基于随机映射特征的密文图像检索方法研究开题报告

 2022-01-09 10:01

全文总字数:3806字

1. 研究目的与意义及国内外研究现状

随着多媒体技术,计算机网络技术及图像设备的快速发展,图像的应用日益广泛,包括军事,医疗,工业,多媒体,生活等多个方面。与此同时,数字图像的数量也在急剧增加,在这样的背景之下产生了各种各样的图像数据库,其中的图像数量呈现指数级的增长趋势。为了使用户在数据库中快速,高效,准确的搜索到有效的信息,并能对数据库中的图像进行有序的组织和管理,图像检索技术应运而生。

图像检索技术分为基于文本的图像检索(tbir)和基于内容的图像检索(cbir)。基于文本的图像检索虽然一定程度上操作比较简单,也符合人们熟悉的检索习惯,但是目前的计算机视觉和人工智能都无法自动对图像进行标识,而这项工作不仅费时,并且人工描述不可避免产生偏差,不够准确,或者带有主观色彩,而且图像中丰富的视觉特征,如形状,颜色,纹理等无法用文本客观描述,使得图像检索的全面性和准确性降低。相反的,cbir技术突破了tbir技术的局限,直接对图像内容进行分析并提取特征,然后用特征进行索引和检索。其应用领域十分广泛。

应用cbir技术如何快速准确的提取视觉信息内容是关键,有学者提出了基于词袋模型(bow)的特征表达方式,其原理将图像看做装满特征的袋子,局部特征通过一定算法转换成视觉单词,图像就由这些视觉单词来表示。将bow模型引入图像处理方法的研究取得了巨大的成功,得到越来越多的重视。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容

本课题主要是完成一个基于随机映射特征的密文图像检索系统,该系统基于BOW模型,实现基于图像内容的检索,其主要内容如下:

1.利用AES 加密算法对图像进行分块加密。AES的区块长度固定为128比特,AES加密过程是在一个44的字节矩阵上运作。即将图像分成44大小的矩阵进行分块加密。2.基于BOW 模型进行特征提取。(1)提取加密图像块特征。随机生成44模板,计算每个图像块的特征向量。(2)对图像库所有图像块的特征向量聚类,形成视觉单词。(3)统计落入每个视觉单词的特征点的个数就可以得到一幅图像的特征直方图。3.用图像特征直方图的距离作为图像的相似性,并比较图像的相似性。

3. 实施方案、进度安排及预期效果

实施方案:搜集资料,查阅文献。在对aes加密和bow模型有一定了解后,进行代码编写,完成密文图像检索系统。

进度安排:

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献

[1] wenjun lu,ashwin swaminathan, avinash l varna, and min wu, 'enabling search over encrypted multimedia databases,' in ist/spie electronic imaging, p. 725418, 2009.

[2]wenjun lu,avinash l varna, ashwin swaminathan, and min wu, 'secure image retrieval through featureprotection,'in ieee international conference on acoustics, speech andsignal processing,pp. 1533-1536, 2009.

[3] yuan jiawei,yu shucheng, and guo linke, 'seisa: secure and efficient encrypted image search with access control,'in ieee infocom, pp. 2083-2091, 2015.

[4]路瑶, 基于词袋模型的图像检索与分类系统的设计和实现[d], 太原:山西大学,2014.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。