Hachage d'image perceptuel robuste via des invariants matriciels

Dans cet article, nous suggérons de considérer les images (ainsi que les attaques sur celles-ci) comme une séquence d'opérateurs linéaires et proposons de nouveaux algorithmes de hachage utilisant des transformations basées sur des invariants matriciels. Pour dériver cette séquence, nous couvrons simplement une représentation bidimensionnelle d'une image par une séquence de rectangles R/sub i/ (possiblement chevauchants) dont les tailles et emplacements sont choisis de manière aléatoire/sup 1/ à partir d'une distribution appropriée. La restriction de l'image (représentation) à chaque R/sub i/ donne lieu à une matrice A/sub i/. Le fait que les A/sub i/ se chevauchent et sont aléatoires rend la séquence (respectivement) une représentation redondante et non standard des images, mais est crucial pour nos objectifs. Nos algorithmes construisent d'abord une image secondaire, dérivée de l'image d'entrée par extraction pseudo-aléatoire des caractéristiques qui capturent approximativement les caractéristiques géométriques semi-globales. À partir de l'image secondaire (qui ne ressemble pas perceptuellement à l'entrée), nous extrayons davantage les caractéristiques finales qui peuvent être utilisées comme valeur de hachage (et peuvent être quantifiées de manière appropriée). Dans cet article, nous utilisons des invariants matriciels spectraux tels qu'incarnés par la décomposition en valeurs singulières. Étonnamment, la formation de l'image secondaire s'avère assez importante car elle introduit non seulement une robustesse supplémentaire (c'est-à-dire une résistance contre les transformations standard de traitement du signal), mais améliore également les propriétés de sécurité (c'est-à-dire une résistance contre les attaques intentionnelles). En effet, nos expériences révèlent que nos algorithmes de hachage extraient la plupart des informations géométriques des images et sont donc robustes aux perturbations sévères (par exemple, jusqu'à 50 % de recadrage par surface avec des rotations de 20 degrés) sur les images tout en évitant la mauvaise classification. Nos méthodes sont suffisamment générales pour offrir un schéma d'intégration de filigrane, qui sera étudié dans un autre article.