技術(shù)特征：

1.支持所有權(quán)認證的客戶端圖像模糊去重方法，包括：

1)重復檢測步驟：

1a)客戶端讀入待去重的原始圖像W，并將W從RGB圖像轉(zhuǎn)化為灰度圖像，然后將灰度圖像尺寸縮小到64*64，對縮小后的圖像進行離散余弦變換，得到64*64的系數(shù)矩陣F；

1b)客戶端選取系數(shù)矩陣F左上角的前8行與前8列，得到8*8的低頻系數(shù)矩陣F’，然后將F’在位置(0,0)處的直流系數(shù)去掉，對其余的系數(shù)計算平均值A(chǔ)_F’，然后將F’的64個系數(shù)中大于等于A_F’的設(shè)為1，小于A_F’的設(shè)為0，生成64位的二進制感知哈希值，并將其設(shè)定為W的特征標簽p；

1c)客戶端分別計算原始圖像W的散列值τ和質(zhì)量值q，并將該散列值τ和特征標簽p以及質(zhì)量值q上傳至服務器，服務器收到τ和p后，在數(shù)據(jù)庫中檢索是否有與τ相同的散列值，若是，則對W執(zhí)行傳統(tǒng)的針對相同數(shù)據(jù)的去重流程；若否，則執(zhí)行步驟1d)；

1d)設(shè)相似度閾值t＝5，服務器分別計算原始圖像W的特征標簽p與服務器端所有的n個圖像的特征標簽之間的漢明距離，得到n個漢明距離，依次將這n個漢明距離與相似度閾值t進行比較，若這n個漢明距離都大于t，則認定服務器端不存在重復圖像；若在比較的過程中首次出現(xiàn)一個小于t的漢明距離d，則停止后續(xù)比較，且認定d對應的特征標簽p’是唯一的一個與p相似的特征標簽；

1e)服務器在數(shù)據(jù)庫中所有的n個圖像中找到特征標簽p’所對應的圖像，并將其設(shè)定為原始圖像W的相似圖像W’，重復檢測結(jié)束；

2)“所有權(quán)認證”步驟：

2a)服務器從輔助數(shù)據(jù)庫中隨機選定一個用于幫助服務器完成認證過程的輔助圖像W_aux，將該W_aux的編號發(fā)送給客戶端，分別讀入輔助圖像W_aux和相似圖像W’，獲取W’的尺寸值s’，并將W_aux的尺寸調(diào)整為s’；

2b)服務器設(shè)定圖像線性混合參數(shù)α＝0.5，通過線性混合算法由相似圖像W’和輔助圖像W_aux產(chǎn)生服務器端的混合圖像W’₂；

2c)服務器計算混合圖像W’₂的感知哈希值，并將該感知哈希值設(shè)定為驗證標簽v’；

2d)客戶端收到輔助圖像的編號后，從輔助數(shù)據(jù)庫中選定該編號對應的輔助圖像W_aux，分別讀入該輔助圖像W_aux與原始圖像W，并獲取W的尺寸值s，將W_aux的尺寸調(diào)整為s；

2e)客戶端設(shè)定圖像線性混合參數(shù)α＝0.5，通過線性混合算法由原始圖像W和輔助圖像W_aux產(chǎn)生客戶端的混合圖像W₂；

2f)客戶端計算混合圖像W2的感知哈希值，并將該感知哈希值設(shè)定為證據(jù)標簽v，將v上傳至服務器端；

2g)服務器收到證據(jù)標簽v后，計算證據(jù)標簽v與驗證標簽v’之間的漢明距離，判斷該漢明距離是否小于相似度閾值t，若是，則認證成功；若否，則認證失?。?/p>

3)質(zhì)量比較步驟：

3a)收到原始圖像W的質(zhì)量值q后，服務器從數(shù)據(jù)庫中存儲的n個圖像質(zhì)量值中找到特征標簽p’所對應的質(zhì)量值q’，比較q是否大于q’，若是，則認定原始圖像W的質(zhì)量比相似圖像W’的質(zhì)量差，執(zhí)行步驟3b)；若否，則認定原始圖像W的質(zhì)量比相似圖像W’的質(zhì)量好，執(zhí)行步驟3c)；

