E-mail: 769766291@qq.com
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
作者相关文章  
沈麒
赵琰
周晓炜
袁晓冉

引用本文:

沈麒,赵琰,周晓炜,袁晓冉. 结合结构与梯度的图像哈希算法[J]. 浙江大学学报(工学版), 2020, 54(8): 1525-1533.

Qi SHEN,Yan ZHAO,Xiao-wei ZHOU,Xiao-ran YUAN. Image Hashing algorithm based on structure and gradient. Journal of ZheJiang University (Engineering Science), 2020, 54(8): 1525-1533.

链接本文:

http://www.zjujournals.com/eng/CN/10.3785/j.issn.1008-973X.2020.08.010        http://www.zjujournals.com/eng/CN/Y2020/V54/I8/1525

图 1  图像哈希的框图
图 2  原始图像与预处理后的图像
图 3  图像的三维视角
图 4  不同视角下的图像
图 5  不同视角下的梯度图像
图像处理方式 软件工具 参数说明 参数设置
JPEG压缩 光影魔术手 质量因子 0.3、0.4、···、1.0
亮度调整 Photoshop 级别 ?20、?10、10、20
对比度调整 Photoshop 级别 ?20、?10、10、20
椒盐噪音 Matlab 级别 0.002、0.004、···、0.010
图像缩放 Matlab 比例 0.6、0.8、1.2、1.4、1.6、1.8
高斯滤波 Matlab 方差 0.1、0.2、···、1.0
旋转 Matlab 角度 1、2、3、···、8
表 1  不同的图像攻击设置
图像处理方式 最小值 最大值 均值 标准差
JPEG压缩 0 0.051 3 0.004 9 0.007 7
亮度调整 0 0.070 5 0.013 9 0.016 4
对比度调整 0 0.057 7 0.011 0 0.012 5
椒盐噪音 0 0.051 3 0.006 2 0.008 2
图像缩放 0 0.051 3 0.008 4 0.010 4
高斯滤波 0 0.051 3 0.006 0 0.008 2
旋转 0 0.461 5 0.148 8 0.145 4
表 2  不同攻击下的汉明距离统计结果
图 6  鲁棒性实验的测试图像示例
图 7  不同攻击下的感知鲁棒性结果
图像处理方式 软件工具 参数说明 参数设置
JPEG压缩 光影魔术手 质量因子 0.4、0.8
亮度调整 Photoshop 级别 ?20、20
对比度调整 Photoshop 级别 ?20、20
椒盐噪音 Matlab 级别 0.002、0.006
图像缩放 Matlab 比例 0.8、1.6
高斯滤波 Matlab 方差 0.2、0.6
表 3  图像处理方式及参数设置
图 8  不同图像的汉明距离分布
D PC PE
0.150 0 0 1.66×10?4
0.160 0 2.00×10?6 1.66×10?4
0.170 0 6.00×10?6 8.33×10?5
0.180 0 2.20×10?5 0
表 4  不同阈值下的碰撞率和检错率
图 9  不同哈希算法的ROC曲线
算法 t/s L
本研究算法 0.02 156位
Local Color算法 0.09 64个十进制数
Ring算法 0.69 440位
CS-LBP算法 0.19 64个十进制数
TD算法 0.38 96位
表 5  不同算法的平均时间和哈希长度
原始图像 篡改图像 D 原始图像 篡改图像 D
0.089 7 0.102 6
0.217 9 0.166 7
0.141 0 0.211 5
0.076 9 0.115 4
0.166 7 0.089 7
表 6  原始图像、篡改图像及汉明距离
图 10  原始图像与篡改图像示例
图 11  相似图像对、篡改图像对与不同图像对的汉明距离分布
1 VENKATESAN R, KOON S M, JAKUBOWSKI M H, et al. Robust image hashing [C]// Proceedings 2000 International Conference on Image Processing. Vancouver: IEEE, 2000: 664-666.
2 沈麒, 赵琰 基于小波分解的统计特征哈希[J]. 应用科学学报, 2018, 36 (2): 247- 254
SHEN Qi, ZHAO Yan Statistical feature hashing based on wavelet decomposition[J]. Journal of Applied Sciences, 2018, 36 (2): 247- 254
doi: 10.3969/j.issn.0255-8297.2018.02.004
3 TANG Z, YANG F, HUANG L, et al Robust image hashing with dominant DCT coefficients[J]. Optik: International Journal for Light and Electron Optics, 2014, 125 (18): 5102- 5107
