CN102903082B - 一种基于开关中值滤波的加密图像去噪方法 - Google Patents

Abstract

本发明公开一种基于开关中值滤波的加密图像去噪方法，属于多媒体信息安全和图像处理领域。涉及图像拥有方，图像去噪方和图像接收方，图像拥有方拥有一幅有噪声的图像，希望通过图像去噪方进行去噪处理后传送给图像接收方，但由于图像拥有方不信任图像去噪方，于是进行加密后将掩盖了图像内容的加密图像传给图像去噪方进行处理。首先利用一种特定的图像加密方法对图像进行加密，由于加密图像的特殊性，使用未遍历的开关中值滤波进行去噪处理：先对图像分块，找到每一块的均值，标准差和中值；然后根据标准差获得门限确定噪声点；最后用中值代替噪声点的像素值。本发明不仅有效地实现了图像去噪，还保护了图像的信息安全。

Description

一种基于开关中值滤波的加密图像去噪方法

技术领域

本发明涉及多媒体信息安全和图像处理领域，特别涉及一种加密域噪声图像数据的去噪方法。

背景技术

加密技术是通过某种变换操作将明文图像转变成不可理解的密文图像的技术，广泛应用于诸如诊疗图像、刑侦图表和军事图像的保密传输和存储等场合。目前已有多种图像加密技术，如像素置乱技术、基于秘密分割和秘密共享的图像加密技术、基于现代密码学体制的图像加密技术等。本发明采用像素置乱技术。像素置乱技术根据密钥将图像像素点的位置伪随机置乱，以达到隐藏图像内容的目的。由于置乱操作极大的破坏了像素间的相关性，因此通过这种方式加密后的图像，将呈现出雪花点效果，使得图像内容对无密钥的第三方不可理解。

中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个窗口的中值代替，并按顺序滑动窗口，从而平滑图像，消除孤立的噪声点。但是，几乎每个点的像素值都发生了变化，效果不是很好。而且如果图像含有椒盐噪声，中值滤波的去噪效果就会更不理想。

为实现更好的去噪效果，可选用开关中值滤波方案。该方案可使得去噪后图像的效果更好。开关中值滤波分为两个步骤，首先根据给定的门限检测像素点是否为噪声点，如果是噪声点则采用普通中值滤波，如果不是噪声点则不作处理。传统的开关中值滤波的输出Y′_i，j为:

$Y_{i,j}^{\′}=\left\{\begin{array}{c}{m}_{i,j}|m_{i,j}-X_{i,j}|>\mathrm{Threshold}\\ X_{i,j},\mathrm{otherwise}\end{array}\right.$

其中，m_i,j为窗口内像素值的中间值。可以看出，每个窗口的门限是固定的，这对于像素值相差比较大的图像来说效果不是很理想。所以，近年来提出了很多对于开关中值滤波的改进方法。

发明内容

有鉴于此，本发明所要解决的技术问题是在保护图像信息安全，保障图像内容不被泄漏的前提下，提供一种在加密图像的处理领域对加密图像进行有效去噪的的方法。图像拥有方拥有一幅有噪声的图像，希望通过图像处理方进行去噪处理后传送给图像接收方，但由于图像拥有方不信任图像处理方，于是进行加密后将掩盖了图像内容的加密图像传给图像处理方进行处理。这个时候，图像去噪方处理的就是加密图像。最后，图像接收方接收到处理完的加密图像和图像拥有方给予的解密密钥还原出已去噪的图像。

