CN110298363A - 一种加密图像上的隐私保护lbp特征提取方法 - Google Patents
一种加密图像上的隐私保护lbp特征提取方法 Download PDFInfo
- Publication number
- CN110298363A CN110298363A CN201910570242.7A CN201910570242A CN110298363A CN 110298363 A CN110298363 A CN 110298363A CN 201910570242 A CN201910570242 A CN 201910570242A CN 110298363 A CN110298363 A CN 110298363A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel value
- encrypted
- lbp feature
- lbp
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/467—Encoded features or binary features, e.g. local binary patterns [LBP]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Storage Device Security (AREA)
Abstract
本发明公开了一种加密图像上的隐私保护LBP特征提取方法,本发明通过使用SHE(Somewhat Homomorphic Encryption)算法对图像的像素值进行加密,克服了现有技术中对图像进行分割,需要将分割后的图像分别存储在2个云服务器中的缺点,使得本发明实现了单服务器的图像存储,通过采用对LBP的二进制比特位按照指针的顺时针方向对进行编码,实现在加密图像上直接提取加密的LBP特征,并直接应用于基于LBP的图像处理服务,实现了LBP特征提取过程的交互开销为零,并且存储开销更小,安全级别更高。
Description
技术领域
本发明属于图像数据加密技术领域,具体涉及一种加密图像上的隐私保护LBP特征提取方法。
背景技术
强大的存储和计算能力已经吸引了包括个人和企业在内的图像数据用户将他们大量的图像数据外包给远程云服务器以节约本地存储和计算成本。然而,外包的数据脱离了图像数据拥有者的物理控制,因此图像数据外包会引起隐私和安全问题。对于半可信的云服务器,明文图像数据不可避免地会泄露图像数据所有者的敏感信息(如商业机密、个人敏感信息,包括个人身份,家庭住址,工作单位,甚至财务信息等)。此外,攻击者一旦突破云服务器的外部防护就可以窃取用户的所有明文图像数据,这给用户隐私带来极大的隐患。图像数据外包之前进行加密是一种非常有效的保护图像隐私的解决方案,但加密使得传统的图像处理方案变得不可行。特别地,对加密图像提取特征变得不可能。为了避免加密带来的这种限制,学者们对加密域图像处理,特别是加密域图像特征提取进行了广泛的研究,以使图像特征提取仍然可以在保护图像隐私的情况下执行。然而,这些加密域图像特征提取方案存在相应的一些问题。
Xia等人在其发表的论文“Secure Image LBP Feature Extraction in Cloud-Based Smart Campus”(IEEE Access,vol.6,2018:30392-30401)中提出了一种基于云的智能校园中的安全图像LBP特征提取方法。该方法首先把图像分成3×3的非重叠子块;接下来,利用图像像素置乱保护图像的纹理信息;然后,利用图像分割来保护图像的颜色信息;最后使用两个云服务器共同完成加密图像上的LBP特征的提取。该方法存在的不足之处是:被分割的图像需要存储在两个远程云服务器,存储开销大,通信开销大,并且两个云服务器的共谋会使整个特征提取方案无效。
发明内容
本发明的目的在于克服上述不足,提供一种加密图像上的隐私保护LBP特征提取方法,能够实现在加密图像上直接提取加密的LBP特征,并直接应用于基于LBP的图像处理服务,同时减少了存储和通信成本,提高了方案的安全性,解决了云服务器的共谋的安全问题。
为了达到上述目的,本发明包括以下步骤:
步骤一,图像数据拥有者将图像划分为若干非重叠图像子块,对所有的图像子块进行随机置乱,再将图像子块内非中心像素值置乱;
步骤二,采用SHE(Somewhat Homomorphic Encryption)算法加密图像像素值,对图像的每一个像素值实施保护;
步骤三,将加密后的图像再次划分为若干非重叠图像子块,然后计算每一个图像子块中心像素值和相邻的非中心像素值的差值,并对差值进行二值化;
步骤四,采用对LBP的二进制比特位按照指针的顺时针方向进行编码,再将二进制编码转换为十进制数值,从而得到具体的图像的加密LBP特征。
步骤二完成后,将加密后的图像上传至云服务器;
步骤四完成后,将得到的加密LBP特征返回给图像数据拥有者,或者根据图像数据拥有者的具体要求,将得到的加密LBP特征直接应用于基于LBP特征的图像处理服务,并将图像处理服务的结果返回给图像数据拥有者。
将图像划分为3×3的非重叠图像子块。
步骤一中,随机置乱采用伪随机置乱生成器RPGen生成一组用于图像子块之间置乱的随机排列,随机排列的范围是[1,...,blocknum],其中blocknum表示图像中非重叠图像子块的个数。
步骤一中,像素值置乱采用伪随机置乱生成器RPGen生成一组用于图像子块内像素值置乱的随机排列,随机排列的范围是[1,...,ncnum],其中ncnum表示图像中任意一个子块内非中心像素值的个数。
步骤二中,采用SHE算法加密时,选择一个安全参数ks,并利用SHE算法的密钥生成器生成一个公私钥对{sk,pk},
图像数据拥有者为每一个图像生成blocknum个加密参数u,f,g,然后,对于第i个图像子块的所有像素使用相同的参数ui,fi,gi和公钥pk进行加密,ci,j←SH.Enc(pk,mi,j);
