《模擬視覺系統信息處理機制的生物啟發式圖像哈希研究》是依託天津大學，由李岳楠擔任項目負責人的面上項目。
基本介紹
- 中文名：模擬視覺系統信息處理機制的生物啟發式圖像哈希研究
- 項目類別：面上項目
- 項目負責人：李岳楠
- 依託單位：天津大學
項目摘要,結題摘要,
項目摘要
魯棒哈希函式是一類從圖像等媒體信息到其內容摘要的單向映射，具有魯棒性、區分性和摘要性等特點。由於能高度簡潔地描述媒體感知內容，魯棒哈希函式近年已成為解決媒體內容認證、搜尋和廣播監控等問題的支撐技術，可破解由開放式媒體發布環境所引發的著作權管理難題。魯棒哈希函式的目標是模擬感知系統對視聽信息的摘要能力。為此，本項目通過對視覺系統中基本感知單元的生物學特性進行計算模擬來研究圖像魯棒哈希函式的構造問題，研究內容圍繞特徵提取和特徵映射兩個核心問題展開。為使魯棒哈希函式具備類似於視覺系統的自主特徵學習能力，項目以視神經元所採取的稀疏編碼策略為主線，分別構建模擬其稀疏性、選擇性、互異性和層次化結構的計算模型，通過求解模型模擬視神經元從外界刺激信號中抽取視覺特徵的機制。項目同時研究適用於所建模型的特徵映射算法，將模型生成的特徵映射為簡短哈希，在實現摘要化的同時保持特徵原有的性能優勢。
結題摘要
本項目以數據驅動方法為主要工具，從模擬視覺系統信息處理機制的角度研究魯棒哈希函式，涵蓋算法設計及理論分析。項目的主要研究內容如下：（1）基於神經網路的圖像哈希函式：利用網路權重模擬視皮層細胞的感受野特性，提出基於哈希統計特性的內容識別性能最佳化算法。針對著作權保護的安全性要求，提出基於神經網路結構隨機化的密鑰依賴哈希算法。同時，我們推導了隨機哈希熵的上下限，證明了神經網路的層次化結構可以降低哈希內容泄露風險。（2）基於層次化稀疏編碼和抗失真字典學習的圖像哈希函式：利用多層稀疏編碼模擬視神經的層次化信息處理方式，利用鄰近優先和互相關約束模擬視神經細胞的選擇性機制。針對各種約束項設計了相應的字典學習和稀疏編碼算法。為適應圖像的強局部相關性，設計了基於組稀疏編碼的圖像哈希函式。（3）基於時空神經網路的視頻哈希函式：利用條件受限玻爾茲曼機實現視頻時空特徵聯合提取，設計了針對時空特徵的編碼網路及哈希性能最佳化算法。（4）模擬聯想記憶機制的圖像哈希函式：以Hopfield網路作為聯想記憶的計算模型，藉助網路的異步更新過程恢復在內容失真中受損的圖像局部結構。（5）基於機率生成模型的圖像哈希函式及內容分析算法：利用專家乘積模型對像素塊的機率密度函式進行建模，以專家函式中的濾波器模擬視神經的感受野特性，通過對機率模型的參數估計實現圖像局部結構特徵的學習。（6）基於主體結構和顯著特徵分解的圖像哈希函式：分別利用低秩和稀疏約束提取圖像的穩定幾何結構和感興趣區域，通過對兩種分量的融合提高哈希函式的魯棒性和區分性。綜上所述，本項目研究的意義如下：在算法設計方面，我們面向魯棒哈希函式的特定需求設計了多種可模擬視覺系統特性的計算模型，解決了傳統手工設計算法在魯棒性和描述能力方面的局限性，所設計的哈希函式可用於解決內容分享網路的著作權管理問題；在理論分析方面，本項目揭示了神經網路等深層模型在哈希計算中的安全性優勢。
