CN105956992A - 基于视觉意义加密图像的显著性区域保护方法 - Google Patents

Abstract

本发明涉及一种基于视觉意义加密图像的显著性区域保护方法，其特征在于：首先通过图像底层特征来提取显著性区域，再利用混沌加密技术和光学加密技术结合或者其一设计合适的加密方案对所提取的显著性区域进行预处理；最后任意选取一幅自然图像作为参照图像，将预加密后的图像变换成具有视觉意义的加密图像。本发明能够对图像的关键数据进行有效保护。

Description

基于视觉意义加密图像的显著性区域保护方法

技术领域

本发明涉及一种基于视觉意义加密图像的显著性区域保护方法，属于多媒体技术领域，具体属于数字图像处理和信息安全交叉领域。采用这种方案，对图像的关键数据进行有效保护。

背景技术

随着计算机和通讯技术的迅速发展，各类基于互联网的多媒体技术得到了空前发展。用户可以通过移动设备将所拍摄到的图像传输到网络上。然而随着网络技术的快速发展和普及，图像传输和访问已暴露出相关的安全问题。如何在开放的网络中对图像数据进行安全传输成为迫切需要解决的问题。密码技术是保护数字图像信息安全最直接也是最基本的方法，进而图像加密成为目前研究的重要课题之一。越来越多的基于光学或混沌理论的图像加密方案被提出，也可分为两类：完全加密和选择性加密。前者主要集中在对整个图像数据进行加密处理，而后者只涉及在图像的最有意义的部分。完全加密通过对整个图像数据进行加密处理，起到安全保障作用，需要花费很高的计算代价。为了减少计算时间和资源消耗而同时保持数字图像的极高安全性，选择合适的待加密部分是至关重要的。选择的过程本身会消耗一定的资源，因此不恰当的选择可能导致过高的资源消耗甚至跟完全加密消耗的一样。

近年来，涌现了一类吸引人的加密算法，即特征加密算法，主要包含特征提取和特征加密两部分。特征加密算法作为一类选择加密算法，能够做到在减少了计算复杂地同时保持了图像的安全性。现有的特征加密算法通过边缘提取或者图像分割的方式来提取边缘信息再实现边缘加密。如，张玉书等人2013年在光学与激光技术期刊54期发表的论文“基于混沌的可逆隐藏变换和多阶离散分数余弦变换的边缘加密算法”，该文献提出一种基于边缘检测的选择加密方案，其基本思想是利用Prewitt边缘检测方法或者图像分割的方法挑出一些含有边缘信息较多的块，然后借助一些常用的加密技术对其做加密处理。这种选择加密思想非常新颖，它借助了图像处理中的Prewitt边缘检测方法或者图像分割的方法，实现了图像处理与图像加密的融合，为图像处理的具体应用拓展了一个新的平台。这些特征加密算法只考虑边缘信息，没有涉及图像关键信息。然而，视觉注意是人类视觉系统(HVS)的一个重要特征。

从视觉场景中选择相关区域，同时获得相对重要的视觉信息，这些重要的信息称为显著性区域，是人眼认知过程。当人观察一幅自然场景时，往往关注地是重要区域同时忽略那些不重要的区域。这种选择注意将会处理显著性区域而不是整个区域。因此，加密这些显着的区域是更有意义。此外，现有的加密算法都是将原始图像转化成类似纹理的图像或者噪声的图像，这种加密图像很容易从普通图像中区分开来。而一个具有类似纹理或者噪声特征的图像必然会引起攻击者的关注，因此容易导致信息的泄露和损失。

鉴于现有的特征加密算法不能对图像显著性区域进行有效保护，以及加密图像容易被攻击者攻击，本发明提出一种基于视觉意义加密图像的显著性区域保护方法。

发明内容

为了让图像在传输的过程中不受到攻击，如关键的区域被篡改或者伪造，能够在对图像的关键数据进行有效保护，本发明提出一种具有视觉意义加密图像的显著性区域保护方法。

本发明所述的视觉意义加密图像的显著性区域保护方法的技术思路如下：通过特征描述法或者统计分析方法提取图像的底层特征，如颜色特征、纹理特征、空间关系、形状特征等，进一步研究图像性质和图像特征，构建显著性区域提取模型以得到显著性区域。利用混沌加密技术和光学加密技术结合或者其一设计合适的加密方案对显著性区域进行预处理；再任意选取自然图像作为参照图像将预加密后的图像变换成具有视觉意义的加密图像。其中深度加密中选择的变换可以是离散小波变换，离散余弦变换等、参照图像可以是任何具有视觉意义的自然图像。