其中,i∈1,...,blocknum,mi,j表示第i个图像子块的第j个像素值,ci,j表示明文像素值mi,j的密文像素值。
与现有技术相比,本发明通过使用SHE算法对图像的像素值进行加密,克服了现有技术中对图像进行分割,需要将分割后的图像分别存储在2个云服务器中的缺点,使得本发明实现了单服务器的图像存储,通过采用LBP的二进制比特位按照指针的顺时针方向进行编码,实现在加密图像上直接提取加密的LBP特征,并直接应用于基于LBP的图像处理服务,实现了LBP特征提取过程的交互开销为零,并且存储开销更小,安全级别更高。
进一步的,本发明设置有云服务器,能够使图像数据拥有者以加密形式将其私有图像数据提供给远程云服务器以节省本地存储成本,并且图像数据拥有者可以将计算上昂贵的LBP特征提取任务卸载到远程云服务器上,以便更好地管理和充分利用这些图像数据。
附图说明
图1为本发明的***架构图;
图2为原始LBP值的计算过程图;
图3为本发明中图像加密流程图;
图4为大小为6×6的图像块间置乱图;
图5为图像中一个图像子块的块内置乱图。
具体实施方式
下面结合附图对本发明做进一步说明。
图像加密阶段由图像数据拥有者执行。如图1所示,图像数据拥有者首先将图像划分为3×3的非重叠子块。之后,对所有的图像子块进行随机置乱。接下来,每一个图像子块的非中心像素值被随机置乱。最后,每一个像素值使用SHE算法加密。因此,我们需要一个伪随机置乱生成器RPGen,SHE(Somewhat Homomorphic Encryption)算法的密钥生成器SH.Keygen(1k)和加密算法SH.Enc(pk,m)。图3给出了图像加密的流程图。图像加密的具体过程如下:
第一步,图像数据拥有者划分图像为3×3的非重叠图像子块,如图4所示。
第二步,图像数据拥有者为伪随机置乱生成器RPGen选择一个输入参数kb,伪随机置乱生成器RPGen生成一个范围为[1,...,blocknum]的随机排列pmtb,该随机排列的生成如下所示:
pmtb←RPGen(kb,blocknum),
其中blocknum=(imgwidth/3)×(imgheight/3)表示图像中非重叠子块的个数,imgwidth和imgheight分别表示图像的宽和高。
第三步,图像数据拥有者利用伪随机置乱生成器RPGen生成的随机排列pmtb对图像子块进行重新排列,生成图像子块置乱后的图像。图4给出了一个图像大小为6×6的图像子块置乱的示例。
第四步,图像数据拥有者为伪随机置乱生成器RPGen选择一个输入参数ki,伪随机置乱生成器RPGen生成一个范围为[1,...,ncnum]的随机排列pmti,该随机排列的生成如下所示:
pmti←RPGen(ki,ncnum),
其中ncnum表示图像子块中非中心像素的个数,由于每一个图像子块的大小是3×3,因此每一个图像子块的非中心像素的个数是8,即ncnum=8。
第五步,图像数据拥有者利用伪随机置乱生成器RPGen生成的随机排列pmti对每一个图像子块内的非中心像素值进行重新排列,生成图像子块块内置乱后的图像。图5给出了图像中一个图像子块的块内置乱示例。
第六步,图像数据拥有者为SHE算法的密钥生成器选择一个安全参数ks,并利用SHE算法的密钥生成器为图像数据集中的每一个图像生成一个公私钥对{sk,pk},如下所示:
这里sk=s,pk=(a0=-(a1s+te),a1)。
第七步,图像数据拥有者为每一个图像生成blocknum个加密参数u,f,g,接下来,对于第i个图像子块的所有像素使用相同的参数ui,fi,gi和公钥pk进行加密,具体的,对于任意一个图像子块i,用mi,0表示中心像素值,mi,1表示任意的一个非中心像素值,依据SHE算法,云服务器执行以下运算对图像像素值加密:
这里ci,0和ci,1分别表示明文像素值mi,0和mi,1相应的密文像素值。
第八步,图像数据拥有者上传被加密的图像数据到远程云服务器。
加密图像上的LBP特征提取由远程云服务器直接在加密图像上执行。远程云服务器首先将加密图像划分为3×3的非重叠子块。之后,和如图2所示的原始的LBP特征提取相似,远程云服务器计算每一个图像子块中中心像素值和非中心像素值的差,并进行二值化。接下来,将二值编码转换成十进制数值从而获得加密图像的LBP值。加密图像上的LBP特征提取的具体过程如下:
第一步,云服务器划分加密图像为3×3的非重叠图像子块。
第二步,对于使用参数ui,fi,gi和公钥pk加密的第i个图像子块,云服务器计算图像子块中中心像素值和相邻的8个非中心像素值的差,如下所示:
从上面的式子可以看出中心像素值和非中心像素值的差在加密前后是一致的,因此云服务器能够按照如图2所示的方法对差值进行二值化,然后LBP的二进制比特位能够按照指针的顺时针方向进行编码,接下来转换成十进制数值,云服务器获得加密图像中第i个子块的加密LBP值。云服务器对加密图像中的每一个图像子块重复上述操作获得加密图像的LBP特征。
第三步,云服务器根据图像数据拥有者的要求,返回图像的加密LBP特征,或者将得到的加密LBP特征直接应用于基于LBP特征的图像处理服务,并将图像处理服务的结果返回给图像数据拥有者。
Claims (7)
1.一种加密图像上的隐私保护LBP特征提取方法,其特征在于,包括以下步骤:
步骤一,图像数据拥有者将图像划分为若干非重叠图像子块,对所有的图像子块进行随机置乱,再将图像子块内非中心像素值置乱;
步骤二,采用SHE算法加密图像像素值,对图像的每一个像素值实施保护;
步骤三,将加密后的图像再次划分为若干非重叠图像子块,然后计算每一个图像子块中心像素值和相邻的非中心像素值的差值,并对差值进行二值化;
步骤四,采用对LBP的二进制比特位按照指针的顺时针方向进行编码,再将二进制编码转换为十进制数值,从而得到具体的图像的加密LBP特征。
2.根据权利要求1所述的一种加密图像上的隐私保护LBP特征提取方法,其特征在于,步骤二完成后,将加密后的图像上传至云服务器;
步骤四完成后,将得到的加密LBP特征返回给图像数据拥有者,或者根据图像数据拥有者的具体要求,将得到的加密LBP特征直接应用于基于LBP特征的图像处理服务,并将图像处理服务的结果返回给图像数据拥有者。
