KAZE结合感知哈希的图像匹配算法

针对目前图像特征匹配中存在不同程度误匹配的问题,提出了一种KAZE结合感知哈希的图像匹配算法。首先采用KAZE算法提取图像特征点并匹配,然后使用感知哈希算法筛选提纯初始匹配对,最后运用随机抽样一致(RANSAC)算法再次筛选,得到最终的匹配结果。在Mikolajczyk标准图像集上的实验结果表明,该算法在图像发生旋转缩放、光照变换、模糊以及JPEG压缩等变化下均能够保持较高的匹配正确率,具有良好的可靠性和鲁棒性。     

融合时空域变化信息的视频感知哈希算法研究

感知哈希(Perceptual Hashing)是多媒体数据集到摘要集的单向映射,为多媒体数字内容的标识、检索、认证等应用提供了安全可靠的技术支撑.本文提出一种融合视觉感知及时空域特征的视频感知哈希算法.算法首先对视频序列每一帧进行随机可重叠分块,并计算每个分块以像素为单位的亮度均值,在某一步长下,以同一帧的分块亮度差作为视频帧空域特征,以不同视频帧相同位置的分块亮度差作为时域特征,通过哈希量化得到时空域感知哈希,通过时空域感知哈希融合,最后得到简洁的视频唯一标识——摘要哈希.实验结果表明,该算法表现出较好的鲁棒性与区分性,通过相似度拟合图算法分析,可以实现视频篡改的准确检测及定位.     

基于压缩感知的图像哈希算法

在信息安全相关研究中,图像哈希算法是一项热门的内容,通过一串短效的字符、数字序列,对一副图像进行映射,在数字水印、图像检索、图像索引、图像认证等方面,均有着广泛的应用.哈希算法的两个基本性质就是感知鲁棒性、惟一性.传统的密码学哈希算法,一般仅适用于文本数据,需要设计开发新的哈希算法,用于图像等多媒体数据的处理.基于此,本文基于数字图像,提出了基于压缩感知的图像哈希算法,分别以颜色向量角、环形分割为切入点,对图像哈希算法进行了研究.     

一种基于感知哈希的ISAR序列像分块匹配算法

ISAR序列图像匹配是寻找ISAR序列图像像素点间关系的图像处理技术,是获取空间非合作目标姿态、三维结构等信息的重要环节,对获取目标特性、分析目标能力、推理目标意图具有重要的支撑作用。提出一种基于感知哈希的ISAR序列像分块匹配算法方法,利用感知哈希算法对分块的图像块进行匹配,完成局部图像块的粗匹配,在此基础上采用基于SIFT算子的图像匹配算法对匹配的图像块进行精细匹配,达到ISAR序列图像准确匹配的目的,匹配精度得到进一步提升。     

融合感知哈希特征的时空上下文目标跟踪算法

文中提出融合感知哈希特征的时空上下文快速目标跟踪算法,在光照剧烈变化和目标被遮挡情况下能准确地跟踪目标。通过感知哈希特征对目标的位置进行评估,避免时空上下文算法在光照剧烈变化的跟踪漂移问题,并通过更新目标哈希值和时空上下文信息来进行下一次迭代。实验结果表明结合目标时空上下文信息的感知哈希跟踪算法与目前主流跟踪算法相比表现出更快的跟踪速度,并且在复杂背景和被遮挡后表现出较好的鲁棒性。     

基于感知哈希和自适应搜索的通用对象检测

针对数字图像中对象检测问题,提出一种基于感知 哈希和搜索策略的通用 对象检测算法,提取图像中有可能包含对象的子区域并以矩形的形式输出。算法首先对输 入图像进行分割,并计算该图像的显著度信息;其次根据图像每个子区域显著度信息,自适 应 地确定搜索策略的起始子区域;最终利用选择性搜索策略,实现图像中通用对象检测。利用 选择性搜索策略检测通用对象时,引入感知哈希算法实现相邻子区域的相似度计算, 在保证准确度的基础上简化算法复杂度。实验结果显示,本文算法具有良好的图像对象检测 准确度。     

