□饒俊慧，李 瓊，陳多瑜

（玉林師范學(xué)院 電子與通信工程學(xué)院，廣西 玉林 537000）

基于Gabor紋理特征和可逆水印的圖像檢索算法

□饒俊慧，李 瓊，陳多瑜

（玉林師范學(xué)院 電子與通信工程學(xué)院，廣西 玉林 537000）

Gabor紋理特征具有良好的檢索性能因而被廣泛應(yīng)用于圖像檢索系統(tǒng)，但特征的提取計(jì)算量大，不能滿足實(shí)時(shí)檢索的要求.針對(duì)這種情況，新算法利用基于差值直方圖平移的可逆水印算法，將圖像的Gabor紋理特征作為水印信息嵌入到原始圖像中，圖像檢索時(shí)通過(guò)提取水印圖像中的水印信息來(lái)恢復(fù)特征值進(jìn)行檢索.實(shí)驗(yàn)結(jié)果表明，此算法降低了圖像檢索時(shí)Gabor紋理特征的計(jì)算復(fù)雜度，滿足了圖像檢索的實(shí)時(shí)性要求.

Gabor紋理特征；圖像檢索；直方圖平移；可逆水印

1 引言

基于內(nèi)容的圖像檢索（Content-Based Information Retrieval, CBIR）技術(shù)能幫助用戶快速準(zhǔn)確的對(duì)感興趣的圖像進(jìn)行管理和檢索.CBIR是使用圖像的特征（如顏色、紋理和形狀等）對(duì)圖像進(jìn)行檢索，其中圖像特征的提取由計(jì)算機(jī)自動(dòng)完成，避免了人工描述的主觀性.紋理是自然圖像的一個(gè)重要特征，也是CBIR中經(jīng)常采用的一類(lèi)特征.通常定義為圖像的某種局部特征，或是對(duì)局部區(qū)域中像素之間關(guān)系的一種度量，表現(xiàn)為像素點(diǎn)鄰域內(nèi)灰度級(jí)或者顏色的某種變化[1].紋理分析中的頻譜法借助于頻率特性來(lái)描述圖像的紋理特征，并結(jié)合了人類(lèi)視覺(jué)機(jī)理，可以對(duì)圖像進(jìn)行更精確的紋理描述，是常用的紋理分析方法[2].頻譜法包括Gabor變換[3]、塔式小波變換[4，5]、樹(shù)式小波變換[6]等方法.

Manjunath和Ma[3]實(shí)驗(yàn)指出，利用Gabor紋理特征進(jìn)行圖像檢索的性能優(yōu)于塔式小波變換、樹(shù)式小波變換和多分辨率自回歸紋理模型，Gabor紋理特征能很好的在時(shí)域和頻域中兼顧對(duì)信號(hào)分析的分辨率要求，提供了最佳的檢索精度.Gabor小波變換因其突出的局域特性和多尺度特性成為了最常用的圖像紋理特征提取方法，在紋理分析和圖像識(shí)別、圖像檢索等方面得到廣泛應(yīng)用[7-11].但是Gabor紋理特征提取的缺點(diǎn)是計(jì)算量大，不能滿足海量圖像檢索系統(tǒng)的實(shí)時(shí)性要求[2，12].

本文研究將Gabor紋理特征和可逆水印相結(jié)合，將圖像的Gabor紋理特征作為可逆水印嵌入在圖像中，在圖像檢索時(shí)只需提取出水印信息恢復(fù)圖像特征而無(wú)需進(jìn)行重新計(jì)算，降低了計(jì)算復(fù)雜度.文章給出了實(shí)驗(yàn)結(jié)果，并對(duì)結(jié)果作出了分析.

2 Gabor紋理特征

Gabor紋理特征提取是通過(guò)一組自相似的Gabor濾波器來(lái)提取圖像不同尺度和方向上的紋理信息實(shí)現(xiàn)的[3].對(duì)于給定的圖像I(x,y)，大小為P×Q，其Gabor小波變換定義為：

其中x1,y1是Gabor濾波器的模板大小，gmn(x,y)是對(duì)Gabor母小波g(x,y)進(jìn)行尺度擴(kuò)張和旋轉(zhuǎn)變換后得到的一組濾波器，*表示復(fù)數(shù)共軛.母小波表示為：

其中W為調(diào)制頻率.則濾波器組為：

圖像的Gabor紋理特征向量G就由Gabor小波變換后圖像幅值的均值和標(biāo)準(zhǔn)差組成，根據(jù)式(4)求得均值和標(biāo)準(zhǔn)差，給定了方向數(shù)K和尺度數(shù)S后，Gabor紋理特征向量由式(5)給出，實(shí)驗(yàn)中設(shè)定S=4，K=6[3].

