论文总字数：19511字

目 录

1 绪论 1

1.1 研究背景 1

1.2 研究目的，意义 1

1.3 本文结构 2

2相关技术综述 2

2.1 LBP技术简介 2

2.2 隐私保护相关技术概述 3

2.3本章小结 5

3 基于保序加密的LBP特征提取算法研究 5

3.1 算法相关理论简介 5

3.2 算法流程 12

3.3 提出算法 13

4 实验的结果与分析 18

4.1 实验环境 18

4.2 实验结果 18

4.3 实验分析 18

4.4 总结 20

5 总结与展望 20

参考文献： 21

致谢 22

支持隐私保护的图像LBP特征提取算法研究与实现

季秋菊

, China

Abstract：With the deep development of the Internet, the computer network has been deep into all aspects of people's lives. It has the convenience of opening and sharing, so that people can copy and tamper with the information on the Internet without limit, which makes the extraction of image features is facing a great security challenge. Therefore ,based on the analysis of LBP feature extraction and order preserving encryption, this paper proposes an LBP feature extraction algorithm based on order preserving encryption, which encrypts the image first and then extracts the feature in the encryption domain, and finally obtains the LBP features. It ensures the accuracy of feature extraction results and achieve the purpose of protecting the privacy of pictures as well. Experiments show that the algorithm can extract the LBP feature with privacy protection.

Keywords: feature extraction; Local Binary Patterns; order preserving encryption; privacy protection

1 绪论

研究背景

大量的数字图像被采集和使用运用于各个领域。目前,大数据的存储与查询不再是一个鸿沟,但获得数据本身，它显然是不够的。特征提取能减少描述大量数据所需的资源量。 在对复杂数据进行分析时，最主要问题之一试所涉及的变量数量。大量变量的分析通常需要大量的存储器和计算能力，也可能导致分类算法过度训练样本并将其推广到新的样本。特征提取是构建变量组合的方法，不但能解决这些问题，同时也能以足够的精度来描述数据。

图像处理对于特征提取来说是一个非常重要的应用领域，其中使用算法来检测和分离数字化图像或视频流的各种期望的部分或形状（特征）。 在光学字符识别领域尤其重要。许多数据分析软件包提供特征提取和维度降低。常用的数字编程环境（如MATLAB，SciLab，NumPy和R语言）通过内置命令提供了一些更简单的特征提取技术（例如主成分分析）。

在密码学中，加密是以只有授权方可以访问的方式编码消息或信息的过程。加密本身并不妨碍干扰，而是将可理解的内容拒绝给潜在的拦截器。在加密方案中，使用加密算法对称为明文的预期信息或消息进行加密，生成只能在解密时才能读取的密文。 出于技术原因，加密方案通常使用由算法生成的伪随机加密密钥。原则上可以解密消息而不拥有密钥，但是对于精心设计的加密方案，需要相当大的计算资源和技能。授权的收件人可以使用发件人提供的密钥向收件人轻松解密邮件，但不能向未经授权的用户解密邮件。

研究目的，意义

在机器学习，模式识别和图像处理中，特征提取从初始测量数据集开始，目的是在提供信息和非冗余的派生值（特征），来帮助后续的学习和泛化步骤。 特征提取与降维有关。

现实生活根本不完美，根本不能保证图像中完美的光线设置或人物的10张图像。 那么当每个主题只有一个图像时，协方差估计可能是错误的，即小样本大小问题。那么LBP目的易于解决这个问题。局部二进制模式（LBP）是一种简单但非常有效的纹理算子，它通过对每个像素的邻域进行阈值来标记图像的像素，并将结果视为二进制数。 LBP纹理算子由于其辨别力和计算简便性，已成为各种应用中的流行方法。 它可以被看作是纹理分析的传统统计和结构模型的统一方法。另一个重要的属性就是它的计算简单性，这样可以在具有挑战性的实时设置中分析图像。然而,由于互联网的发展,图像极易于被复制修改,造成知识产权被严重侵权,则作品所有者和社会面临巨大的经济损失。同时,有效地表示图像属性通过描述图像提取特征的方式,因为在准确高效的分割和分类图像的基础上,所以也容易泄露图片信息,因此,支持隐私保护的图像特征提取显得很是重要。

长期以来军事和政府一直在加密秘密通信。它现在常用于保护多种民用系统中的信息。例如，计算机安全研究所报告显示2007年，71％的被调查公司对其中一些数据进行了加密，53％的用户在存储过程中使用了一些数据加密。加密可用于保护数据“静止”，例如存储在计算机和存储设备（例如，USB闪存驱动器）上的信息。近年来，有大量关于机密数据的报道，例如客户的个人记录，通过丢失或窃取笔记本电脑或备用驱动器而遭受暴露。加密这些文件有助于保护他们。所以通过加密来进行隐私保护是非常重要的。