doi: 10.1016/j.ijleo.2014.05.015
4 QIN C, CHANG C, TSOU P Robust image hashing using non-uniform sampling in discrete Fourier domain[J]. Digital Signal Processing, 2013, (23): 578- 585
5 李新伟, 夏秀珍 基于内容结构图的鲁棒图像哈希[J]. 应用科学学报, 2016, 34 (6): 691- 701
LI Xin-Wei, XIA Xiu-Zhen Robust image hashing based on content structure diagram[J]. Journal of Applied Sciences, 2016, 34 (6): 691- 701
doi: 10.3969/j.issn.0255-8297.2016.06.005
6 TANG Z, YAO H Robust image hashing via random Gabor filtering and DWT[J]. Computers Materials and Continua, 2018, 55 (2): 331- 344
7 HERMANDEZ R A P, MIYATAKE M N, KURKOSKI B M. Robust image hashing using image normalization and SVD decomposition [C]// IEEE International Midwest Symposium on Circuits and Systems. Seoul: IEEE, 2011: 1–4.
8 GHOUTI L Robust perceptual color image hashing using randomized hypercomplex matrix factorizations[J]. Multimedia Tools and Applications, 2017, (11): 1
9 唐振军, 杨帆, 黄紫晴, 等 基于PCA特征距离的图像哈希算法[J]. 广西师范大学学报: 自然科学版, 2016, 34 (4): 9- 18
TANG Zhen-jun, YANG Fan, HUANG Zi-qing, et al Image hashing algorithm based on pca feature distance[J]. Journal of Guangxi Normal University: Natural Science Edition, 2016, 34 (4): 9- 18
10 TANG Z, LAO H, ZHANG X, et al Robust image hashing via DCT and LLE[J]. Computers and Security, 2016, 62: 133- 148
doi: 10.1016/j.cose.2016.07.006
11 TANG Z, HUANG Z, ZHANG X, et al Robust image hashing with multidimensional scaling[J]. Signal Processing, 2017, 137: 240- 250
doi: 10.1016/j.sigpro.2017.02.008
12 TANG Z, CHEN L, ZHANG X, et al Robust image hashing with tensor decomposition[J]. IEEE Transactions on Knowledge and Data Engineering, 2019, 31 (3): 549- 560
doi: 10.1109/TKDE.2018.2837745
13 TANG Z, ZHANG X, LI X, et al Robust image hashing with ring partition and invariant vector distance[J]. IEEE Transactions on Information Forensics and Security, 2016, 11 (1): 200- 214
doi: 10.1109/TIFS.2015.2485163
14 ZHAO Y, WANG S, ZHANG X, et al Robust hashing for image authentication using zernike moments and local features[J]. IEEE Transactions on Information Forensics and Security, 2013, 8 (1): 55- 63
doi: 10.1109/TIFS.2012.2223680
15 DAVARZANI R, MOZAFFARI S, YAGHMAIE K Perceptual image hashing using center-symmetric local binary patterns[J]. Multimedia Tools and Applications, 2016, 75 (8): 4639- 4667