3b)服務器通知客戶端刪除原始圖像W，并將相似圖像W’的鏈接返回給客戶端；

3c)服務器請求客戶端上傳原始圖像W，并在收到W后刪除相似圖像W’，再將散列值τ、特征標簽p、質(zhì)量q和原始圖像W一起存儲在數(shù)據(jù)庫中，然后將W的鏈接返回給客戶端。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟1c)中客戶端計算原始圖像W的散列值τ，是從OpenSSL函數(shù)庫中調(diào)用散列函數(shù)SHA1，并將原始圖像W作為SHA1函數(shù)的輸入，運算得到散列值τ。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟1c)中客戶端計算原始圖像W的質(zhì)量值q，是從圖像質(zhì)量評價算法BQISQUE的開源網(wǎng)站上獲取該算法的程序，并將原始圖像W作為BQISQUE算法的輸入，運算得到質(zhì)量值q。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟1d)中服務器分別計算原始圖像W的特征標簽p與服務器端所有的n個圖像的特征標簽之間的漢明距離，是依次將特征標簽p與服務器端的n個特征標簽p'₁,...,p'_i,...,p'_n代入公式運算得到n個漢明距離值，其中p'_i表示第i個特征標簽，1≤i≤n，n表示服務器端的特征標簽的總數(shù)，d(p,p'_i)表示p和p'_i之間的漢明距離，p[j]表示p在第j位的二進制值，p'_i[j]表示p'_i在第j位的二進制值，1≤j≤m，m表示p、p'_i的二進制值的位數(shù)，m＝64。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟2b)中通過線性混合算法由相似圖像W’和輔助圖像W_aux產(chǎn)生服務器端的混合圖像W’₂，是通過下式計算得到：

W'₂＝αW'+(1-α)W_aux，

其中，α是指圖像線性混合參數(shù)，取值為α＝0.5。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟2c)中服務器計算混合圖像W’₂的感知哈希值，按如下步驟進行：

2c1)將混合圖像W’₂從RGB圖像轉(zhuǎn)化為灰度圖像，然后將灰度圖像尺寸縮小到64*64，對縮小后的圖像進行離散余弦變換，得到64*64的系數(shù)矩陣G；

2c2)選取系數(shù)矩陣G左上角的前8行與前8列，得到8*8的低頻系數(shù)矩陣G’，然后將G’在位置(0,0)處的直流系數(shù)去掉，對其余的系數(shù)計算平均值A(chǔ)_G’，并將G’的64個系數(shù)中大于等于A_G’的設(shè)為1，小于A_G’的設(shè)為0，生成64位的混合圖像W’₂的感知哈希值。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟2e)中通過線性混合算法由原始圖像W和輔助圖像W_aux產(chǎn)生客戶端的混合圖像W₂，是通過下式計算得到：

W₂＝αW+(1-α)W_aux，

其中，α是指圖像線性混合參數(shù)，取值為α＝0.5。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟2f)中客戶端計算混合圖像W₂的感知哈希值，按如下步驟進行：

2f1)將混合圖像W₂從RGB圖像轉(zhuǎn)化為灰度圖像，再將灰度圖像尺寸縮小到64*64，對縮小后的圖像進行離散余弦變換，得到64*64的系數(shù)矩陣H；

2f2)選取系數(shù)矩陣H左上角的前8行與前8列，得到8*8的低頻系數(shù)矩陣H’，再將H’在位置(0,0)處的直流系數(shù)去掉，對其余的系數(shù)計算平均值A(chǔ)_H’，并將H’的64個系數(shù)中大于等于A_H’的設(shè)為1，小于A_H’的設(shè)為0，生成64位的混合圖像W₂的感知哈希值。

9.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟2g)中計算證據(jù)標簽v與驗證標簽v’之間的漢明距離，是將v與v’代入公式運算得到漢明距離，其中d(v,v')表示v和v'之間的漢明距離，v[j]表示v在第j位的二進制值，v'[j]表示v'在第j位的二進制值，1≤j≤m，m表示v和v'的二進制值的位數(shù)，m＝64。