[发明专利]一种云环境下的密文图像检索方法及系统

权利要求书

1.一种云环境下的密文图像检索方法，其特征在于：

(一)针对数据拥有者：

对于一个图像集M，实施以下操作：

(1)用Gen_Harris(Harris，M)生成特征集为

(2)用生成特征向量

(3)用生成索引I，用分别生成加密特征向量加密图像集M′、加密索引I′；

(4)将M′、I′发送到云服务器，将加密密钥K发送给查询用户；

Gen_Harris(Harris，M)表示采用Harris算法对图像M提取图像特征；

表示对特征集生成特征向量；

表示对特征向量构建索引；

表示对特征向量图像集M、索引I进行加密；

(二)针对查询用户：

对于查询图像集M_q，执行以下操作：

(1)用Gen_Harris(Harris，M_q)生成特征集为

Gen_Harris(Harris，M_q)表示采用Harris算法对图像M_q提取图像特征；

(2)用生成特征向量

表示对特征集生成特征向量；

(3)用生成陷门TD，然后将陷门TD发送到云服务器；

为产生陷门的函数；

(4)用解密函数解密返回相似图像

(三)针对云服务器：

用算法进行检索并返回相似结果集

Gen_Harris(.)是指基于自适应阈值与Forstner方法进行Harris角点优选；

确定候选节点后，再根据最大角点响应函数对候选点进行筛选，确定提取的预筛选特征点总数c₁，最后结合Frostner算法确定最佳候选点总数c₂，实现Harris角点优选;

Harris角点优选包括以下步骤：

步骤1：采用8邻域相似像素分析法确定候选集C；

对于图像中的任一目标像素点(x，y)，计算该目标像素点与8邻域范围内像素点灰度差的绝对值Δ，通过与设定的阈值相比较来确定是否相似，统计目标像素点与周围8个点的相似个数N(x，y)，如下式所示：

式中：识别函数当2≤N(x，y)≤6时，将该目标像素点(x，y)视为候选点，用C表示候选点集合；

步骤2：计算每个候选点的响应函数CRF，定义阈值为最大CRF值的倍，即

根据最大角点响应函数对候选点进行筛选，确定提取的预筛选特征点总数c₁，预筛选特征集C₁；

步骤3：结合Frostner算法确定最佳候选点集G以及最佳候选点总数c₂；

首先，以预筛选特征集C₁任意一点(x_i，y_i)为中心建立3*3窗口，对该窗口内的每个点计算协方差矩阵cov：

其中，是Robert梯度算子；

是灰度函数，表示点(x，y)的灰度值；

接着，计算特征点的权值ω和圆度τ；

其中det(cov)是协方差矩阵cov的行列式，trace(cov)是协方差矩阵cov的迹；然后，将ω、τ分别与给定阈值比较，将满足且的备选点加入特征集C₂；最后在一定窗口内，依据权值ω将满足条件ω(x，y)＝max{ω(x，y)}的点加入最佳候选点集G，最佳候选点集G中的候选点的个数即为c₂。

2.根据权利要求1所述的云环境下的密文图像检索方法，其特征在于，Gen_feature(.)是指结合SURF算法描述Harris特征点，并结合词袋模型生成图像的特征向量。

3.根据权利要求1所述的云环境下的密文图像检索方法，其特征在于，Build_index(.)是指构建哈希索引；采用基于ρ稳定的LSH函数族构建哈希表，作为哈希索引。