doi: 10.1007/s11042-015-2496-6
16 QIN C, CHEN X, LUO X, et al Perceptual image hashing via dual-cross pattern encoding and salient structure detection[J]. Information Sciences, 2018, 423: 284- 302
doi: 10.1016/j.ins.2017.09.060
17 TANG Z, ZHANG X, DAI X, et al Robust image hash function using local color features[J]. AEU-International Journal of Electronics and Communications, 2013, 67 (8): 717- 722
doi: 10.1016/j.aeue.2013.02.009
18 OSTU N A threshold selection method from gray-level histogram[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1979, 9 (1): 62- 66
doi: 10.1109/TSMC.1979.4310076
19 赵琰, 魏为民 用于图像认证和窜改检测的稳健图像摘要[J]. 计算机应用研究, 2011, 28 (5): 1929- 1931
ZHAO Yan, WEI Wei-min Robust image hashing for image authentication and tampering detection[J]. Application Research of Computers, 2011, 28 (5): 1929- 1931
doi: 10.3969/j.issn.1001-3695.2011.05.095
20 FAWCETT T An introduction to ROC analysis[J]. Pattern Recognition Letters, 2006, 27 (8): 861- 874
doi: 10.1016/j.patrec.2005.10.010
[1] 孙海超,王文军,凌道盛. 低掺量水泥固化土的力学特性及微观结构[J]. 浙江大学学报(工学版), 2021, 55(3): 530-538.
[2] 陈巧红,陈翊,李文书,贾宇波. 多尺度SE-Xception服装图像分类[J]. 浙江大学学报(工学版), 2020, 54(9): 1727-1735.
[3] 康庄,杨杰,郭濠奇. 基于机器视觉的垃圾自动分类系统设计[J]. 浙江大学学报(工学版), 2020, 54(7): 1272-1280.
[4] 明涛,王丹,郭继昌,李锵. 基于多尺度通道重校准的乳腺癌病理图像分类[J]. 浙江大学学报(工学版), 2020, 54(7): 1289-1297.
[5] 王红霞,周家奇,辜承昊,林泓. 用于图像分类的卷积神经网络中激活函数的设计[J]. 浙江大学学报(工学版), 2019, 53(7): 1363-1373.
[6] 隋昊,覃高峰,崔祥波,陆新江. 基于误差均值与方差最小化的鲁棒T-S模糊建模方法[J]. 浙江大学学报(工学版), 2019, 53(2): 382-387.
[7] 杨春宁, 方家为, 李春, 葛晖. 基于稳定性判据的高超声速复合控制方法[J]. 浙江大学学报(工学版), 2017, 51(2): 422-428.
[8] 邹北骥, 郭建京, 朱承璋, 杨文君, 吴慧, 何骐. BOW-HOG特征图像分类[J]. 浙江大学学报(工学版), 2017, 51(12): 2311-2319.
[9] 李滔, 王士同. 增量式0阶TSK模糊分类器及鲁棒改进[J]. 浙江大学学报(工学版), 2017, 51(10): 1901-1911.
[10] 杨慧琳, 黄智刚, 刘久文, 杜元锋. 基于核模糊C均值指纹库管理的WIFI室内定位方法[J]. 浙江大学学报(工学版), 2016, 50(6): 1126-1133.
[11] 赵婵媛, 陆志强, 崔维伟. 考虑随机故障的流水线调度问题前摄优化方法[J]. 浙江大学学报(工学版), 2016, 50(4): 641-649.
[12] 朱光明, 蒋荣欣, 周凡, 田翔, 陈耀武. 带测量偏置估计的鲁棒卡尔曼滤波算法[J]. 浙江大学学报(工学版), 2015, 49(7): 1343-1349.
[13] 赵洁, 郭继昌. 基于JPEG系数变化率的图像复制粘贴篡改检测[J]. 浙江大学学报(工学版), 2015, 49(10): 1893-1901.
[14] 马腾, 赵兴忠, 高博青, 吴慧. 自由曲面形状和拓扑联合优化研究[J]. 浙江大学学报(工学版), 2015, 49(10): 1946-1951.
[15] 厉小润, 朱洁尔, 王晶, 赵辽英. 组合核支持向量机高光谱图像分类[J]. J4, 2013, 47(8): 1403-1410.