基于radon变换的抗几何攻击图像哈希算法

基于radon变换的抗几何攻击图像哈希算法报告人：肖勇研究现况内容结构1相关技术介绍2算法主要思想3实验对比分析4总结和未来工作5研究现况•互联网迅猛发展，信息传播和存储越来越方便•多媒体信息越来越容易被非法复制和篡改互联网迅猛发展数字产品盛行内容认证和保护非法拷贝和篡改数字哈希技术研究现况•数字水印•对原始载体图像进行修改•不可见性与鲁棒性之间的矛盾•图像哈希•图像认证•篡改检测•图像检索研究的主要内容•哈希分类传统哈希1图像哈希2研究现况•传统哈希•哈希长度固定•对比特位改变非常敏感•图像哈希•鲁棒性对常规攻击鲁棒•区分性内容不同图像或恶意篡改图像•安全性基于密钥的加密和置乱研究现况•哈希算法认证图像特征提取哈希生成密钥哈希原始哈希相似度研究现况•哈希算法的两个主要部分•特征提取•哈希生成研究现况•特征提取方法1提取空域特征2提取变换域特征3矩阵分解提取特征4利用不变特征提取相关技术介绍•Radontransform•一种有效的分析原始空间和投影空间关系的有效的分析方法•其中表示离原点的距离，沿着一系列平行线的积分组成投影，表示投影射线法向量与横轴x轴的夹角，并且。(,){(,)}(,)(cossin)grRfxyfxyrxydxdycossinrxy(,)gr0相关技术介绍•平移：图像f(x,y)平移的距离，则会沿r方向相应地移位。•缩放：图像f(x,y)以的因子进行缩放，使得发生了系数的变换。•旋转：图像f(x,y)如果以原点为中心旋转角度，则会在横坐标角度上进行相应的平移。00(,)xy(,)gr0000{(,)}(cossin,)Rfxxyygrxy(0)(,)gr{(,)}(,)(,)yxrRfggrr(,)gr{(cossin,sincos)}(,)rrrrrRfxyxygr相关技术介绍Radon变换相关技术介绍•SVD分解S=diag()TAUSV1210rrnLL123,,,...,n相关技术介绍•不变质心算法1.计算半径为R的不变质心(),并()=()2.计算出以()为圆心，R为半径的圆形区域的质心,xy,BBxy,BBxy,xy相关技术介绍3.如果和重合，那么就是所求的不变质心；如果和不重合，那么将设置为，回到第二步，继续执行第二步和第三步，直到=，得到不变质心为止。(,)RRxy(,)BBxy(,)RRxy(,)RRxy(,)BBxy(,)RRxy(,)BBxy(,)RRxy(,)BBxy(,)RRxy算法主要思想•哈希提取算法•图像预处理•先把原图像经过插值算法转化为标准的大小的图像•对图像进行一次低通滤波操作••不变质心算法与圆形区域提取•利用不变质心算法计算出图像的不变质心•围绕着不变质心点，以不变质心点为圆心，以自适应R为半径提取出一个圆形区域mm算法主要思想•哈希生成•局部特征•对于radon变换系数，利用logistic混沌提取出若干行系数进行特性向量的生成•当轴发生循环平移时，假设旋转角度为，则定义零阶矩函数为•则旋转的时候有如下关系20()(,)Zrgrd22''100()(,)(,)()ZrgrdgrdZr•radon变换行的零阶矩可以作为一个不变特征，而且相应行的方差也可以作为一个特征值。•提取每行的SVD分解最大的奇异值作为一个特征值•利用离散傅里叶变换的实数部分的绝对值，生成另外一个矩阵，再对该矩阵进行一次DCT变换，提取出直流系数DC作为一个特征值。11()lenijmgjlen211()1lenijgjmlen•全局特征•提取出整个radon矩阵的不变矩，这里利用了Hu矩，Hu矩的定义如下，设为(p+q)阶矩•那么图像的质心坐标为,其中，那么定义图像的中心矩为•利用归一化的中心矩，即，r为，p+q=2，利用中心矩组合提取出Hu矩的七个矩特征作为全局的哈希值。00(,)mnpqpqxyMxyfxy10000100/,/xMMyMMpq00()()(,)mnpqpqxyxxyyfxypq00/rpqpq()/21pq算法主要思想•哈希提取算法原始图像Radon变换图像预处理随机选取行提取特征向量不变特征矩提取不变质心及圆形区域哈希生成密钥哈希序列算法主要思想•图像认证算法•利用和哈希生成一样的方法提取出哈希序列•利用了欧氏距离来进行哈希相似度的比较•如果这个d=T，则认为图像是真实的图像，两图像是视觉相似的，否则认为两图像是感知不同的，即图像不真实。