韓 威 徐彥彥 馮春暉 熊禮治 徐正全

(武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室 湖北 武漢 430079)

?

一種云環(huán)境下圖像的安全檢索方法

韓 威 徐彥彥*馮春暉 熊禮治 徐正全

(武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室 湖北 武漢 430079)

為了保護(hù)數(shù)據(jù)機(jī)密性，具有敏感信息的圖像在上傳到云服務(wù)器之前需要進(jìn)行加密，然而，這樣做會(huì)給圖像檢索帶來(lái)問(wèn)題。提出一種云環(huán)境下圖像的安全檢索方法，對(duì)圖像顏色空間的R和G通道的DCT(Discrete Cosine Transform)系數(shù)分別進(jìn)行塊內(nèi)置亂和塊間置亂，對(duì)B通道進(jìn)行塊內(nèi)置亂加密；然后提取顏色矩、信息熵以及塊間LBP(Local Binary Patterns)作為圖像的特征向量，通過(guò)比較圖像的特征向量之間的曼哈頓距離來(lái)確定圖像的相似度。該方法保證了圖像的機(jī)密性和檢索精確度，能實(shí)現(xiàn)對(duì)圖像的安全檢索。

云環(huán)境 圖像安全檢索 顏色矩 信息熵 LBP

0 引 言

隨著云計(jì)算的快速發(fā)展，越來(lái)越多的用戶選擇在云服務(wù)器上存儲(chǔ)圖像。為了保護(hù)數(shù)據(jù)隱私，敏感圖像在上傳到云服務(wù)器之前需要進(jìn)行加密。然而，如果用戶要從服務(wù)器上檢索圖像，需要先解密才能夠進(jìn)行檢索，這樣就會(huì)導(dǎo)致明文信息泄露給了不可信的云服務(wù)器[1]，會(huì)破壞圖像的安全性。因此，研究密文域的圖像檢索的方法是非常必要的。

當(dāng)前密文域的信息檢索已有一些研究成果，Song等[2]提出了一種基于流加密的密文瀏覽方法來(lái)確定被檢索的條目是否存在于密文中。Boneh等[3]提出了一種基于公鑰加密的關(guān)鍵字搜索方法，這樣，服務(wù)器就能夠辨別經(jīng)過(guò)公鑰加密的信息是否包含一些特定的關(guān)鍵字，但是并不會(huì)知道加密信息包含的內(nèi)容。Swaminathan等[4]提出的方法可以根據(jù)查詢來(lái)安全地排序文件，并且從加密集中提取出最相關(guān)的文件。

以上這些方法都是針對(duì)文本信息的密文域檢索方法，只能應(yīng)用于基于文本的圖像檢索方法。這種方法需要對(duì)圖像進(jìn)行人工標(biāo)注，工作量大，此外人工標(biāo)注有很大主觀歧義性，同一幅圖像會(huì)有多種標(biāo)注，會(huì)影響檢索的精確性。

基于內(nèi)容的圖像檢索CBIR(Content Based Image Retrieval)[5]方法可自動(dòng)提取圖像的視覺(jué)特征進(jìn)行檢索，并通過(guò)判斷圖像特征之間的距離來(lái)確定圖像之間的相似性。這種方法能有效解決基于文本的圖像檢索存在的問(wèn)題，是當(dāng)前的研究熱點(diǎn)。近年來(lái)，也逐漸出現(xiàn)了一些基于內(nèi)容的圖像安全檢索的研究成果。 Wu等[6]提出了3種方法來(lái)解決加密域的圖像檢索問(wèn)題，包括位平面隨機(jī)化方法、隨機(jī)投影方法、隨機(jī)一元編碼方法。這些方法雖然有效，但安全性卻不是很好。Karthik等[7]提出了一種透明隱私保護(hù)哈希方法，保持了加密AC系數(shù)的統(tǒng)計(jì)分布規(guī)律，但是該方法不能保留圖像的空間信息，檢索精確度不夠。Hsu等[8]提出了一種基于尺度不變特征轉(zhuǎn)換的同態(tài)加密方法，安全性好且檢索較為精確，但是同態(tài)加密方法會(huì)導(dǎo)致嚴(yán)重的密文擴(kuò)展，而且計(jì)算復(fù)雜度高，并不實(shí)用。

