遥感图像具有多时相、多语义、多波段等特点,鉴于敏感遥感图像涉及国家机密信息及传统图像搜索效率低下的原因,利用云平台进行遥感图像安全外包搜索已是大势所趋。因此提出了一种加密遥感图像的安全外包搜索方案,对存储在云平台的遥感图像进行扫描模式加密,再通过异或(XOR)运算和Johnson-Lindenstrauss (JL)转换得到一份双密文,JL转换的遥感图像用于在云平台进行搜索,XOR运算后的遥感图像用于图像解密。实验结果表明,本文方案可以有效保证云平台上遥感图像的安全性,同时,加密图像搜索的准确率高, 搜索效率较同态加密提升98.37%, 且计算复杂度低, 通信成本低, 适合于云计算平台部署应用。

提出一种基于最大间隔原理的半监督图像搜索重排序学习算法。所提算法在最大间隔原理框架下,首先利用超图正则化保持标注及未标注样本在原始空间中的局部近邻关系,增强算法的稳健性;其次,利用少量的标注样本构造优先关系对,将样本间先验的相关性等级信息引入目标函数中以更好地指导重排序模型的学习。在公开数据集MSRA-MM 1.0上的实验结果表明所提方法能更好地将符合用户需求的结果靠前优先呈现给用户,提高搜索的准确性。