基于数据降维和压缩感知的图像哈希理论与方法

Image hashing is an emerging topic at the forefront of the crossover field between image processing and information security, and finds many applications such as content authentication, quality assessment and image retrieval. Its most important properties are robustness, discrimination and sensitivity to malicious tamper, which mean that image hashing is robust against normal digital processing, different images have different hashes and hash should significantly be changed once tampering operation occurs. This project is to develop new theories and methods of image hashing based on the theories of data dimensionality reduction and compressive sensing (CS). The research works mainly focus on feature extraction and feature compression. The detailed works are as follows. We will extract robust visual features about luminance, color and texture from different color spaces. We will develop efficient techniques, such as robust visual points, Radon projection based division and ring partition, to obtain robust features resilient to rotation transform. We will exploit algorithms of data dimensionality reduction, such as non-negative matrix factorization and locally linear embedding, to compress image features, investigate the inherent laws of compressed data, and then propose efficient data compression methods. We will design optimum measurement matrix, investigate techniques for measurement data compression and encoding, and establish CS-based theory and methods for data compression and encoding. We will design new image hashing algorithms aiming at content authentication and reduced-reference image quality assessment respectively, and develop a software based on our hashing algorithms. The project results will be helpful to the military, industry and commerce of our country for mastering new theories and techniques of content security in digital media.

图像哈希是图像处理与信息安全学科交叉的新兴前沿研究课题，可用于内容认证、质量评价、图像检索等，具有稳健性、唯一性和篡改敏感性，即，对正常处理稳健，不同图像有不同哈希，发生篡改时，哈希有重要改变。本项目根据数据降维和压缩感知理论，以特征提取和特征压缩编码为切入点，研究图像哈希的新理论和新方法，主要内容包括：研究在不同颜色空间中提取兼顾亮度、颜色和纹理等信息的稳健视觉特征；研究鲁棒视觉特征点提取、Radon投影分割、环形分割等技术，建立抗旋转变换的特征参数；运用非负矩阵分解、局部线性嵌入等降维算法来压缩特征，研究降维数据的内在规律，提出高效特征压缩编码算法；研究最优测量矩阵设计，探索测量值的压缩编码技术，建立基于压缩感知的特征压缩编码理论与方法；面向内容认证和半参考质量评价，设计图像哈希新算法；开发图像哈希系统。项目成果对我国的军事、工业和商业等掌握新的数字媒体内容安全理论和技术具有重要意义。

图像哈希是一种基于视觉内容的图像压缩表示方式，已广泛用于内容认证、质量评价、拷贝检测等方面。通常，图像哈希应具备稳健性、唯一性和篡改敏感性，即，对正常处理具有稳健性，不同视觉内容图像拥有不同哈希，发生篡改时，哈希有重要改变。本项目利用数据降维和压缩感知等理论，研究图像哈希的新理论和新方法，主要研究内容和研究结果如下。研究颜色空间选择问题，分析四种文献算法在经典颜色空间下的分类性能，发现常用YCbCr颜色空间不能确保算法达到较好分类性能，为后续研究提供有益借鉴。研究颜色向量角、主导DCT系数、DWT特征点、Fan-beam变换、环形分割、局部不变矩、二次图像构造、DCT特征矩阵等技术，建立了多种稳健特征提取方法和抗旋转变换技术，在此基础上提出多种图像哈希算法，如基于颜色向量角和DWT的哈希算法、基于颜色向量角和Canny算子的哈希算法、基于Fan-beam变换的抗旋转哈希算法、基于环形分割和不变向量距离的抗旋转哈希算法等。研究主成分分析(PCA)、非负矩阵分解(NMF)、局部线性嵌入(LLE)等数据降维理论，根据降维数据间的稳定性规律，提出多种特征压缩编码方案并设计相应的图像哈希算法，如基于PCA特征距离的哈希算法、基于环形分割和NMF的哈希算法、基于LLE嵌入向量方差的哈希算法和基于DCT和LLE的哈希算法等。研究压缩感知理论，用测量向量均值和随机内积技术实现压缩编码，设计出联合压缩感知和颜色向量角的哈希算法和基于压缩感知和环形分割的哈希算法。面向内容认证应用，设计基于局部不变矩的哈希算法，能有效发现图像的局部篡改行为。考虑人类视觉系统特性，对小波变换的不同频带赋予不同权重系数，建立基于边缘检测和小波统计特征的哈希算法，能有效衡量模糊失真、高斯噪声失真和瑞丽信道失真等操作，可应用于半参考质量评价。集成自主算法，利用Visual C#研制图像哈希软件，为实际应用提供工具支持。项目成果促进了图像哈希技术的发展，对我国的军事、工业和商业等掌握新的数字媒体内容安全理论和技术具有重要意义。