針對(duì)上述問(wèn)題，本文提出一種加密圖像的安全檢索方法，該方法是在變換域加密圖像，冗余信息較少因而安全性較好，在顏色矩、信息熵等特征的基礎(chǔ)上提出塊間LBP特征，保留了圖像的部分空間信息，提高了檢索的精確度。

1 云環(huán)境下圖像的安全檢索

加密域圖像安全檢索的關(guān)鍵是保持加密前后圖像特征之間的距離不變[9]。本文采用變換域系數(shù)置亂的加密方法，對(duì)圖像局部塊內(nèi)的系數(shù)進(jìn)行置亂，因此顏色矩、信息熵等特征在加密前后將保持不變，可利用其作為圖像檢索的特征[10]。但僅僅使用這兩種特征進(jìn)行圖像檢索，其精確度是不夠的，因此，本文在提取顏色矩和信息熵特征的基礎(chǔ)上加入了塊間LBP[11]特征，以提高檢索精確度。

本文提出的云環(huán)境下圖像安全檢索的框架如圖1所示。

圖1 云環(huán)境下圖像安全檢索的框架

云環(huán)境下參與檢索的主體包括數(shù)據(jù)擁有者、云服務(wù)器及用戶[12]。數(shù)據(jù)擁有者是原始圖像所有者，對(duì)圖像加密后將其上傳至云服務(wù)器；云服務(wù)器存儲(chǔ)加密圖像并根據(jù)用戶需求對(duì)密文圖像進(jìn)行檢索；用戶提出查詢需求，獲取相應(yīng)的加密圖像并對(duì)其進(jìn)行解密。具體步驟如下：

(1) 數(shù)據(jù)擁有者將原始圖像加密后上傳至云服務(wù)器；

(2) 云服務(wù)器存儲(chǔ)加密圖像，并提取加密圖像的特征形成加密圖像的特征向量庫(kù)存儲(chǔ)在云服務(wù)器上；

(3) 用戶查詢圖像，首先將查詢圖像傳送給數(shù)據(jù)擁有者，數(shù)據(jù)擁有者驗(yàn)證用戶身份合法性之后將查詢圖像的特征向量及解密密鑰返回給用戶；

(4) 用戶向云服務(wù)器發(fā)送查詢圖像的特征向量，請(qǐng)求檢索，云服務(wù)器將查詢圖像的特征向量與加密圖像的特征向量庫(kù)進(jìn)行相似度比較，返回最相似的圖像給用戶；

(5) 用戶使用從數(shù)據(jù)擁有者獲取的密鑰對(duì)云服務(wù)器返回的加密圖像進(jìn)行解密即可得到明文圖像。

1.1 加密圖像特征提取

提取圖像特征是進(jìn)行圖像檢索的前提[13]，本文提出的方法使用變換域的置亂加密方法加密圖像，利用顏色矩、信息熵和塊間LBP作為圖像特征，保證了安全性的同時(shí)也保證了加密前后特征之間的距離保持不變。

把彩色圖像的三個(gè)顏色通道的像素值以8×8的塊(分塊尺寸為8×8，下同)為單位進(jìn)行DCT變換獲得系數(shù)。然后以塊為單位對(duì)圖像進(jìn)行置亂加密，包括塊內(nèi)置亂和塊間置亂：依次對(duì)彩色圖像的R、G、B三通道[14]的DCT域的每塊分別進(jìn)行塊內(nèi)置亂，接著對(duì)R通道和G通道的密文再次進(jìn)行塊間置亂加密，最后將三通道的DCT系數(shù)合成得到圖像DCT域的密文信息。在密文域以塊為單位，分別計(jì)算彩色圖像的R、G、B三通道的密文DCT系數(shù)的每塊的顏色矩和信息熵。為了提高檢索精確度，還需要在B通道的密文DCT域上提取塊間LBP特征，分別計(jì)算這些特征的歸一化直方圖就得到了圖像的特征向量。

給定圖像某維顏色空間中的一個(gè)N×N的局部塊，每一塊中的系數(shù)值可以表示為X=x(i,j)，(i,j=0,1,…,N-1)，如果把X當(dāng)作一個(gè)隨機(jī)變量，X的k階矩mk可以表示為：

(1)

X的k階中心矩uk定義如下：

(2)

由于圖像顏色信息主要分布在低階矩中[15]，因此本文只選擇顏色矩的一階矩和二階矩，即通過(guò)式(1)和式(2)計(jì)算的m1和u1。

信息熵是信息論中用于度量信息量的一個(gè)概念[16]，N×N的局部塊X的信息熵H的定義如下：

(3)