2111(,)[()()]LidHHHiHi算法主要思想•图像认证算法原始图像Radon变换图像预处理随机选取行提取特征向量不变特征矩提取不变质心及圆形区域哈希生成密钥哈希序列接收哈希相似度真实不真实dTd=T实验对比分析•视觉鲁棒性分析•攻击方式和其参数设置ManipulationDescriptionParametervaluesJPEGcompressionQualityfactor30,40,...,1003*3Gaussianlow-passfilteringStandarddeviation0.3,0.4,...,1.0Gaussiannoisedeviation0.001,0.005,...,0.035Saltandpeppernoisedensity0.01,0.02,...,0.08MedianfilteringFiltersize1,2,...,8RotationRotationangle1,3,...,15ScalingScalingfactor0.7,0.8,...,1.4TranslationDistance0,2,...,14实验对比分析•视觉鲁棒性分析攻击方式304050607080901000.00.20.40.60.81.0(a)JPEGcompressionlenapepperbaboonairplanebarbaraQualityfactord0.30.40.50.60.70.80.91.00.00.20.40.60.81.01.21.4lenapepperbaboonairplanebarbaraStandarddeviationd(b)Gaussianlow-passfiltering0.0050.0100.0150.0200.0250.0300.0350246810(c)GaussiannoiselenapepperbaboonairplanebarbaraVarianced0.010.020.030.040.050.060.070.080246810(d)SaltandpeppernoiselenapepperbaboonairplanebarbaraDensityd实验对比分析123456780.00.51.01.52.02.53.03.54.0(e)MedianfilteringlenapepperbaboonairplanebarbaraFiletersized24681012140246810(f)RotationlenapepperbaboonairplanebarbaraRotationangled0.70.80.91.01.11.21.31.40.00.20.40.60.81.01.21.4(g)ScalinglenapepperbaboonairplanebarbaraScalingfactord024681012140246810(h)Translationlenapepperbaboonairplanebarbaradistanced•攻击后的距离最大值，最小值，平均值和标准差ManipulationMaximumMinimumMeanStandarddeviationJPEGcompression0.35420.00470.07650.083*3Gaussianlow-passfiltering0.33120.00140.10300.08Gaussiannoise4.91530.05751.14131.13Saltandpeppernoise7.42820.30582.60571.84Medianfiltering1.876800.49350.37Rotation6.18170.90662.81631.42Scaling0.525200.16690.12Translation8.561402.60822.02实验对比分析•区分性实验ImageLenaBarbaraPepperFullgoldAirplaneBarbaraLena020.951740.1485720.6542142.2769611.96931Pepper20.9517030.7410724.7931342.4573327.14408Baboon40.1485730.74107050.9940628.9340949.47434Fullgold20.6542124.7931350.99406052.0066222.3449Airplane42.2769642.4573328.9340952.00662051.53872Barbara11.9693127.1440849.4743422.344951.538720实验对比分析•T=9时，误检率0.06%•T=10时，误检率0.18%性能比较首先计算算法的真阳性率(TPR)和假阳性率(FPR)，其中TPR和FPR分别这样定义11nTPRN22nFPRN总结和未来工作•该算法能够较好的抵抗常规攻击和几何攻击，并具有较好的区分性•研究能够检测局部小尺度修改的图像，并进行精确定位未来想法•继续研究抗几何攻击的图像不变特性，寻找更有效的抗几何方法•研究图像的鲁棒特征，提取更可靠特征•采用更好的量化方法，生成图像哈希谢谢！