本发明的目的是这样实现的：

本发明提供的基于开关中值滤波的加密图像去噪方法，包括以下步骤：

S1：图像拥有方对图像进行分块和置乱加密，将加密图像传给图像去噪方；

S2：图像去噪方对加密后图像进行同样地分块操作；

S3：每一分块根据像素点的值计算分块的均值，再计算出标准差；

S4：根据每一分块的均值和标准差计算门限值；

S5：根据门限值设定噪声区间，获得噪声点；

S6：获得每一分块内所有像素点的中间值；

S7：噪声点的像素值由中间值取代；

S8：图像接收方根据图像拥有方给予的密钥对处理后的图像解密。

进一步，图像的加密，具体包括以下步骤：

S11：图像拥有方对图像进行互不重叠的分块；

S12：依次置乱每一分块的位置；

S13：依次置乱每一分块内像素点的位置。

进一步，所述步骤S2中图像去噪方对加密后图像的操作是将图像分成与S11中同样大小的块。

进一步，所述步骤S3中的均值及标准差按以下式计算：

${\mathrm{\μ}}_k=\frac{{\mathrm{\Σ}}_{I_{k,j\∈B_k}}{I}_{k,j}}{s\×s},$

${\mathrm{\σ}}_k=\sqrt{\frac{1}{s^2}{\mathrm{\Σ}}_{I_{i,j\∈B_k}}{(I_{k,j}-{\mathrm{\μ}}_k)}^2},$

式中，s为加密时每一分块的长和宽，j为分块内像素点的个数，k为分块的个数，B_k为每一分块，I_k,j为每一分块内像素点的值。

进一步，所述步骤S4中门限值是根据标准差计算的，具体通过以下公式计算：

T_k＝μ_k±ω·σ_k，

式中，参数ω∈[1,2]，是标准差的权值。

进一步，所述步骤S5中噪声点的检测，满足以下公式：

$\left\{\begin{array}{c}{I}_{k,j}\&Element;A,I_{k,j}>{\mathrm{\&mu;}}_k-\mathrm{\&omega;}\&times;{\mathrm{\&sigma;}}_k\left|\right|I_{k,j}<{\mathrm{\&mu;}}_k+\mathrm{\&omega;}\&times;{\mathrm{\&sigma;}}_k\\ I_{k,j}\&Element;B,{\mathrm{\&mu;}}_k-\mathrm{\&omega;}\&times;{\mathrm{\&sigma;}}_k\&le;I_{k,j}\&le;{\mathrm{\&mu;}}_k+\mathrm{\&omega;}\&times;{\mathrm{\&sigma;}}_k\end{array}\right.,$

其中，A为噪声集合，B为非噪声集合。

进一步，所述步骤S6中中间值的确定，是将每一分块内所有的像素点的值按大小排序取中间值得出的。

进一步，所述步骤S7中噪声点像素值的取代，具体如下式：

I_k,j＝med_k，I_k,j∈A，

式中，med_k为每一分块的中间值。

进一步，所述步骤S8中图像接收方的解密操作，具体包括以下步骤：

S81：根据密钥还原每一分块内像素点的位置；

S82：根据密钥还原每一分块的位置。

本发明的优点在于：在新的应用场景下，如在云计算这种去噪任务通常交由云端(第三方)进行处理的环境中，出于安全性考虑，数据拥有方可先对数据进行加密，再将这些加密数据交给第三方进行去噪。本发明保护了图像的信息安全，保障了图像内容不被泄露。采用图像分块置乱方法对原始图像进行加密，由于在置乱后图像分块仍保持有相关性的特点，使用分块内中值代替噪声点的方法就能达到去噪目的。本发明与传统的开关中值滤波不同的是门限值不是固定的，是自适应的，具有良好的图像去噪质量。将开关中值滤波应用在加密图像的去噪处理中，使得本发明分块内噪声点的检测更加正确，图像去噪后的质量更好。

本发明的其它优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其它优点可以通过下面的说明书，权利要求书，以及附图中所特别指出的结构来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

图1为本发明实施例提供的基于开关中值滤波的加密图像去噪方法系统总体框图；

图2为本发明实施例提供的图像加密的流程；

图3为本发明实施例提供的图像去噪的流程；

图4为本发明实施例提供的图像解密的流程；

图5为本发明实施例提供的原始Lena图像、加噪声、加密后和去噪解密后的图像。

具体实施方式

以下将结合附图，对本发明的优选实施例进行详细的描述；应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

图1为本发明实施例提供的基于开关中值滤波的加密图像去噪方法系统总体框图，如图所示：本发明的基于开关中值滤波的加密图像去噪方法的系统框图，由3个功能模块组成：(1)图像加密(图像拥有方实施)；(2)图像去噪(图像去噪方实施)；(3)图像解密(图像接收方实施)。

