基于gabor滤波器组与dwt的遥感影像感知哈希认证算法-丁凯孟.pdf
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《基于gabor滤波器组与dwt的遥感影像感知哈希认证算法-丁凯孟.pdf》由会员分享,可在线阅读,更多相关《基于gabor滤波器组与dwt的遥感影像感知哈希认证算法-丁凯孟.pdf(7页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、第38卷第7期 铁 道 学 报 V0138 No72 O 1 6年7月 JOURNAL OF THE CHINA RAILWAY SOCIETY July 2016文章编号:10018360(2016)07007007基于Gabor滤波器组与DWT的遥感影像感知哈希认证算法丁凯孟13, 朱颖婷2, 朱长青3, 苏守宝1(1金陵科技学院网络与通信工程学院,江苏南京2t1169;2中国铁道科学研究院电子计算技术研究所,北京 100081;3南京师范大学虚拟地理环境教育部重点实验室,江苏南京 210046)摘 要:针对遥感影像的数据特点,提出一种基于Gabor滤波器组与DWT的遥感影像感知哈希认证算
2、法。该算法利用Gabor滤波器能够在不同方向和频率增强图像的特点,基于自适应策略在不同尺度下提取遥感影像不同区域的边缘特征生成感知哈希序列,对信息丰富的影像区域进行更严格的完整性认证。首先,对遥感影像进行格网划分,根据格网单元的信息熵“自适应”地确定Gabor滤波器组的参数;然后,通过多方向Gabor滤波器对各格网单元进行滤波变换;继而采用DWT变换与PCA分勰提取与处理格网单元的边缘特征,最终生成影像的感知哈希序列。影像的认证过程,通过比较待认证影像与原始影像的感知哈希序列之间的归一化Hamming距离实现。实验与分析表明,该算法能够有效检测遥感影像局部细微篡改,同时能够对保持内容不变的影像
3、操作具有鲁棒性,且具有较高的运行效率,实现了高效的遥感影像的内容完整性认证。关键词:遥感影像;感知哈希;Gabor滤波器组;边缘特征;完整性认证中图分类号:TP391 文献标志码:A doi:103969jissn1001-8360201607010A Perceptual Hash Algorithm Based on Gabor Filter Bank andDWT for Remote Sensing Image AuthenticationDING Kaimen91”,ZHU Yingtin92,ZHU Changqin93,SU Shouba01(1School ot Network
4、 and Communication EngineeringJinling Institute of Technology,Nanjing 211169,China;2Institute of Computing Technologies,China Academy of Railway Science,Beijing 100081,China;3Key Lab of Virtual Geographic Environment,Ministry of Education,Nanjing Normal University,Nanjing 210046,China)Abstract:In th
5、e light of the data characteristics of the remote sensing image,a perceptual hash algorithm basedon Gabor filter bank and DWT for remote sensing image authentication was proposedUsing the characteristicsof Gabor filter in image enhancement in different directions and frequencies,the algorithm,based
6、on“adaptivestrategy”,generated perceptual hash sequence by extracting the edge features of remote sensing image in different areas and under different scales,to conduct more stringent integrity authentication of the information intensive image regionFirstly the remote sensing image was divided into
