[发明专利]一种云环境下适用于大规模图像的安全检索方法

权利要求书

1.一种云环境下适用于大规模图像的安全检索方法，其特征在于，包含以下步骤：

步骤1，根据训练图像库建立词袋模型，生成视觉词典及中值矩阵；

步骤1的具体实现包括如下子步骤，

步骤1.1，局部特征提取：对训练图像库中每幅图像，采用sift特征提取算法提取图像特征，并生成特征点描述符；

步骤1.2，构建视觉词典：用k-means聚类算法对训练图像库中的特征点进行训练，生成k个聚类中心，每个聚类中心表示为一个视觉单词，即构成k维视觉词典W；

步骤1.3，构建中值矩阵：依次对属于第c个聚类中心的图像特征向量在每一个维度上计算中值，c∈[1,k]，生成该聚类中心的中值向量Z_c＝{z₁,z₂,…,z_l}，l是图像所提特征点的向量维度，所有聚类中心中值向量构成中值矩阵Z＝[Z₁,Z₂,…,Z_k]^T；

步骤2，内容所有者基于步骤1构建词袋模型，对测试图像库中的每幅图像进行特征提取，计算特征点的权重，并对图像特征构建索引向量；

步骤2的具体实现包括如下子步骤，

步骤2.1，提取测试图像库中每幅图像的sift特征，并生成特征点描述符X＝{x₁,x₂,…,x_l}，l表示特征点描述符的维度；判断图像的特征向量与视觉词典中哪个视觉单词最近，将其映射到距离最近的视觉单词w上，w即为该特征点对应的聚类中心；

步骤2.2，计算图像I_j的特征点X_i对应的视觉单词w_i的词频tf、逆文档频率idf；

其中，n_i,j是视觉单词w_i在图像I_j中出现的次数，∑_kn_k,j表示在图像I_j中所有视觉单词出现的次数之和；

其中，|D|表示测试图像库中图像总数；d_j表示图像I_j所有包含视觉单词的集合，|{j:w_i∈d_j}|表示测试图像库中包含视觉单词w_i的图像数目；

步骤2.3，根据视觉单词的词频和逆文档频率信息，计算特征点的权重wgt(X_i)：

步骤2.4，根据步骤1生成的中值矩阵Z，对图像特征点构建二值向量，具体方法为：比较图像sift特征与中值矩阵Z中其对应的聚类中心的中值向量在各个维度上的大小，生成长度为l的二值向量h＝(h(1),h(2),…,h(l))；

步骤2.5，构建图像特征索引向量，将图像特征对应的视觉单词编号w和该特征二值向量相结合，生成图像特征的索引向量：F＝[w+h]；

步骤3，内容所有者对测试图像库中的图像及其所构建的特征索引向量进行加密保护，获得由图像特征点、特征点安全签名、特征点权重信息、所属图像信息构成的数据集；

步骤4，内容所有者根据数据集中特征点的安全签名、权重信息、所属图像信息构建安全索引表，并上传至云服务器；

步骤5，用户需查询图像时，向内容所有者发起查询请求，内容所有者返回必要信息，用户根据内容所有者返回的信息生成查询图像的安全索引向量，并发送给云服务器进行查询；

步骤6，云服务器根据用户上传的检索图像安全索引，对查询图像的特征点与密文图像特征数据库中特征点进行相似性度量，计算查询图像与图像库中所有图像的匹配分数，将密文图像按匹配分数由高到低的顺序发送给用户；

步骤7，用户利用解密密钥对密文图像进行解密，获得原始图像。