1.3 本文结构

在第二章介绍了本文所需的基础知识，包括经典的图像特征提取方法，隐私保护的技术简介，如LBP特征提取及其应用，保序加密，同态加密等理论知识。在第三章，给出了一种基于保序加密的LBP特征提取算法。第四章中介绍了实验结果及结论。第五章进行了总结与展望。

2相关技术综述

2.1 LBP技术简介

2.1.1局部二值模式的提出

局部二进制模式或简称LBP是由Ojala等人的工作流行的纹理描述符。 在2002年的文章“多重分辨率灰度和旋转不变纹理分类与局部二进制模式”（尽管早在1993年引入了LBP的概念）。与Haralick纹理特征不同的是，基于灰度共生矩阵计算纹理是全局表示，LBP代替计算纹理是局部表示。通过将每个像素与其周围的像素邻域进行比较来构建该局部表示。

在纹理分析中，LBP算子有很多优点，如下:(1) LBP算子是一种无参数(非参数 )的方式，在使用过程中无需对其预先假设分布。(2）快速计算。因为它可通过在小邻域内比较得到，使在复杂的条件下分析图像变成可能（3)通过定义，可以看出LBP算子的灰度尺度不随任何单一变换而变化，所以灰度尺度的鲁棒性好。

2.1.2 LBP方法在特征提扩展与应用

LBP方法已经在纹理分析中取得了重大进展。它在研究和应用中被广泛应用于世界各地。 由于其辨别力和计算简便性，该方法在诸如面部分析和运动分析（Pietikäinenet al。2011）等计算机视觉问题中已经非常成功。

为了提高LBP的适用性，各种扩展和修改被提出。 例如，Liao et al（2009）提出了利用最常发生的LBP模式的优势局部二进制模式来提高识别精度。近来，利益区域描述符（如SIFT）对各种计算机视觉问题的使用一直很有意义。为此，提出了一种结合SIFT和LBP优势的新颖描述（Heikkiläet al。2009），其中采用中心对称局部二元模式（CS-LBP）来代替SIFT算子使用的梯度算子。 Mäenpää和Pietikäinen（2004）提出了一种对手颜色LBP，并分析了颜色和质地的联合和分开使用。

除了面部和面部表情识别之外，LBP还被用于许多其他生物识别应用，包括眼睛定位，虹膜识别，指纹识别，掌纹识别，步态识别和面部年龄分类。

2.2 隐私保护相关技术概述

2.2.1 保序加密技术简介

数据库系统通常提供访问控制作为限制对敏感数据的访问的手段。 该机制保护了使用预期的数据库系统接口访问数据的敏感信息的隐私。 然而，访问控制虽然重要而必要，但往往不足。 对计算机系统的攻击已经表明，如果未经授权的用户通过完全传递数据库访问控制机制，只需获取对原始数据库文件的访问，就可能危及信息。加密是保护敏感数据的完善的技术。不幸的是，现有加密技术与数据库系统的集成会导致不良的性能下降。 例如，如果包含敏感信息的表的列被加密，并且在具有比较运算符的查询谓词中使用，则需要整个表扫描来评估查询。 原因是当前的加密技术不能保持秩序，因此不能再使用B-tree等数据库索引。 因此，通过加密数据库的查询执行可以不可接受。

所以提出一种称为OPES（保序加密方案）的加密技术，比较操作可以直接应用于加密数据，而不解密操作数。类似地，也可以应用GROUP BY和ORDER BY操作。 只有在将SUM或AVG被应用到组，才需要对该值进行解密。 OPES还具有以下属性：

· 使用OPE加密的数据的查询处理的结果是准确的。 他们既不包含任何误报，也不会错过任何答案元组。 OPE的这一特征将其与方案的区别大大区分开来，因为它需要超越答案，因此需要在相当昂贵和复杂的后处理步骤中过滤外部元组。

· OPES平稳地处理更新。可修改列中的值,或在不更改其他值的加密的情况下将新值插入列中。

· OPE可以轻松地与现有的数据库系统集成，因为它被设计为与现有的索引结构（如B-tree）一起工作。 数据库被加密的事实可以使应用程序变得透明。

保序对称加密(OPE)是一个确定性的加密方案，它的加密功能保留了明文的数字排序。OPE有一段很长的历史，它的形式是一段代码，它是纯文本和相应的密码文本的列表，它们都按字母顺序或数字顺序排列，因此有效的加密和解密只需要一个副本。在数据库社区中，由Agrawal et al .[4]提出了一种更正式的方法，即保序对称加密(OPE)的概念。对这种方案产生兴趣的原因在于，它们允许对加密数据进行有效范围查询。也就是说，一个远程不受信任的数据库服务器能够索引(敏感的)数据，它以加密的形式，在数据结构中允许高效范围查询 (请求服务器返回数据库中的密码文本，该数据库的解密在一个给定范围内，例如[a,b])。它的高效在于数据库大小的时间长度，因为在每个查询上执行线性工作对于大型数据库来说是非常慢的。

剩余内容已隐藏，请支付后下载全文，论文总字数：19511字

相关图片展示：