其中，p(x(i,j))是隨機(jī)變量X中的x(i,j)出現(xiàn)的概率，n(i,j)是x(i,j)在X中出現(xiàn)的次數(shù)，N×N為局部塊的高度和寬度之積。

LBP是一種用來(lái)描述圖像局部紋理特征的算子，它反應(yīng)的內(nèi)容是每個(gè)像素與周圍像素的關(guān)系[17]。確定一個(gè)中心點(diǎn)，比較中心點(diǎn)與其相鄰的8個(gè)點(diǎn)的像素值大小，當(dāng)周圍像素的灰度值大于等于中間像素值時(shí)，則LBP的一位值為1，否則為0，然后生成二進(jìn)制串，最后將二進(jìn)制串轉(zhuǎn)換成十進(jìn)制數(shù)即得到LBP值，LBP的計(jì)算公式如下：

(4)

(5)

其中P為采樣點(diǎn)數(shù)，R為半徑，p為采樣點(diǎn)的編號(hào),gp為相鄰點(diǎn)的像素值，gc為中心點(diǎn)的像素值，s(x)為大小比較函數(shù)。

為了提高檢索的精確度，本文提出了塊間LBP的概念，塊間LBP是將每一個(gè)局部塊看作傳統(tǒng)LBP中的一個(gè)像素，以局部塊的DCT系數(shù)的平均值作為該局部塊的代表，然后計(jì)算LBP，塊間LBP的計(jì)算過(guò)程如圖2所示。首先計(jì)算出中心塊及其相鄰8個(gè)塊的系數(shù)平均值，以系數(shù)平均值作為該塊的代表，將相鄰各塊的系數(shù)平均值與中間塊的系數(shù)平均值進(jìn)行比較，大(或者相等)于中間塊的記為1，小的記為0，這樣可以得到二值圖。然后從中心塊的左上角的塊開始按順時(shí)針?lè)较驋呙璧玫蕉M(jìn)制串10001111，將二進(jìn)制串轉(zhuǎn)換為十進(jìn)制數(shù)就得到了塊間LBP，塊間LBP=1+16+32+64+128=241，所以圖2的中心系數(shù)塊的塊間LBP值為241。

圖2 塊間LBP計(jì)算方法圖

塊間LBP主要用于描述圖像局部紋理特征，將圖像分塊DCT變換后，依次計(jì)算圖像的每一個(gè)局部塊的塊間LBP并進(jìn)行統(tǒng)計(jì)，可以得到包含圖像的部分空間紋理信息的塊間LBP特征直方圖。

根據(jù)以上特征的計(jì)算公式和定義可知，在加密前后，彩色圖像的每個(gè)顏色通道的局部塊的顏色矩、信息熵等特征均保持不變[18]。由于對(duì)彩色圖像的B通道的DCT系數(shù)只進(jìn)行塊內(nèi)加密，塊間相對(duì)位置不變。因此B通道的塊間LBP保持不變。將這些加密前后保持不變的特征分別進(jìn)行統(tǒng)計(jì)得到顏色矩直方圖(均值直方圖、方差直方圖)、信息熵直方圖以及塊間LBP直方圖，最后將這些直方圖分別歸一化就得到了圖像的特征向量。

1.2 加密圖像特征之間的距離計(jì)算

通過(guò)計(jì)算查詢圖像的特征向量與加密圖像特征向量庫(kù)之間的曼哈頓距離來(lái)確定圖像之間的相似度[19]，特征之間的距離越小，圖像就越相似。圖像特征的重要性通過(guò)賦予特征距離不同的權(quán)重來(lái)確定，最后返回與查詢圖像的總距離最短的圖像。

設(shè)顏色矩之間的距離表示為Dc(Q,R)，信息熵之間的距離表示為De(Q,R)，塊間LBP特征之間的距離表示為Dt(Q,R)，將其分別計(jì)算出來(lái)之后，再分別賦上不同的權(quán)重，即可得到圖像特征之間的總距離，以S(Q,R)表示，如式(6)-式(9)所示:

S(Q,R)=α×Dc(Q,R)+β×De(Q,R)+γ×Dt(Q,R)

(6)

(7)

(8)

(9)