3 用于圖像檢索的可逆水印算法

圖1 水印嵌入框圖Fig.1 Block diagram of watermarking embedding

圖2 水印提取和圖像恢復(fù)框圖Fig.2 Block diagram of watermarking extraction and image restoration

基于像素差值直方圖平移的可逆水印算法是通過(guò)對(duì)載體圖像求取像素差值，然后對(duì)差值直方圖進(jìn)行平移操作實(shí)現(xiàn)可逆水印的嵌入[13，14].文獻(xiàn)[13]進(jìn)行像素差值直方圖平移時(shí)固定了差值的峰值點(diǎn)為0，文獻(xiàn)[14]則需要額外傳送峰值、零值點(diǎn)，這在圖像檢索中對(duì)海量數(shù)據(jù)進(jìn)行操作的場(chǎng)合，水印的性能不能保證達(dá)到最優(yōu)，傳送額外信息的開(kāi)銷(xiāo)太大.本文提出一種可用于圖像檢索的基于像素差值直方圖平移的盲可逆水印算法，彌補(bǔ)了[13]和[14]的缺陷.圖1和圖2分別是水印嵌入、水印提取和圖像恢復(fù)框圖.

3.1 水印嵌入算法

3.1.1 提取Gabor紋理特征向量

按照1節(jié)所描述的方法求取圖像的Gabor紋理特征向量作為水印信息嵌入在圖像中，設(shè)置參數(shù)S=4，K=6，Ul=0.05，Uh=0.4，求得4個(gè)尺度，6個(gè)方向上的48維Gabor紋理特征向量(24維均值向量和24維標(biāo)準(zhǔn)差向量)，用G表示此特征向量信息.

3.1.2 直方圖修改

當(dāng)使用基于差值的直方圖平移算法時(shí)，所生成水印圖像的部分像素可能會(huì)產(chǎn)生溢出，從而影響水印提取、圖像恢復(fù)的結(jié)果.為了避免像素溢出對(duì)算法性能的影響，需對(duì)原始圖像進(jìn)行預(yù)處理，因?yàn)槠揭飘a(chǎn)生的差值改變最大為1，所以只需對(duì)像素值為0和255的像素進(jìn)行處理即可.通過(guò)式(6)對(duì)圖像進(jìn)行直方圖修改：

式中，I_ori表示原始圖像像素值，I是直方圖修改后的圖像像素值.用B表示被修改了的像素值的原始信息.

3.1.3 圖像劃分

將直方圖修改后圖像I分成兩個(gè)部分I1和I2，圖像一I1利用最低有效位(LSB)替換法嵌入圖像的Gabor紋理特征向量和圖像二差值直方圖的峰值/零值點(diǎn)，其中Gabor紋理特征向量用于圖像檢索，而峰值/零值點(diǎn)用于圖像的恢復(fù).圖像二I2則利用差值直方圖平移技術(shù)嵌入圖像一原始的LSB和直方圖修改信息B.文中的圖像劃分是在滿足嵌入容量的前提下采用簡(jiǎn)單的上下劃分.

3.1.4 嵌入水印

(1)生成差值：將圖像二I2改寫(xiě)成一維信號(hào){I2(i)1≤i≤s2,i∈Z}，根據(jù)式(7)生成差值，其中s2表示圖像二像素值個(gè)數(shù).

根據(jù)差值D(i)的直方圖確定峰值/零值點(diǎn)，分別記為P和Z.

(2)水印一嵌入：記圖像一的最低有效位(LSB)為L(zhǎng)，將G、P和Z組合替換L，實(shí)現(xiàn)圖像一的水印嵌入并生成水印圖像I'1.

(3)水印二嵌入：將L和B組合作為水印，對(duì)差值D(i)利用式(8)進(jìn)行水印嵌入：

其中w表示對(duì)應(yīng)的水印比特信息.按式(9)根據(jù)水印差值D'(i)生成水印圖像I'2.

(4)生成水印圖像：將圖像一水印圖像I'1和圖像二水印圖像I'2組合生成水印圖像I'.

3.2 水印提取和圖像恢復(fù)算法

3.2.1 圖像劃分

將圖像按水印嵌入過(guò)程中相同的方式作圖像劃分，用I_ori，In，I'n，分別表示原始圖像，直方圖修改后圖像以及水印圖像，n=1,2對(duì)應(yīng)圖像一和圖像二，D'2表示水印圖像的差值，D2表示水印提取后恢復(fù)出的差值.