7、grids to determine the parameters of Gaborfilter bank according to the entropy of the gridThen,the filtering transformation was conducted on the gridsthrough multidirectional Gabor filterThirdly,the local edge feature of the grid was extracted and compressedby DWT and PCA to generate the perceptual
8、hash valueThe authentication procedure was achieved via thenormalized Hamming distance between the hash values generated from the remote sensing image to be authenticated and the original hash valueThe experiment results showed that the algorithm can effectively detect thelocal minor tamper of the r
9、emote sensing image while being robust to contentpreserving operationsWith ahigher running efficiency,an efficient content integrity authentication for remote sensing images was achieved收稿日期:20150209:修回日期:2015-0730基金项目:国家自然科学基金(61375121);金陵科技学院博士启动金(jit-b一20152010)第一作者:丁凯孟(1985一),男,山西长治人,讲师,博士研究生。 E
10、mail:ingkaimengfoxmailcorn通讯作者:苏守宝(1965一),男,安徽六安人,教授,博士。 Email:showbojiteducn万方数据第7期 丁凯孟等:基于Gabor滤波器组与DWT的遥感影像感知哈希认证算法Key words:remote sensing image;perceptual hashing;Gabor filter bank;edge features;integrity authentication遥感影像作为对地观测的重要成果,是获取地表环境、资源等地学专题信息的重要载体。遥感影像本身具有高精度、安全性等属性,如果其完整性、真实性受到质疑,那么其
11、使用价值将受到很大影响,甚至带来不可弥补的重大损失。但由于遥感影像处理技术的发展与普及、地理信息系统的制度漏洞、人为因素的威胁、计算机网络的开放性及其固有的缺陷等因素,遥感影像在传输、存储与使用过程中容易受到各种“篡改”攻击。因此,遥感影像的认证研究具有重要现实意义。传统基于密码学的认证技术更多地关注数据载体的认证,无法区分数据的有效内容是否遭到篡改,而且对数据的变化过于敏感:只要数据发生一个比特的变化,都不能通过认证。但是,遥感影像经过格式转换、水印嵌入等操作时,其承载的有效内容并没有改变,也不影响正常使用。所以,传统基于密码学的认证方法不能满足遥感影像认证的需要。感知哈希(Perceptu
12、alHashing)为遥感影像的内容认证提供一种可行的解决方法。感知哈希是多媒体数据集到感知摘要集的一类单向映射,即将具有相同感知内容的多媒体数字表示唯一地映射为一段数字摘要,并满足感知鲁棒性和安全性。感知哈希和密码学Hash函数的区别十分显著:感知哈希算法能够对不改变图像内容的操作保持一定的鲁棒性,亦即图像经过格式转换或水印嵌入等不改变数据内容的操作,相应的感知哈希序列不改变或改变很小。感知哈希算法为多媒体数据的识别、认证、检索等应用提供了可靠的实现途径。根据多媒体对象的不同,感知哈希可以分为图像感知哈希、音频感知哈希、视频感知哈希等。感知哈希算法大多按照如下步骤进行:数据预处理、特征提取、