其中，Q、R分別代表查詢圖像和數(shù)據(jù)庫(kù)中的圖像的特征向量，Qck、Rck分別代表查詢圖像和數(shù)據(jù)庫(kù)圖像的顏色矩歸一化直方圖，Qek、Rek分別代表查詢圖像和數(shù)據(jù)庫(kù)圖像的信息熵歸一化直方圖，Qtk、Rtk分別代表查詢圖像和數(shù)據(jù)庫(kù)圖像的塊間LBP歸一化直方圖，m、n、p分別代表特征向量的維數(shù)。

2 實(shí)驗(yàn)結(jié)果及分析

本文從圖像檢索的安全性、檢索準(zhǔn)確性和有效性方面進(jìn)行實(shí)驗(yàn)以及對(duì)比分析[20]。圖像安全性通過(guò)加密前后圖像的視覺(jué)效果對(duì)比、PSNR及密碼安全性進(jìn)行評(píng)價(jià)，圖像檢索的準(zhǔn)確性和有效性可以通過(guò)查準(zhǔn)率-查全率曲線(Precision-Recall曲線,P-R曲線)進(jìn)行評(píng)價(jià)[21]。

實(shí)驗(yàn)的運(yùn)行環(huán)境為：Intel(R) Core(TM) i3 CPU @ 3.07 GHz,6.00 GB RAM(5.87 GB 可用)，Windows 7( 64位)旗艦版操作系統(tǒng)；程序運(yùn)行環(huán)境為：MATLAB R2013b。

2.1 安全性

(1) 視覺(jué)安全性

本文應(yīng)用峰值信噪比PSNR來(lái)評(píng)價(jià)加密圖像的安全性，PSNR值越大表示失真度越?。环粗?，PSNR越小表示加密造成的失真度越大，圖像的視覺(jué)安全性就越高[22]，PSNR計(jì)算公式如下：

(10)

(11)

其中，I為原始圖像，K為加密圖像，m、n為圖像尺寸(高度和寬度)，MSE為原始圖像和加密圖像的均方誤差。

從數(shù)據(jù)庫(kù)中隨機(jī)選了2幅圖像，其視覺(jué)效果以及PSNR值如圖3所示?？梢钥闯?，使用本文采用的加密方法對(duì)圖像進(jìn)行加密，加密圖像的PSNR值較低，且無(wú)法從加密圖像中獲取任何有用信息[23]，因此本文提出的加密方法能保證圖像的視覺(jué)安全性。

圖3 加密圖像視覺(jué)效果

從圖像數(shù)據(jù)庫(kù)10類圖像中分別隨機(jī)選取2幅圖像共20幅圖像進(jìn)行加密實(shí)驗(yàn)，加密圖像質(zhì)量表如表1所示。由表1可知，絕大部分的圖像加密后的PSNR值都在10以下，加密效果較好。

表1 加密圖像質(zhì)量表

(2) 密碼安全性

本文采用隨機(jī)置亂加密方法在變換域?qū)D像進(jìn)行加密，圖像DCT變換后對(duì)顏色空間的R、G二通道DCT系數(shù)的每個(gè)8×8的塊分別先后進(jìn)行塊間和塊內(nèi)置亂加密，對(duì)B通道僅進(jìn)行塊內(nèi)置亂加密。為了保證圖像的機(jī)密性，若每次加密使用相同的隨機(jī)置亂矩陣則不能有效防御已知明文攻擊KPA(Known PlainText Attack)。所以在每次加密時(shí)隨機(jī)生成新的置亂矩陣，以達(dá)到防御KPA的目的。對(duì)于Corel數(shù)據(jù)庫(kù)圖像來(lái)說(shuō)，要加密一幅圖像，本文提出的加密方法需要生成1536×3個(gè)尺寸為8×8的隨機(jī)矩陣和2個(gè)尺寸為48×32的隨機(jī)矩陣作為加密矩陣；反之，如果要完全解密一幅圖像就需要解密這些隨機(jī)矩陣，窮舉的代價(jià)是(64的階乘)的(1536×3)次方×(1536的階乘)的平方，密鑰空間很大，在有限時(shí)間內(nèi)不能被窮舉，可知從窮舉和KPA角度來(lái)看，該密碼算法是安全的。

2.2 檢索的準(zhǔn)確性和有效性

查準(zhǔn)率和查全率是信息檢索效率評(píng)價(jià)的兩個(gè)定量指標(biāo)，不僅可以用來(lái)評(píng)價(jià)每次檢索的準(zhǔn)確性和全面性，也是在圖像檢索系統(tǒng)評(píng)價(jià)中衡量系統(tǒng)檢索性能的重要方面[24]，查全率用R表示，查準(zhǔn)率用P表示，定義如下：