3.2.2 圖像一水印提取

提取水印圖像一的最低有效位(LSB)，得到圖像的Gabor紋理特征向量信息D和圖像二差值直方圖的峰值/零值點(diǎn)P和Z.

3.2.3 圖像二水印提取和圖像恢復(fù)

(1)令I(lǐng)2(s2)=I'2(s2)，i=s2-1.

(2)生成差值：已知水印圖像像素值I'2(i)和已恢復(fù)的I'2(i+1)，根據(jù)式(10)生成差值D'2(i).

(3)提取水印和恢復(fù)差值：根據(jù)圖像二差值的峰值/零值點(diǎn)P和Z和D'2(i)，由式(11)提取出嵌入的水印w2(i)，并由式(12)恢復(fù)差值D'2(i).

(4)像素值恢復(fù)：由差值D2(i)和已恢復(fù)的I2(i+1)，根據(jù)式(13)恢復(fù)當(dāng)前像素I2(i).

(5)令i=i-1，循環(huán)執(zhí)行2～5，直至全部恢復(fù)圖像二像素.

3.2.4 圖像恢復(fù)

(1)圖像一恢復(fù)：從圖像二提取的水印w2中得到圖像一原始LSB信息L，恢復(fù)圖像一I1.

(2)直方圖修改的恢復(fù)：從水印w2中得到直方圖修改信息B，根據(jù)I1，I2和B進(jìn)行直方圖修改逆操作，得到無(wú)失真原始圖像I_ori.

4 圖像檢索系統(tǒng)

圖像檢索系統(tǒng)如圖3所示，包括圖像入庫(kù)、圖像檢索和圖像恢復(fù).

圖3 圖像檢索系統(tǒng)Fig.3 Image retrieval system

圖像入庫(kù)過(guò)程中，計(jì)算原始圖像的Gabor紋理特征并按照可逆水印算法將水印信息嵌入圖像得到含水印圖像，并將水印圖像入庫(kù)；圖像檢索時(shí)，提取檢索庫(kù)中圖像的水印信息恢復(fù)特征值并與查詢圖像的特征進(jìn)行匹配，得到相應(yīng)的檢索結(jié)果，匹配算法通過(guò)計(jì)算查詢圖像和數(shù)據(jù)庫(kù)中圖像Gabor特征向量之間的歐氏距離并對(duì)距離按從小到大排序?qū)崿F(xiàn)；若需要對(duì)檢索出來(lái)的結(jié)果圖像進(jìn)行后續(xù)的傳輸、處理等，則利用可逆水印的圖像恢復(fù)算法對(duì)數(shù)據(jù)庫(kù)中的水印圖像進(jìn)行恢復(fù)得到原始圖像.

基于可逆水印的圖像檢索方案無(wú)需索引庫(kù)、特征數(shù)據(jù)庫(kù)等，節(jié)約了系統(tǒng)的存儲(chǔ)空間，而且可以無(wú)失真的恢復(fù)原始圖像，不會(huì)影響圖像的使用.

圖像檢索界面如圖4所示，檢索界面左半部分選擇檢索基準(zhǔn)圖像，右半部分按相似性分頁(yè)顯示檢索結(jié)果，每頁(yè)顯示9幅圖像.

圖4 圖像檢索界面及部分檢索結(jié)果Fig.4 The system interface and some retrieve results

5 實(shí)驗(yàn)結(jié)果和分析

實(shí)驗(yàn)中圖像包括標(biāo)準(zhǔn)測(cè)試圖像和Corel圖像庫(kù)的圖像，其中標(biāo)準(zhǔn)測(cè)試圖像4幅，大小為256×256，Corel圖像庫(kù)中圖像共1000幅，包括10類(lèi)（花、車(chē)、大象、恐龍、馬等），每類(lèi)100幅圖像，大小為256× 384或384×256.

5.1 實(shí)時(shí)性實(shí)驗(yàn)

對(duì)直接提取紋理特征的時(shí)間和從水印圖像中提取水印以恢復(fù)紋理特征的用時(shí)進(jìn)行比較，測(cè)試圖像一部分包括標(biāo)準(zhǔn)測(cè)試圖像Lena、Baboon、Peppers和Boat，另一部分則從圖像庫(kù)中每類(lèi)圖像任取一幅共10幅圖像，測(cè)試結(jié)果如表1所示.