图2为本发明实施例提供的图像加密的流程，具体包括以下步骤：

S11：图像拥有方对图像进行互不重叠的分块；

S12：依次置乱每一分块的位置；

S13：依次置乱每一分块内像素点的位置。

下面详细描述图像的加密过程：

图像加密采用像素置乱方式加密，目的是进行图像去噪的一方无法知晓图像的具体内容。读取原始图像I，记其大小为N×N，将I划分成互不重叠的s×s的小分块，共可划分为N×N/(s×s)个分块。接着，根据密钥首先对分块的位置进行置乱，然后对每个块内的像素点的位置进行置乱，得到加密图像I_en。

图3为本发明实施例提供的图像去噪的流程，具体包括以下步骤：

S2：图像去噪方对加密后图像进行同样地分块操作；

所述S2中图像去噪方对加密后图像的操作是将图像分成与S11中同样大小的块。

S3：每一分块根据像素点的值计算分块的均值，再计算出标准差；

所述步骤S3中的均值及标准差计算，如下式：

${\mathrm{\&mu;}}_k=\frac{{\mathrm{\&Sigma;}}_{I_{k,j\&Element;B_k}}{I}_{k,j}}{s\&times;s},$

${\mathrm{\&sigma;}}_k=\sqrt{\frac{1}{s^2}{\mathrm{\&Sigma;}}_{I_{i,j\&Element;B_k}}{(I_{k,j}-{\mathrm{\&mu;}}_k)}^2},$

式中，s为加密时每一分块的长和宽，j为分块内像素点的个数，k为分块的个数，B_k为每一分块，I_k,j为每一分块内像素点的值。

S4：根据每一分块的均值和标准差计算门限值；

所述步骤S4中门限值是根据标准差计算的，如下式：

T_k＝μ_k±ω·σ_k，

式中，参数ω∈[1,2]，是标准差的权值。

S5：根据门限值设定噪声区间，获得噪声点；

所述步骤S5中噪声点的检测，如下式：

$\left\{\begin{array}{c}{I}_{k,j}\&Element;A,I_{k,j}>{\mathrm{\&mu;}}_k-\mathrm{\&omega;}\&times;{\mathrm{\&sigma;}}_k\left|\right|I_{k,j}<{\mathrm{\&mu;}}_k+\mathrm{\&omega;}\&times;{\mathrm{\&sigma;}}_k\\ I_{k,j}\&Element;B,{\mathrm{\&mu;}}_k-\mathrm{\&omega;}\&times;{\mathrm{\&sigma;}}_k\&le;I_{k,j}\&le;{\mathrm{\&mu;}}_k+\mathrm{\&omega;}\&times;{\mathrm{\&sigma;}}_k\end{array}\right.,$

其中，A为噪声集合，B为非噪声集合。

S6：获得每一分块内所有像素点的中间值；

所述步骤S6中中间值的确定，是将每一分块内所有的像素点的值按大小排序取中间值得出的。

S7：噪声点的像素值由中间值取代；

所述步骤S7中噪声点像素值的取代，如下式：

I_k,j＝med_k，I_k,j∈A，

式中，med_k为每一分块的中间值。

下面详细描述加密图像的去噪过程：

图像去噪是本发明至关重要的一步。图像去噪的一方在不知晓图像内容的情况下，对图像进行去噪。使用与加密过程相同的分块方式将加密图像I_en划分为大小为s×s的分块，记各分块分别为N²和s²分别是加密图像I_en和每个分块B_k的大小，k∈{1,2,…,N²/s²}。计算每一分块B_k的均值μ_k，标准差σ_k及中间值。接着通过标准差的值，计算每一分块的门限值，再根据门限值设定区间，检测每一分块内的像素点是否为噪声点，若为噪声点，则将该点的像素值由中间值替代，对每一分块进行相同的操作即可完成图像去噪。

图4为本发明实施例提供的图像解密的流程，具体包括以下步骤：

S81：根据密钥还原每一分块内像素点的位置；

S82：根据密钥还原每一分块的位置。

下面详细描述图像解密过程：

图像接收方在接收到前述去噪后的加密图像后，可根据密钥对其进行解密，得到还原图像。将去噪后的图像划分成互不重叠的s×s的小分块，根据密钥首先还原每一分块内像素点的位置，接着还原每一分块的位置。