13、特征量化、压缩、编码等。其中,特征提取是关键步骤,直接影响到算法性能。已经有许多学者与机构展开图像感知哈希算法的研究2。1,但是专门针对遥感影像的研究成果相对较少。遥感影像虽然与普通图像在格式和存储等方面有许多相似性,但遥感影像有着空间数据独有的特征,遥感影像感知哈希算法的设计也应依据其数据特性和应用环境。早期的感知哈希算法主要包括基于图像统计特征的方法z。3、基于DCT变换的方法45、基于DWT变换方法6。1和基于SVD分解的方法81等。近些年,一些新颖的感知哈希算法相继被提出。Fawad A等人91通过密钥调整图像像素,将图像变换到依赖于密钥的特征空间,提取特征生成感知哈希序列,加强感知哈
14、希算法的安全性。SukHwan Lee等人1叩提出一种三维网格模型感知哈希算法,提取并量化对象的特征向量以生成三维格网模型的感知哈希序列。TANG Zhenjun等人1u提出一种用于彩色图像的感知哈希算法,对原始图像进行颜色空间转换之后,提取图像分块的统计特征生成感知哈希序列。SunRui等人口2提出一种基于压缩感知和傅立叶一梅林变换的感知哈希算法,有效压缩图像的特征信息。QinChuan等人1 3提出一种基于傅立叶域非均匀采样的感知哈希算法,对图像进行旋转投影与离散傅里叶变换后,提取特征生成感知哈希序列。然而,上述算法没有顾及遥感影像的数据特征和使用环境。本文以经过校正处理的遥感影像为研究对
15、象,针对遥感影像具有较高量测精度要求以及信息分布不均匀等特点,利用Gabor滤波器能够在不同方向和频率增强图像的特性,提出一种基于Gabor滤波器组与DWT(离散小波变换)的遥感影像感知哈希认证算法。首先,基于“自适应”策略确定Gabor滤波器组的参数,然后通过Gabor滤波器组和DWT变换对遥感影像的不同区域进行不同尺度的边缘特征提取,并采用PCA(主成分分析)对提取的边缘特征进行压缩与去噪,最终生成遥感影像的感知哈希序列。1算法原理遥感影像是对地球表面地理现象的描述,往往不存在单一的或者明确的主题信息1“,而且普遍具有数据海量性的特点,因此其承载的内容信息往往不是均匀分布,不同区域的信息量
16、可能差别较大。信息丰富的区域,在遥感影像后期的使用中可能更具使用价值。对影像信息丰富的区域进行更为严格的认证,可以为遥感影像的后期实验提供更可靠的完整性保障。此外,人类视觉系统对不同区域的敏感性也不相同,对信息较少的平滑区域更为敏感,而对信息丰富的纹理区域往往不够敏感。因此,遥感影像不同区域进行不同尺度的特征提取能够增强算法的鲁棒性:对信息丰富的区域在较小尺度下提取影像特征,对于信息丰富的区域则在较大尺度下提取影像特征。但是,现有特征提取算法大多在特定的全局尺度上提取图像特征1引。另一方面,遥感影像对量测精度有较高要求。经过校正处理的遥感影像,每个像素点都有自己的坐标,可以根据比例尺和坐标为进
17、行量测与几何定位。这要万方数据铁 道 学 报 第38卷求认证算法能够检测出影像局部的细微内容篡改。基于边缘特征设计感知哈希算法能以更高的精度对遥感影像进行完整性认证。如果遥感影像的局部边缘特征发生较大变化,往往使影像实用价值受到影响。而且,边缘特征承载着大量有效信息,边缘检测是地物提取、图像分割、目标识别等应用分析的重要基础,所以,基于边缘特征的感知哈希算法能够有效保障遥感影像的可用性。文献16提出一种基于边缘特征的遥感影像感知哈希算法,但是,该算法实质上是在固定尺度上提取影像不同区域的边缘特征,不能对遥感影像不同区域进行不同尺度的特征提取。而且,该算法在认证过程中只能采取“精确匹配”,算法灵
18、活性不足。本文利用Gabor滤波器能够在不同方向和频率增强图像的特点,基于“自适应策略”(根据影像不同区域信息丰富程度的不同,自适应地确定Gabor滤波器的参数),在不同尺度下提取遥感影像不同区域的边缘特征,进而生成影像感知哈希序列,实现遥感影像基于内容的认证,为遥感影像的有效利用提供完整性保障。2 Gabor滤波器Gabor滤波器具有良好的方向和频率选择特性1川,广泛应用于计算机视觉、图像处理以及模式识别等领域。Gabor滤波能够很好地描述视觉皮层细胞的感受野特性,可以捕捉不同频率、空间位置和方向性等局部结构信息。使用Gabor滤波器对图像进行滤波,相当于对图像按照不同方向、频段进行分解。G