3.根据权利要求1所述的一种加密图像上的隐私保护LBP特征提取方法,其特征在于,将图像划分为3×3的非重叠图像子块。
4.根据权利要求1所述的一种加密图像上的隐私保护LBP特征提取方法,其特征在于,步骤一中,随机置乱采用伪随机置乱生成器RPGen生成一组用于图像子块之间置乱的随机排列,随机排列的范围是[1,...,blocknum],其中blocknum表示图像中非重叠图像子块的个数。
5.根据权利要求1所述的一种加密图像上的隐私保护LBP特征提取方法,其特征在于,步骤一中,像素值置乱采用伪随机置乱生成器RPGen生成一组用于图像子块内像素值置乱的随机排列,随机排列的范围是[1,...,ncnum],其中ncnum表示图像中任意一个子块内非中心像素值的个数。
6.根据权利要求1所述的一种加密图像上的隐私保护LBP特征提取方法,其特征在于,步骤二中,采用SHE算法加密时,选择一个安全参数ks,并利用SHE算法的密钥生成器生成一个公私钥对{sk,pk},
7.根据权利要求6所述的一种加密图像上的隐私保护LBP特征提取方法,其特征在于,图像数据拥有者为每一个图像生成blocknum个加密参数u,f,g,然后,对于第i个图像子块的所有像素使用相同的参数ui,fi,gi和公钥pk进行加密,ci,j←SH.Enc(pk,mi,j);
其中,i∈1,...,blocknum,mi,j表示第i个图像子块的第j个像素值,ci,j表示明文像素值mi,j的密文像素值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910570242.7A CN110298363A (zh) | 2019-06-27 | 2019-06-27 | 一种加密图像上的隐私保护lbp特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910570242.7A CN110298363A (zh) | 2019-06-27 | 2019-06-27 | 一种加密图像上的隐私保护lbp特征提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110298363A true CN110298363A (zh) | 2019-10-01 |
Family
ID=68029202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910570242.7A Pending CN110298363A (zh) | 2019-06-27 | 2019-06-27 | 一种加密图像上的隐私保护lbp特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110298363A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111324766A (zh) * | 2020-02-24 | 2020-06-23 | 南京信息工程大学 | 一种基于lbp特征的加密图像检索方法 |
CN112288757A (zh) * | 2020-10-30 | 2021-01-29 | 中山大学 | 一种基于数据打包技术的加密域图像分割优化方法 |
CN114996745A (zh) * | 2022-07-29 | 2022-09-02 | 湖南工商大学 | 基于舆情事件智能搜寻的媒体资产管理*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108600573A (zh) * | 2018-03-13 | 2018-09-28 | 上海大学 | 基于树形BoW模型的密文JPEG图像检索方法 |
CN108810555A (zh) * | 2018-06-15 | 2018-11-13 | 南开大学 | 基于图像压缩与弹性分辨率的缩略图图像隐私保护方法 |
-
2019
- 2019-06-27 CN CN201910570242.7A patent/CN110298363A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108600573A (zh) * | 2018-03-13 | 2018-09-28 | 上海大学 | 基于树形BoW模型的密文JPEG图像检索方法 |
CN108810555A (zh) * | 2018-06-15 | 2018-11-13 | 南开大学 | 基于图像压缩与弹性分辨率的缩略图图像隐私保护方法 |
Non-Patent Citations (2)
Title |
---|
SHENGSHAN HU 等: "Securing SIFT: Privacy-Preserving Outsourcing Computation of Feature Extractions Over Encrypted Image Data", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
ZHIHUA XIA 等: "A Privacy-Preserving Outsourcing Scheme for Image Local Binary Pattern in Secure Industrial Internet of Things", 《IEEE TRANSACTIONS ON INDUSTRIAL INFORMATICS》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111324766A (zh) * | 2020-02-24 | 2020-06-23 | 南京信息工程大学 | 一种基于lbp特征的加密图像检索方法 |
CN112288757A (zh) * | 2020-10-30 | 2021-01-29 | 中山大学 | 一种基于数据打包技术的加密域图像分割优化方法 |