本发明的技术效果：首先通过图像底层特征来提取显著性区域，再利用混沌加密技术和光学加密技术结合或者其一设计合适的加密方案对所提取的显著性区域进行预处理；最后任意选取一幅自然图像作为参照图像，将预加密后的图像变换成具有视觉意义的加密图像。本发明能够对图像的关键数据进行有效保护。

附图说明

图1是本发明的流程示意图；

图2是本发明对图像显著性区域提取的效果图；

图3是根据本发明将所提取的显著性区域加密成具有视觉意义的图像；

图4水平、垂直、对角线相邻像素的相关性：(a)(c)(e)显著性区域；(b)(d)(f)对应的加密区域。

具体实施方式

下面结合附图和实施例，对本发明的技术方案做进一步的详细描述。

如图1所示,一种基于视觉意义加密图像的显著性区域保护方法,其步骤如下:

步骤1预处理阶段，计算原始图像的底层特征,底层特征主要包括颜色特征、亮度特征、形状特征、纹理特征等。颜色特征描述方法主要有颜色直方图法、颜色相关图法、颜色一致性矢量法、颜色矩法等；纹理特征提取的方法有结构分析方法、统计分析方法、模型分析法(如随机场模型、分形模型等)、频谱分析法；形状特征提取方法有：集合特征法(如实心率、偏心率、不规则度等)、统计特征的描述法(如粗糙度、均值、方差等)、边缘特征法、几何度量参数(如曲率等)、变换域特征法(如傅立叶描述子、小波变换)等。

步骤2建模阶段，根据原始图像底层特征信息，构建显著区域提取模型以得到显著性特征区域；通过对底层特征数据进行分析处理，构建有效的特征融合算法，以便提取显著性区域。分析原始图像底层特征数据可以采用模糊集理论、粗糙集理论(RST)、人工神经网络、支持向量机(SVM)；

步骤3加密阶段，通过设计加密算法，对所提取的显著性区域进行保护。加密包括预加密和深度加密。预加密算法是指利用混沌加密技术和光学加密技术结合或者其一设计合适的加密方案对显著性区域进行预处理；深度加密是指选择参照图像将预加密后的图像变换成具有视觉意义的加密图像。混沌加密技术是通过混沌映射产生密钥流对感兴趣区域进行扩散和混乱操作；深度加密中选择的变换可以是离散小波变换，离散余弦变换等。

实施例1：本发明所提及的显著区域可以是压缩域中得到的，也可以是非压缩域得到的。如图1所示，首先提取图像的显著性区域，根据人类视觉感知底层特征的特性，提取图像的底层特征，比如颜色、纹理、亮度、形状特征等，利用图像处理技术方法，构建特征融合算法以得到显著性特征区域。下面以在压缩域中提取显著性区域方法为例，对于原始图像：图2(a)、图2(b)，图2(c)，首先计算DCT块之间特征差异其中k＝1,2,3表示亮度和颜色特征，Ω^k＝{I,C_rg,C_by}；然后算块i与块j之间的纹理差异其中4表示纹理特征，T_i和T_j，表示关于块i和j的纹理向量，||·||是L₂范数；再计算压缩域中的特征图其中来描述由DCT块i第k个特征计算得到的显著值，σ是高斯模型的参数，d_ij是DCT块之间的欧氏距离；最后采用相关归一化融合算法，将这四个特征图融合成最终的显著图S,S＝∑γ_θN_(θ)+β∏N_(θ)，从而得到最终的显著性区域，其中N是归一化算子，θ∈{S^k},k∈{1,2,3,4}，γ_θ和β是各部分的权重，如图2(d)-(f)所示。

