量化SIFT和同态加密的隐私保护图像检索方法*
2017-05-10陈帆
陈 帆
(合肥工业大学 计算机与信息学院,安徽 合肥 230000)
量化SIFT和同态加密的隐私保护图像检索方法*
陈 帆
(合肥工业大学 计算机与信息学院,安徽 合肥 230000)
提出了一种隐私语义保持的图像内容检索方法,将加密图像中隐私保持尺度不变特征变换(SIFT)的提取方法和二进制SIFT算法融合在一起,不仅保证了上传到服务器端的图像是加密的,同时又能在加密空间保持其隐私语义。对图像进行Paillier同态加密,保证了图像在服务器端和传输过程中的安全性,在加密域提取SIFT特征,并将其用二进制表示,减少存储空间和计算复杂度。实验证明:经原始图像特征提取后生成的二进制SIFT在稳健性测试中获得良好的效果,并且与加密图像特征提取后生成的二进制SIFT保持等距,在明文域和密文域中保持了图像搜索匹配的准确性,在匹配效率上得到提高。
图像检索; 尺度不变特征变换; 同态加密; 隐私保护
0 引 言
图像检索已经远远超越了最初基于文本标签的搜索模式, 而图像内容检索(content-based image retrieval,CBIR)[1]技术在20世纪90年代兴起。基于内容的图像检索主要是通过计算图像全局特征和局部特征来对图像进行表示。图像全局特征包括纹理[2~4]、颜色[5~7]、形状[8]等整幅图像的底层特征,显然这些底层特征与图像高层语义之间存在较大的语义鸿沟,需要更高精确的图像检索。局部特征则主要集中在图像比较显著的区域,其中Lowe教授[9]提出尺度不变特征变换(scale invariant feature transform,SIFT)特征,由于其对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性,Wang Z等人提出将SIFT特征在图像内容检索中应用广泛[10]。……