基于图像感知哈希的行人跟踪算法

针对传统目标跟踪算法计算复杂度高,在发生遮挡、形状改变时,运动目标丢失的问题,提出了将图像感知哈希算法应用于目标跟踪问题上,并针对行人这一特定目标进行了改进。按照行人的特征,将其分成若干区域,给不同区域分配不同权重,计算跟踪目标的感知哈希值,计算待测区域的哈希值,选择合适的待测区域作为目标区域。该算法与MeanShift算法相比,能更好地处理目标遮挡,不易产生目标丢失,且具有较低的复杂度。     

基于聚类分析和SIFT的图像感知哈希算法

本文提出一种基于尺度不变特征变换(SIFT)和聚类分析(K-means)相结合的感知哈希算法。其中,基于不变特征变换用于提取图像的局部稳定特征点,聚类分析用来对特征数据经行压缩并得到图像感知哈希。图像的相似性通过感知哈希值之间的汉明距离来测评。实验数据分析表明,该算法在图像尺度变换、各种几何攻击、仿射变换以及JPEG等攻击中具有较好的稳健率。     

基于环形运算的图像感知哈希算法

针对现有感知哈希算法中抗图像旋转性能低,提出一种结合环形分割及离散余弦变换(DCT)的感知哈希算法,并在此基础上提出环形位运算,进一步提高图像哈希的抗旋转性.     

基于Zernike矩和熵的图像感知哈希算法

提出了基于Zernike矩和熵特征的数字图像感知哈希算法。算法利用Zernike矩计算参考方向,以计算等面积环块和等角度扇形块内的熵作为感知特征,并通过量化处理构造哈希序列。算法利用哈希码之间的欧氏距离作为图像内容相似性的判定依据。实验结果表明,该算法对加性噪声、JEPG压缩、几何变换等操作具有较好的鲁棒性,且对于内容不同的图像有较好的区分度。     

基于人类视觉系统的图像感知哈希算法

图像感知哈希(Perceptual Hashing)是一门新兴技术,它通过对图像感知信息的简短摘要和基于摘要的匹配,来支持图像的认证和识别,具有广泛的应用前景.目前关于图像感知哈希的研究主要集中在图像特征的提取上,但是特征的选择缺乏对人眼视觉特性的考虑.本文从不同的侧面提出几种基于人类视觉系统的图像感知哈希算法.通过这几种算法之间和已有传统算法之间的测试比较,结果表明考虑了人眼视觉特性的图像感知哈希算法在鲁棒性和区分性上能够得到提高,算法给出的感知距离度量更符合人的主观感受.     

A Novel Simple Visual Tracking Algorithm Based on Hashing and Deep Learning

Deep network has been proven efficient and robust to capture object features in some conditions.It still remains in the stage of classifying or detecting objects.In the field of visual tracking,deep network has not been applied widely.One of the reasons is that its time consuming made the strong method could not meet the speed need of visual tracking.A novel simple tracker is proposed to complete tracking task.A simple six-layer feed-forward backpropagation neural network is applied to capture object features.Nevertheless,this representation is not robust enough when illumination changes or drastic scale changes in dynamic condition.To improve the performance and not to increase much time spent,image perceptual hashing method is employed,which extracts low frequency information of object as its fingerprint to recognize the object from its structure.64-bit characters are calculated by it,and they are utilized to be the bias terms of the neutral network.This leads more significant improvement for performance of extracting sufficient object features.Then we take particle filter to complete the tracking process with the proposed representation.The experimental results demonstrate that the proposed algorithm is efficient and robust compared with the state-of-the-art tracking methods.     