表1 特征提取時(shí)間（秒）Table 1 Time of feature extraction (seconds)

由表1可知：1）直接提取特征的時(shí)間和圖像大小有很大關(guān)系，圖像越大，提取特征時(shí)間越長(zhǎng).大小為256×256的標(biāo)準(zhǔn)測(cè)試圖像特征提取時(shí)間在6.7s左右，而大小為256×384或384×256的數(shù)據(jù)庫(kù)圖像特征提取時(shí)間在10s左右，相差超過(guò)3s；2）提取水印恢復(fù)特征的時(shí)間和圖像大小沒(méi)有太大關(guān)系，基本都在0.06s左右；3）提取水印恢復(fù)特征所花的時(shí)間遠(yuǎn)遠(yuǎn)小于直接提取特征的時(shí)間，僅僅是后者的1/160.

本文任取一幅圖像作為檢索的圖像，對(duì)數(shù)據(jù)庫(kù)中圖像通過(guò)直接提取特征然后進(jìn)行匹配返回檢索結(jié)果耗時(shí)9741s，而通過(guò)對(duì)圖像提取水印恢復(fù)特征再進(jìn)行匹配返回檢索結(jié)果僅耗時(shí)63s.顯然，在對(duì)海量的圖像庫(kù)進(jìn)行圖像檢索的場(chǎng)合，利用水印的圖像檢索方法能大大減少檢索的時(shí)間，完全能滿足圖像檢索的實(shí)時(shí)性要求.

5.2 不可見(jiàn)性實(shí)驗(yàn)

圖5(a)為數(shù)據(jù)庫(kù)中任選的一幅圖像，圖5(b)為利用本文算法得到的水印圖像，其峰值信噪比(PSNR)為51.66dB，從視覺(jué)上看，水印圖像和原始圖像感覺(jué)不出差異.表2給出了10類(lèi)測(cè)試圖像的水印圖像PSNR結(jié)果.從表中可以看出，所有圖像的PSNR值均超過(guò)51dB，水印的不可見(jiàn)性很好.

圖5 水印不可見(jiàn)性Fig.5 Invisibility of watermarking

表2 水印圖像PSNR值Table 2 PSNR of watermarked images

5.3 可逆水印性能實(shí)驗(yàn)

實(shí)驗(yàn)中將本文提出的可逆水印算法和文獻(xiàn)[13]的算法(EL=0)的性能進(jìn)行比較，文獻(xiàn)[13]利用固定的峰值對(duì)像素差值直方圖進(jìn)行平移操作進(jìn)行水印信息的嵌入，而本文算法是自適應(yīng)選取圖像的最優(yōu)峰值、零值點(diǎn)進(jìn)行嵌入，在嵌入容量上比文獻(xiàn)[13]有所提高.圖6給出了檢索數(shù)據(jù)庫(kù)中10類(lèi)圖像的平均嵌入容量比較.

5.4 檢索性能實(shí)驗(yàn)

對(duì)每類(lèi)圖像任意選取10幅圖像，計(jì)算其與數(shù)據(jù)庫(kù)中所有圖像的相似性，并按相似性排序返回檢索圖像.本文采用平均查準(zhǔn)率(Precision)來(lái)評(píng)價(jià)圖像檢索性能，查準(zhǔn)率Precision=A/(A+B)，其中A為檢索系統(tǒng)返回的圖像中相關(guān)圖像的數(shù)目，B為檢索系統(tǒng)返回的圖像中不相關(guān)圖像的數(shù)目.如果返回圖像和測(cè)試圖像屬于同一類(lèi)，則認(rèn)為返回的是相關(guān)圖像，反之是不相關(guān)的，統(tǒng)計(jì)平均查準(zhǔn)率結(jié)果如表3所示，表中分別是系統(tǒng)返回15、30、45和60幅圖像的平均查準(zhǔn)率.由上表可知，返回圖像數(shù)目越少，檢索的準(zhǔn)確性越高；對(duì)于類(lèi)別特征比較明顯的圖像類(lèi)，檢索效果比較顯著，如車(chē)、恐龍、花；而對(duì)于內(nèi)容比較復(fù)雜的圖像類(lèi)，檢索效果相對(duì)要差一些.而因?yàn)椴捎玫臋z索依據(jù)是圖像的Gabor紋理特征，所以本文算法保持了Gabor紋理特征本身的檢索性能.

