[发明专利]一种基于临近梯度和结构特征的图像哈希处理方法

权利要求书

1.一种基于临近梯度和结构特征的图像哈希处理方法，其特性在于，包括：

读取图像库中图像，对图像进行预处理；

对所述预处理后的图像提取三分量，利用临近梯度以及二值化量化压缩方法，获得图像的统计特征；

对所述预处理后的图像提取R，G，B三分量，分别对R，G，B三分量分别进行临近梯度，然后对计算获得的三种临近梯度信息进行二值化量化压缩，将压缩后的数据作为统计特征；

将所述预处理后的图像转化至颜色空间，提取其亮度分量，并将所述亮度分量转为三维图像；

根据所述亮度分量图像以及三维图像，提取图像的结构特征；

将所述预处理后的图像转化至颜色空间YCbCr，提取其亮度分量Y，并Y分量图像分割为一系列非重叠小块，且各块尺寸为b×b，并对每一个小块的像素值进行求均值计算，得到特征矩阵M，以特征矩阵M的坐标横向位置为x轴，纵向位置为y轴，对应坐标下的像素点值为z轴构造其三维图像，分别求得三维图像在xoz和yoz面投影下矩阵M的峰顶曲线和峰谷曲线，分别对不同投影下的峰顶曲线和峰谷曲线进行凹凸点集计算并取并集，联合并二值化计算局部结构特征；为了提取不同投影下凹凸点集的位置信息构造位置特征，将不同视角下的凹凸点集在xoy平面上的位置信息进行求交集，获得交集矩阵，对所述交集矩阵进行求行和并转置操作，进而得到位置特征；再同时将三维图像用平行于xoz轴的平面，均等切分为K＝N/b个切面矩阵，N为图像的长度，通过统计每个切面所含像素点个数的像素点集和每个面矩阵的方差并二值化得到整体特征S，将局部结构特征，位置特征和整体特征结合从而可得结构特征；

联合所述统计特征与结构特征，得到中间哈希，并利用随机发生器对所述中间哈希进行位置置乱得到最终的哈希序列。

2.如权利要求1所述的基于临近梯度和结构特征的图像哈希处理方法，其特征在于：所述对图像进行预处理包括，

将图像规格化为相同尺寸，并且在图像大小调整后，进行高斯低通滤波过滤操作，减少噪声污染。

3.如权利要求2所述的基于临近梯度和结构特征的图像哈希处理方法，其特征在于：所述高斯低通滤波过滤操作包括，

利用模板为3×3，标准差σ为1的高斯低通滤波器对图像进行滤波，滤波过程的计算公式为如下：

其中：M^G(i,j)为模版中的第i行第j列元素值；

滤波过程为：通过一个固定大小为3×3的高斯滤波模板，然后通过上述公式计算出模板的每个点数值大小，再通过迭代的方式，对图像的每个像素点进行处理，从而得到滤波后的图像。

4.如权利要求1～3任一所述的基于临近梯度和结构特征的图像哈希处理方法，其特征在于：所述获得图像的统计特征包括，

对所述预处理后的图像提取R,G,B三分量I_R、I_G、I_B，并对各分量进行分块，子块大小为b×b，计算I_R每块的均值，以及构成每个分量的均值矩阵M_R，再对I_R的所述均值矩阵计算行临近梯度和列临近梯度2个临近梯度，对2个临近梯度计算均值μ，方差δ，偏度s，峰度ω后，对均值μ，方差δ，偏度s，峰度ω构成的矩阵进行二值化量化处理，最后通过利用均值μ，方差δ，偏度s，峰度ω，经过二值化量化处理，描述行临近梯度每一行的特征Z_H和列临近梯度每一列的特征Z_L构成，进而获得I_R的临近梯度统计特征S_R＝[Z_H，Z_L]，从而可得图像I_G、I_B的统计特征分别为S_G,S_B，联合可得RGB彩色图像的联合统计特征H₁＝[S_R，S_G，S_B]，长度为L₁＝6×N/b，其中，N为图像的长度。