一种基于同态Hash的数据持有性证明方法

在云存储服务中,为了让用户可以验证存储服务提供者正确地持有(保存)用户的数据,该文提出一种基于同态hash (homomorphic hashing)的数据持有性证明方法。因为同态hash算法的同态性,两数据块之和的hash值与它们hash值的乘积相等,初始化时存放所有数据块及其hash值,验证时存储服务器返回若干数据块的和及其hash值的乘积,用户计算这些数据块之和的hash值,然后验证是否与其hash值的乘积相等,从而达到持有性证明的目的。在数据生存周期内,用户可以无限次地验证数据是否被正确持有。该方法在提供数据持有性证明的同时,还可以对数据进行完整性保护。用户只需要保存密钥K,约520 byte,验证过程中需要传递的信息少,约18 bit,并且持有性验证时只需要进行一次同态hash运算。文中提供该方法的安全性分析,性能测试表明该方法是可行的。     

各向同性的迭代量化哈希算法

准确有效的哈希算法是实现海量高维数据近邻检索的关键.迭代量化哈希（Iterative Quantization,ITQ）和各向同性哈希（Isotropic Hash,IsoHash）是两种知名的编码方法.但是ITQ算法对旋转矩阵施加的约束过于单薄,容易导致过拟合;而IsoHash算法缺乏对哈希编码的更新策略,降低了编码质量.针对上述问题,提出了一种各向同性的迭代量化哈希算法.该方法采用迭代的策略,对编码矩阵和旋转矩阵交替更新,并在正交约束的基础上增加各向同性约束来学习最优旋转矩阵,最小化量化误差.在CIFAR-10、22K LabelMe和ANN_GIST_1M基准库上与多种方法进行对比,实验结果表明本文算法在查准率、查全率以及平均准确率均值等指标上均明显优于对比算法.     

多特征视觉Hash方案

提出一种基于认证安全性的视觉Hash设计方案.通过对视觉Hash认证中鲁棒性、认证集合相互关系的分析,指出了采用多特征构造视觉Hash的必要性.多特征方法町以平衡视觉Hash认证中的虚警、漏警问题.设计了一种基于小波分解的视觉Hash算法.对多次分解的小波低频系数进行量化提取多重特征,利用精确Hash算法组合生成认证Hash.实验结果表明本方案对JPEG压缩、滤波、噪声等处理有良好的鲁棒性,且具有较好的认证安全性,可以用于图像的真实性认证.     

基于非对称监督深度离散哈希的图像检索

哈希广泛应用于图像检索任务。针对现有深度监督哈希方法的局限性,该文提出了一种新的非对称监督深度离散哈希(ASDDH)方法来保持不同类别之间的语义结构,同时生成二进制码。首先利用深度网络提取图像特征,根据图像的语义标签来揭示每对图像之间的相似性。为了增强二进制码之间的相似性,并保证多标签语义保持,该文设计了一种非对称哈希方法,并利用多标签二进制码映射,使哈希码具有多标签语义信息。此外,引入二进制码的位平衡性对每个位进行平衡,鼓励所有训练样本中的–1和+1的数目近似。在两个常用数据集上的实验结果表明,该方法在图像检索方面的性能优于其他方法。     

基于稀疏自编码的无监督哈希算法

最近邻搜索在大规模图像检索中变得越来越重要。在最近邻搜索中,许多哈希方法因为快速查询和低内存被提出。然而,现有方法在哈希函数构造过程中对数据稀疏结构研究的不足,本文提出了一种无监督的稀疏自编码的图像哈希方法。基于稀疏自编码的图像哈希方法将稀疏构造过程引入哈希函数的学习过程中,即通过利用稀疏自编码器的KL距离对哈希码进行稀疏约束以增强局部保持映射过程中的判别性,同时利用L2范数来哈希编码的量化误差。实验中用两个公共图像检索数据集CIFAR-10和YouTube Faces验证了本文算法相比其他无监督哈希算法的优越性。     

Bucket Hashing and Its Application to Fast Message Authentication

We introduce a new technique for constructing a family of universal hash functions. At its center is a simple metaphor: to hash a string x , cast each of its words into a small number of buckets; xor the contents of each bucket; then collect up all the buckets' contents. Used in the context of Wegman—Carter authentication, this style of hash function provides a fast approach for software message authentication. Received 13 May 1996 and revised 13 October 1997