圖6 算法的性能比較Fig.6 Comparison of the algorithms

表3 平均查準(zhǔn)率Table 3 The average precision

6 結(jié)論

通過(guò)將Gabor紋理特征嵌入在圖像中，無(wú)需特征數(shù)據(jù)庫(kù)并縮減了檢索時(shí)計(jì)算特征的時(shí)間，滿足了圖像檢索的實(shí)時(shí)性要求，而且沒(méi)有影響特征自身的檢索性能；采用盲可逆水印算法，通過(guò)自適應(yīng)選取峰值、零值點(diǎn)實(shí)現(xiàn)水印嵌入，性能有所改善；水印不可見(jiàn)性好，不會(huì)影響圖像的視覺(jué)效果并對(duì)圖像的傳輸、處理沒(méi)有影響. ■

[1]施智平，胡宏，李清勇等. 基于紋理譜描述子的圖像檢索[J]. 軟件學(xué)報(bào)，2005，16(6)：1039 - 1045.

[2]孟繁杰，郭寶龍. CBIR 關(guān)鍵技術(shù)研究[J]. 計(jì)算機(jī)應(yīng)用研究， 2004，21(7)：21 - 24.

[3]Manjunath B S, Ma W Y. Texture features for browsing and retrieval of image data[J]. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 1996, 18(8): 837-842.

[4]Daubechies I. The wavelet transform, time-frequency localization and signal analysis[J]. Information Theory, IEEE Transactions on, 1990, 36(5): 961-1005.

[5]Xavier L, Thusnavis B M I, Newton D R W. Content based image retrieval using textural features based on pyramidstructure wavelet transform[C]//Electronics Computer Technology (ICECT), 2011 3rd International Conference on. IEEE, 2011, 4: 79-83.

[6]Chang T, Kuo C C J. Texture analysis and classification with tree-structured wavelet transform[J]. Image Processing, IEEE Transactions on, 1993, 2(4): 429-441.

[7]Singh S M, Hemachandran K. Content-Based Image Retrieval using Color Moment and Gabor Texture Feature[J]. International Journal of Computer Science Issues (IJCSI), 2012, 9(5): 299-309.

[8]Riaz F, Hassan A, Rehman S, et al. Texture classification using rotation-and scale-invariant Gabor texture features[J]. IEEE signal processing letters, 2013, 20(6): 607-610.

[9]Riaz F, Silva F B, Ribeiro M D, et al. Invariant gabor texture descriptors for classification of gastroenterology images[J]. Biomedical Engineering, IEEE Transactions on, 2012, 59(10): 2893-2904.

[10]Yang M, Zhang L, Shiu S C K, et al. Gabor feature based robust representation and classification for face recognition with Gabor occlusion dictionary[J]. Pattern Recognition, 2013, 46(7): 1865-1878.

[11]丁志起，趙暉. 結(jié)合差圖像和 Gabor 小波的人臉表情識(shí)別[J]. 計(jì)算機(jī)應(yīng)用與軟件，2011，28(4)：47-49.

[12]萬(wàn)華林，Chowdhury M U，胡宏等. 圖像紋理特征及其在 CBIR 中的應(yīng)用[J]. 計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2003，15(2)：195-199.

[13]Tai W L, Yeh C M, Chang C C. Reversible data hiding based on histogram modification of pixel differences [J]. Circuits and Systems for Video Technology, IEEE Transactions on, 2009, 19(6): 906-910.

[14]Zhao Z, Luo H, Lu Z M, et al. Reversible data hiding based on multilevel histogram modification and sequential recovery [J]. AEU-International Journal of Electronics and Communications, 2011, 65(10): 814-826.

【責(zé)任編輯 謝明俊】

Image Retrieval Algorithm Based on the Gabor Texture Features and Reversible Watermarking

RAO Jun-hui, LI Qiong, CHEN Duo-yu
( School of Computer Science and Engineering, Yulin Normal University, Yulin, Guangxi 537000)

Gabor texture features are widely used on image retrieval because of the good performance, but the extraction of features has large amount of computation, and can’t meet the requirement of real-time retrieval. In view of this, the paper proposed a new method for image retrieval based on reversible watermarking. This algorithm firstly extracts the images Gabor texture features, then the features are embedded as watermarking into the original image using the reversible watermarking scheme based on histogram shifting, and the features will be restored by extracting the watermark for image retrieval. The experimental results show that this method reduces the computational complexity of the feature extraction, satisfied the real-time requirements of image retrieval.

Gabor texture features; image retrieval; histogram shifting; reversible watermarking

TP391.41

A

1004-4671（2015）05-0097-08

2015-06-11

廣西高?？茖W(xué)技術(shù)研究項(xiàng)目（編號(hào)：2013YB192），玉林師范學(xué)院研究項(xiàng)目（編號(hào)：2012YJQN25）。

饒俊慧（1982～），女，安徽宣城人，碩士，玉林師范學(xué)院 電子與通信工程學(xué)院講師，研究方向：圖像處理，數(shù)字水印。