19、abor函数构成的Gabor滤波器在方向、径向频率带宽以及中心频率方面均能进行定制。Gabor特征值优劣的关键是滤波器参数的确定,不同参数的滤波结果往往相差较大。通过选取不同的滤波参数,可得到一组Gabor滤波器。二维Gabor滤波器由一系列给定方向角和空间频率的带通滤波器构成,数学表达式为G(z,y)一g(z,Y)expj2nf(xcos0+Ysin0) (1)式中:z和y分别表示空间坐标;0表示滤波的方向;f表示滤波的中心频率;g(z,Y)表示如下的高斯函数础川=赤唧H1旧2+c纠)(2)式中:盯为尺度参数。Gabor滤波器主要通过滤波的方向0、中心频率厂、尺度d等参数决定,其中,决定中心
20、频率位置,巧决定滤波器的尺度大小和带宽,0决定频谱的方向。由于Gabor函数为复数形式的函数,因此对其进行分解可得G(z,Y)=R(z,y)+jl(z,Y) (3)式中:R(z,Y)=g(z,Y)cos2 7cf(xcosO+ysin0)J(z,Y)一g(z,y)sin2,c,(zcos秽+ysinO)3图像与不同尺度、朝向的Gabor函数进行卷积,就可以提取出图像具有方向、尺度信息的特征。遥感影像不同区域包含的信息量往往差别较大,对相同尺度的滤波响应也不尽相同。3算法流程首先,对遥感影像进行隐形格网划分;然后,根据格网单元的信息熵自适应地决定Gabor滤波器组的参数,继而对格网单元进行不同尺
21、度的滤波,并提取滤波结果的边缘特征;最后生成遥感影像的感知哈希序列。算法总体流程见图1。罐琴再是瓣扩r 。WT l变换眦1分解原戆一L、 主 一_上一 生 感知哈鼍预处理懈H橥鋈暮H差蕊唯篓屡缩P魁图1算法流程图遥感影像本身具有复杂性,因而没有完全可靠的模型指导对其进行分割。本文采用隐形格网划分的方式,对原始影像进行均匀分割。原始影像进行WH的格网划分(划分的粒度根据具体影像大小与篡改定位的需求而定)之后,格网单元进行预处理:通过插值将格网大小调整为mm(本文实验中m=64),统一格网单元大小。31 基于Gabor滤波器组的格网单元滤波根据遥感影像不同区域的信息丰富程度“自适应”地决定滤波器的
22、参数。这里,采用信息熵来衡量格网单元的信息量。对于大小MN的格网单元Q其信息熵为E(Qo)一一芝:P。lnp。 (4)式中:P。表示格网单元Q。中灰度值为咒的像素出现的概率。信息熵较小的格网单元,进行较大尺度的滤波;信息熵较大的格网单元,采用较小的尺度的滤波器进行滤波,见式(5):设定信息熵的阈值T(本文实验中,T取格网信息熵的平均值),令设盯。Nz,对于信息熵较大的区域,采用N。个方向的滤波器进行滤波,以提取更多的特征信息;信息熵较小的区域,则采用N:个方向的滤波器进行滤波。各方向的滤波结果进行融合后,得到格网单元的滤波结果。理论上,N越大滤波器组的特征提取的效果越好,但是计算复杂度也随之大
23、增。本文通过大量实验并结合文献17203的研究内容,选取N。=8,N。=4,滤波器两级尺度分别设为32和128。32基于DWT与PCA的特征提取与处理以Canny算子为代表的边缘检测算子能够以较高的精度检测图像的边缘特征,但计算复杂度较高,且鲁棒性不强。本文采用DWT变换提取Gabor滤波后的格网单元的边缘特征,并采用PCA实现边缘特征的压缩与去噪。PCA是一种以KL变换为基础的统计分析方法,其目的是产生最优不相关特征,常用于对数据集(如图像)进行去噪21-z3。PCA将原始空间通过线性变换转换到维数较低的主成分空间,转换之后的新特征称为主成分。各个主成分之间满足不相关性,而且前几个主成分分量
24、保留了原始数据集的大部分信息,因此,可以用一部分不相关的新向量描述原数据集中的主要信息。影像格网单元进行DWT变换之后,高频部分包含有丰富的边缘细节信息,但是容易受到噪声的影响,不利于算法鲁棒性。低频部分继续进行小波变换,得到的中频部分同样包含丰富的边缘信息,并且能够兼顾鲁棒与脆弱的均衡性2 4。本文将DWT变换后的中频系数作为格网单元的边缘特征进行压缩与去噪,具体过程如下:滤波处理后的格网单元进行2级小波变换,提取中频系数构造3个中频系数矩阵,分别记为MHHz、M。Hz、MLHz;基于极大值的选择规则对3个中频系数矩阵进行融合,得到的结果称为融合矩阵,记为M,r;M。r经过PCA分解之后,对
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 gabor 滤波器 dwt 遥感 影像 感知 认证 算法 丁凯孟
![提示](https://www.deliwenku.com/images/bang_tan.gif)
限制150内