(12)

(13)

其中，N表示檢索出的相關(guān)圖像數(shù)，M表示圖像數(shù)據(jù)庫(kù)中的相關(guān)圖像數(shù)，S表示檢索出的圖像總數(shù)。

本文提出的方法在Corel數(shù)據(jù)庫(kù)上進(jìn)行實(shí)驗(yàn)，Corel圖像數(shù)據(jù)庫(kù)總共有1000幅圖像，根據(jù)圖像的內(nèi)容分成10類。文獻(xiàn)[6]中采用10%的圖像作為查詢圖像，本文采用相同的檢索條件，從數(shù)據(jù)庫(kù)中選取10%的圖像作為查詢圖像，計(jì)算其與數(shù)據(jù)庫(kù)中的所有圖像的特征向量之間的距離，然后計(jì)算平均P-R曲線。將本文提出的方法與文獻(xiàn)[6-8]中提出方法在同等條件下得到的實(shí)驗(yàn)結(jié)果進(jìn)行比較，P-R曲線的對(duì)比結(jié)果如圖4所示。

圖4 幾種方法的平均P-R曲線對(duì)比圖

從圖4中可以看出，本文提出的方法得到的平均檢索準(zhǔn)確度比Wu等[6]提出的3種方法和Karthik等[7]提出的透明隱私保護(hù)哈希方法以及Hsu等[8]提出的基于尺度不變特征變換的同態(tài)加密方法要好。本文提出的方法在顏色矩和信息熵等特征的基礎(chǔ)上加入了塊間LBP特征，既保留了圖像的統(tǒng)計(jì)信息又保留了圖像的部分空間信息，因此檢索精確性較好。

將本方法的明文檢索和密文檢索的平均P-R曲線進(jìn)行對(duì)比，對(duì)比結(jié)果如圖5所示。

圖5 明文檢索和密文檢索的P-R曲線對(duì)比圖

從圖5可以看出，本方法明文檢索和密文檢索的平均P-R曲線基本重合，證明本文所提出的方法適用于加密域的圖像安全檢索。

3 結(jié) 語(yǔ)

本文提出了一種加密域圖像安全檢索方法，在變換域?qū)D像進(jìn)行置亂加密，變換域冗余信息較少，因此安全性較好；采用在加密前后保持不變的特征進(jìn)行檢索，例如顏色矩、信息熵等圖像統(tǒng)計(jì)信息，在此基礎(chǔ)上聯(lián)合采用了塊間LBP特征，保留了部分圖像的空間信息，進(jìn)一步提高了檢索精確度。但是在圖像加密方面，計(jì)算復(fù)雜度較大。下一步的研究方向在于繼續(xù)提高檢索精確度、降低計(jì)算復(fù)雜度，同時(shí)進(jìn)一步提高方案的安全性。

[1] 苗新宇.面向人口信息系統(tǒng)的云計(jì)算中隱私保護(hù)技術(shù)研究[D].北京郵電大學(xué),2012.

[2] Song D X,Wagner D,Perrig A.Practical Techniques for Searches on Encrypted Data[C]//IEEE Computer Society,2000:44.

[3] Dan B,Crescenzo G D,Ostrovsky R,et al.Public Key Encryption with Keyword Search[M].Advances in Cryptology-EUROCRYPT 2004.Springer Berlin Heidelberg,2004:506-522.

[4] Swaminathan A,Mao Y,Su G M,et al.Confidentiality-Preserving Rank-Ordered Search[C]//The 2007 ACM Workshop on Storage Security and Survivability (StorageSS 2007),ACM,New York,2007:7-12.

[5] 黃祥林,沈蘭蓀.基于內(nèi)容的圖像檢索技術(shù)研究[J].電子學(xué)報(bào),2002,30(7):1065-1071.

[6] Wu M,Swaminathan A,Varna A L,et al.Secure image retrieval through feature protection[C]//Acoustics,Speech,and Signal Processing,IEEE International Conference on. IEEE,2009:1533-1536.

[7] Karthik K,Kashyap S.Transparent hashing in the encrypted domain for privacy preserving image retrieval[J].Signal Image & Video Processing,2013,7(4):647-664.

[8] Hsu C Y,Lu C S,Pei S C.Image Feature Extraction In Encrypted Domain With Privacy-Preserving Sift[J].IEEE Trans Image Process,2012,21(11):4593-4607.