CN112288757B (zh) * | 2020-10-30 | 2023-09-19 | 中山大学 | 一种基于数据打包技术的加密域图像分割优化方法 |
CN114996745A (zh) * | 2022-07-29 | 2022-09-02 | 湖南工商大学 | 基于舆情事件智能搜寻的媒体资产管理*** |
CN114996745B (zh) * | 2022-07-29 | 2022-11-22 | 湖南工商大学 | 基于舆情事件智能搜寻的媒体资产管理*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105847629B (zh) | 一种加密图像的可逆信息隐藏方法 | |
Gao et al. | EFR-CSTP: Encryption for face recognition based on the chaos and semi-tensor product theory | |
Patel et al. | Image encryption using different techniques: A review | |
Lee et al. | Digital image sharing by diverse image media | |
CN109981921B (zh) | 一种混合混沌虚拟光学图像加密方法 | |
CN110298363A (zh) | 一种加密图像上的隐私保护lbp特征提取方法 | |
Mostafa et al. | A robust high capacity gray code-based double layer security scheme for secure data embedding in 3d objects | |
Anbarasi et al. | Secured secret color image sharing with steganography | |
CN110110535A (zh) | 一种基于像素矩阵的低失真隐写方法 | |
Sinha et al. | Chaotic image encryption scheme based on modified arnold cat map and henon map | |
Hassan | Proposed hyperchaotic system for image encryption | |
Deshmukh et al. | Multi-share crypt-stego authentication system | |
Shang et al. | Research on a double image security transmission algorithm of image encryption and hiding | |
Singh et al. | DIP using image encryption and XOR operation affine transform | |
MEHDI | A novel steganography method based on 4 dominations standard chaotic map in spatial domain | |
Sun et al. | A new image block encryption method based on chaotic map and DNA encoding | |
Yang et al. | Fixed-time synchronization of complex-valued neural networks for image protection and 3D point cloud information protection | |
Rajput et al. | An enhanced image security using improved RSA cryptography and spatial orientation tree compression method | |
Shyamala | Chaos based image encryption scheme | |
Zheng et al. | Image data encryption and hiding based on wavelet packet transform and bit planes decomposition | |
Raghuwanshi et al. | A secure transmission of 2D image using randomized chaotic mapping | |
Yang et al. | Verifiable visually meaningful image encryption algorithm based on compressive sensing and (t, n)-threshold secret sharing | |
Aqeel et al. | Digital image steganography by using a hash based LSB (3-2-3) technique | |
CN109920015B (zh) | 一种基于分形图形生成的图像视觉有意义加密方法 | |
Rao et al. | Visual cryptography for image privacy protection using diverse image media |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191001 |
|
RJ01 | Rejection of invention patent application after publication |