如图2(g)-(i)所示，在显著性区域提取之后，需要对该区域进行加密处理，预加密采用的混沌加密，也就是一个对图像的像素值和位置进行改变的过程，即P＝F(S,K_p)，其中S表示显著性区域，P是预加密后的图像，F,K_p分别表示变换函数和安全密钥密。当然也可以采用光学加密技术，或者混沌和光学结合加密方案。再任意选取一幅自然图像作为参照图像，进一步将加密后的图像变换成具有视觉意义的加密图像，即E＝T(P,K_t,R)，其中R是任选的自然图像，T可以为离散小波变换、离散正弦变换、离散余弦，K_t是该变换的参数，变换不限于这几种。

对算法的统计性分析。图3显示地是一幅人脸图像中显著性区域加密前后的直方图，(a)-(c)自左向右：原始图像、显著性区域、加密后的视觉图像；(d)和(e)分别是关于显著性区域加密前后的直方图。从图3(d)和(e)可以清楚地看到，加密前后该区域对应的直方图是发生了变化。此外，由于在明文图像中该区域相邻像素之间存在很强的相关性，而一个有效的加密算法能够使得这些相邻像素之间的相关性变低。为此，我们从图3(b)和(c)两幅图像的水平、垂直、对角线周围分别随机选取3000对相邻像素，利用以下公式：

$r_{xy}=\frac{\mathrm{cov}(x,y)}{\sqrt{D\left(x\right)}\sqrt{D\left(y\right)}}.$

把这三个方向上像素对的相关系数r_xy计算出来。从表1数据结果显示，明文图像显著性区域中水平、垂直、对角线上相邻像素对的相关系数较相应的密文块有所降低。

表1相邻像素的相关系数

图4显示地分别为明文图像显著性区域中水平、垂直、对角线上像素对之间的相关性,如图4(a)、(c)、(e)；其密文图像对应的相关性如图4(b)、(d)、(f)。

Claims (8)

1.一种基于视觉意义加密图像的显著性区域保护方法，其特征包含以下步骤：

步骤1预处理阶段，计算原始图像的底层特征。

步骤2建模阶段，根据原始图像的底层特征信息，构建显著区域提取模型以得到显著性区域；

步骤3加密阶段，通过设计加密算法，对所提取的显著性区域进行保护。

2.根据权利要求1所述的基于视觉意义加密图像的显著性区域保护方法，其特征在于，原始图像的底层特征包括颜色特征、亮度特征、形状特征、纹理特征。

3.根据权利要求2所述的基于视觉意义加密图像的显著性区域保护方法，其特征在于：颜色特征描述方法包括有颜色直方图法、颜色相关图法、颜色一致性矢量法、颜色矩法；纹理特征提取的方法包括结构分析方法、统计分析方法、模型分析法、频谱分析法；形状特征提取方法包括集合特征法、统计特征的描述法、边缘特征法、几何度量参数、变换域特征法。

4.根据权利要求1、2和3所述的基于视觉意义加密图像的显著性区域保护方法，其特征在于：所述构建显著区域提取模型包括：通过对底层特征数据进行分析处理，构建有效的特征融合算法，以便提取显著性区域。

5.根据权利要求4所述的基于视觉意义加密图像的显著性区域保护方法，其特征在于：分析底层特征数据采用模糊集理论、粗糙集理论、人工神经网络或支持向量机。

6.根据权利要求1所述的基于视觉意义加密图像的显著性区域保护算法，其特征在于：加密包括预加密和深度加密。

7.根据权利要求6所述的基于视觉意义加密图像的显著性区域保护算法，其特征在于：预加密算法是指利用混沌加密技术和光学加密技术结合或者其一设计合适的加密方案对显著性区域进行预处理；深度加密是指选择参照图像将预加密后的图像变换成具有视觉意义的加密图像。

8.根据权利要求8所述的基于视觉意义加密图像的显著性区域保护算法，其特征在于：混沌加密技术是通过混沌映射产生密钥流对感兴趣区域进行扩散和混乱操作；深度加密中选择的变换是离散小波变换或离散余弦变换。