[9] 朱遠(yuǎn)毅,董道國(guó),金城.一種基于多特征簽名的圖像檢索系統(tǒng)[J].計(jì)算機(jī)應(yīng)用與軟件,2011,28(7):82-85.

[10] 沈?qū)W東.顏色特征在圖像檢索中的應(yīng)用研究[J].計(jì)算機(jī)應(yīng)用與軟件,2007,24(11):156-158,221.

[11] Wang X,Han T X,Yan S.An HOG-LBP human detector with partial occlusion handling[C]//Computer Vision,2009 IEEE 12th International Conference on. IEEE,2009:32-39.

[12] 錢文飛.云存儲(chǔ)環(huán)境下的可搜索加密技術(shù)研究[D].北京郵電大學(xué),2014.

[13] 周東堯,伍岳慶,姚宇.基于全局特征和尺度不變特征轉(zhuǎn)換特征融合的醫(yī)學(xué)圖像檢索[J].計(jì)算機(jī)應(yīng)用,2015,35(4):1097-1100.

[14] 付尚樸,李方軍,黃杰.RGB圖像小波閾值去噪[J].教學(xué)與科技,2014(2):6-8.

[15] 楊杰.視頻圖像中的煙霧檢測(cè)方法研究[D].西南交通大學(xué),2011.

[16] 朱桂英,張瑞林.信息熵在圖像處理中的應(yīng)用[J].絲綢,2006,13(12):34-36.

[17] 劉東霞.基于小波分析和局部二值模式的掌紋識(shí)別方法[D].北京交通大學(xué),2014.

[18] 關(guān)增達(dá),程立,朱廷劭.基于平移不變核的異構(gòu)遷移學(xué)習(xí)[J].中國(guó)科學(xué)院大學(xué)學(xué)報(bào),2015,32(1):121-126.

[19] 汪昀.海量人臉圖像快速檢索方法研究與實(shí)現(xiàn)[D].中國(guó)科學(xué)技術(shù)大學(xué),2014.

[20] 朱玉濱.基于SIFT的圖像檢索技術(shù)研究[D].吉林大學(xué),2014.

[21] 董衛(wèi)軍,周明全,耿國(guó)華.基于綜合特征圖像檢索技術(shù)研究[J].計(jì)算機(jī)應(yīng)用與軟件,2005,22(11):34-35.

[22] 王瑋,黃浩,謝長(zhǎng)生,等.基于視頻內(nèi)容關(guān)聯(lián)密鑰加密算法[J].北京航空航天大學(xué)學(xué)報(bào),2015,41(1):117-123.

[23] 管麗娜.基于SPIHT的圖像聯(lián)合壓縮加密算法研究[D].海南大學(xué),2014.

[24] Davis J,Goadrich M.The relationship between Precision-Recall and ROC curves[C]//Proceedings of the 23rd international conference on Machine learning.ACM,2006:233-240.

A SECURE IMAGE RETRIEVAL METHOD UNDER CLOUD ENVIRONMENT

Han Wei Xu Yanyan*Feng Chunhui Xiong Lizhi Xu Zhengquan

(StateKeyLabofInformationEngineeringinSurveying,Mapping,andRemoteSensing,WuhanUniversity,Wuhan430079,Hubei,China)

In order to protect data privacy, the image with sensitive or private information needs to be encrypted before being uploaded to cloud server. However, this causes difficulties in image retrieval. In this paper we propose a secure image retrieval method under the cloud environment. It carries out intra-block scrambling and inter-block scrambling on DCT (discrete cosine transform) coefficients of R and G channels in image colour space separately, and makes intra-block scrambling encryption on B channel; and then it extracts the colour moment, the entropy of information and the inter-block LBP (local binary patterns) as image’s feature vectors, and determines the similarity of images through comparing Manhattan distance between these feature vectors. The proposed method ensures both the image confidentiality and retrieval accuracy, and is able to achieve secure image retrieval.

Cloud environment Secure image retrieval Colour moment Information entropy LBP

2015-07-07。國(guó)家自然科學(xué)基金項(xiàng)目(41571426)；國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目子課題(2011CB302204-5)。韓威，碩士，主研領(lǐng)域：多媒體信息處理。徐彥彥，教授。馮春暉，博士。熊禮治，博士。徐正全，教授。

TP391.41

A

10.3969/j.issn.1000-386x.2016.11.029