[發(fā)明專利]一種遙感圖像的安全外包去噪方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710089139.1
• 申請(qǐng)日: 2017-02-20
• 公開(kāi)（公告）號(hào): CN106875362B
• 公開(kāi)（公告）日: 2020-04-10
• 發(fā)明（設(shè)計(jì)）人: 黃冬梅;魏立斐;戴亮;宋巍;石少華;王麗琳;吳國(guó)健
• 申請(qǐng)（專利權(quán)）人: 上海海洋大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 上海卓陽(yáng)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 31262
• 代理人: 金重慶

技術(shù)領(lǐng)域

本發(fā)明涉及圖像去噪技術(shù)領(lǐng)域，具體地說(shuō)，是一種遙感圖像的安全外包去噪方法。

背景技術(shù)

遙感圖像在獲取和傳輸過(guò)程中，受各種噪聲影響，使圖像的邊緣紋理等細(xì)節(jié)丟失，線條迷糊，從而導(dǎo)致圖像的質(zhì)量降低，增大了遙感圖像的分析與處理難度。為獲取清晰的、高質(zhì)量的遙感圖像必須對(duì)其進(jìn)行去噪或降噪的預(yù)處理。

隨著空天地立體化遙感技術(shù)的發(fā)展，遙感圖像數(shù)據(jù)呈爆炸式增長(zhǎng)，傳統(tǒng)的基于單機(jī)模式的遙感圖像處理暴露出許多問(wèn)題，如處理速度慢、并發(fā)性能差等。因而傳統(tǒng)遙感圖像處理模式已經(jīng)逐漸無(wú)法滿足用戶海量高精度遙感圖像處理的需求，所以迫切需要尋求一種新的高效的遙感圖像處理模式與處理方法。

云計(jì)算就是一種新的計(jì)算模式，它是一個(gè)典型的分布式、并行計(jì)算模型，該模型能夠大大縮短計(jì)算任務(wù)的執(zhí)行時(shí)間。隨著遙感圖像處理速度要求不斷地提高，遙感圖像處理越來(lái)越多地適合在分布式并行計(jì)算的云計(jì)算平臺(tái)上進(jìn)行。

由于云平臺(tái)本身的開(kāi)放性特點(diǎn)，為遙感圖像的安全帶來(lái)新威脅，無(wú)法保證海洋遙感影像的安全性。因此，為了保護(hù)數(shù)據(jù)的安全性，很有必要對(duì)于敏感數(shù)據(jù)進(jìn)行加密。

中國(guó)發(fā)明專利CN201510220372.X，公開(kāi)日為2016.12.07，公開(kāi)了一種結(jié)合非局部先驗(yàn)的復(fù)合正則化圖像去噪方法。但是該方法無(wú)法對(duì)圖像進(jìn)行加密及去噪。

因此，亟需一種能夠?qū)b感圖像加密并去噪的方法，既完成去噪又保證遙感圖像安全，而目前關(guān)于這種去噪方法還未見(jiàn)報(bào)道。

發(fā)明內(nèi)容

本發(fā)明的目的是針對(duì)現(xiàn)有技術(shù)中的不足，提供一種。

為實(shí)現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案是：

一種遙感圖像的安全外包去噪方法，所述去噪方法包括以下流程：

S1：遙感圖像拆分處理；

S2：遙感圖像隨機(jī)排列；

S3：遙感圖像Johnson–Lindenstrauss轉(zhuǎn)換；

S4：遙感圖像Paillier加密；

S5：遙感圖像去噪；

S6：遙感圖像Paillier解密；

S7：遙感圖像恢復(fù)排列；

S8：遙感圖像合并處理。

其中，所述的步驟S5中的遙感圖像去噪為遙感圖像非局部去噪，所述的步驟S1-S4、S6-S8在本地客戶端進(jìn)行，所述的步驟S5在云端進(jìn)行。

所述的步驟S1遙感圖像拆分處理中，其步驟為：讀取遙感圖像，設(shè)遙感圖像的長(zhǎng)為im_h，寬為im_w，波段數(shù)為im_band_number，按照波段將遙感圖像拆分為im_band_number個(gè)圖像，分別讀取各個(gè)波段的16位深的灰度值。

所述的步驟S2遙感圖像隨機(jī)排列中，選取一個(gè)波段的遙感圖像，對(duì)其進(jìn)行隨機(jī)排列，其步驟如下：

S21：生成一個(gè)長(zhǎng)度為im_h×im_w的隨機(jī)數(shù)序列，并記錄其索引順序?yàn)樗饕樞駻1；

S22：將這個(gè)隨機(jī)數(shù)序列按照從小到大的順序進(jìn)行排列，并記錄其索引順序?yàn)樗饕樞駻2；

S23：根據(jù)索引順序A1和索引順序A2，得到圖像置換數(shù)列和圖像恢復(fù)數(shù)列；

S24：對(duì)圖像進(jìn)行置換，其具體過(guò)程如下，

S241：利用S23的圖像進(jìn)行隨機(jī)排列的數(shù)列對(duì)遙感圖像進(jìn)行塊置換；

S242：圖像的16位深灰度值數(shù)組為im_array，獲取以im_array[m,n]為中心的d×d大小的矩陣塊，并將矩陣塊轉(zhuǎn)化為一行；

S243：將數(shù)組im_array中的所有點(diǎn)重復(fù)步驟S242，最終獲得一個(gè)新數(shù)組；

S244：利用圖像置換數(shù)列對(duì)S243中的新數(shù)組進(jìn)行行置換，再次得到新數(shù)組；

S245：對(duì)S244中的新數(shù)組，即完成行置換的數(shù)組，進(jìn)行變維操作，得到一個(gè)三維數(shù)組im_block_permutation_array，該數(shù)組的長(zhǎng)為im_h，寬為im_w，高為d²；

S25：利用圖像置換數(shù)列對(duì)遙感圖像進(jìn)行像素置換，得到一個(gè)二維數(shù)組im_pixel_permutation_array，該數(shù)組的長(zhǎng)為im_h，寬為im_w。

所述的步驟S3遙感圖像Johnson–Lindenstrauss轉(zhuǎn)換中，對(duì)完成塊置換的結(jié)果進(jìn)行Johnson–Lindenstrauss轉(zhuǎn)換，即將每一個(gè)1×d²的向量壓縮成一個(gè)1×k 的向量，得到一個(gè)三維數(shù)組im_JL_array，該數(shù)組的長(zhǎng)為im_h，寬為im_w，高為k，其步驟如下，

S31：隨機(jī)生成一個(gè)服從平均值為0，方差為1/k的高斯分布的d²×k的矩陣P；