下面是本发明提供的关于基于开关中值滤波的加密图像去噪方法的一个具体实施例：

取大小为512×512的Lena图像，即N＝512，取s＝4。加入椒盐噪声，噪声比例p＝1％，2％，…，10％，将噪声图像分成4×4的互不重叠的小块,按前述步骤利用加密密钥对图像进行分块置乱加密。加噪声及加密前后图像的视觉效果如图5所示。

然后进行去噪处理，将加密图像分成4×4的互不重叠的小块，取ω＝1.7(按经验选取)，此时门限值T_k＝u_k±1.7×σ_k，然后再按照前述步骤对含有噪声的加密图像进行去噪处理。

最后，按照前述步骤对图像进行解密，得到最终的去噪图像。去噪后的解密图像视觉效果如图5所示。

使用图像Lena测试去噪图像的性能，如表1所示。需要说明的是，表中漏检概率是未检测出的噪声点个数与总像素点个数的比值，虚警概率是被当做噪声点检测出的非噪声点个数与总像素点个数的比值，表示开关中值滤波中检测噪声点的质量；表中PSNR值是去噪后的解密图像与未加噪声的原始图像的峰值信噪比，表示去噪后解密图像的质量，计算表达式如下：

$\mathrm{PSNR}=10\&CenterDot;{\log }_{10}\frac{{255}^2}{\mathrm{MSE}}$

其中，MSE是未加噪声的原始图像与去噪后的解密图像之间的均方误差。

表1 Lena图像的去噪性能

表1显示了Lena图像的去噪之后的性能，本发明方法具有较好的图像去噪质量。可以看出，随着椒盐噪声比例p的增大，图像噪声点的漏检概率增大，虚警概率减小，去噪之后图像的质量适当下降。这是由于随着图像含有噪声数量的增加，检测出噪声点的能力适当减小导致的。但最终去噪后的图像PSNR值维持在30dB左右，图像视觉效果良好，表示去噪效果良好，达到本发明的要求。

下面对整个系统方案进行验证：

图5是原始Lena图像，加入椒盐噪声的图像，加密噪声图像，和去噪后解密图像的对比图。从图中可以看出，加入椒盐噪声的图像含有很多噪点，图像质量受到了很大的影响。加密后的噪声图像的图像内容被完全掩盖，呈现雪花点效果，看不出图像内容，这大大提高了图像的安全性，保护了图像拥有方的隐私。去噪并且解密之后的图像去除了绝大部分的噪声，视觉效果良好。

以上所述仅为本发明的优选实施例，并不用于限制本发明，显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种基于开关中值滤波的加密图像去噪方法，其特征在于包括以下步骤：

S1：图像拥有方对图像进行分块，划分成互不重叠的分块，原始图像尺寸为N×N，N代表图像的长和宽，单位为像素，分块尺寸为s×s，s代表分块的长和宽，单位为像素，分块的数量为(N×N)/(s×s)个，然后对图像进行置乱加密，将加密图像传给图像去噪方；

S2：图像去噪方对加密图像采取和图像拥有方相同的分块操作，划分成互不重叠的分块，加密图像尺寸为N×N，N代表图像的长和宽，单位为像素，分块尺寸为s×s，s代表分块的长和宽，单位为像素，分块的数量为(N×N)/(s×s)个；

S3：每一分块根据像素点的值计算分块的均值，再计算出标准差；

S4：根据每一分块的均值和标准差计算门限值；

S5：根据门限值设定噪声区间，获得噪声点；

S6：获得每一分块内所有像素点的中间值；

S7：噪声点的像素值由中间值取代；

S8：图像接收方根据图像拥有方给予的密钥对处理后的图像解密。

2.根据权利要求1所述的一种基于开关中值滤波的加密图像去噪方法，其特征在于：所述S1中的图像加密方法如下：

S11：图像拥有方对图像进行互不重叠的分块；

S12：依次置乱每一分块的位置；

S13：依次置乱每一分块内像素点的位置。

3.根据权利要求1所述的一种基于开关中值滤波的加密图像去噪方法，其特征在于：所述步骤S3中的均值及标准差计算，如下式：

${\mathrm{\&mu;}}_k=\frac{{\mathrm{\&Sigma;}}_{I_{k,j}\&Element;B_k}{I}_{k,j}}{s\&times;s},$

${\mathrm{\&sigma;}}_k=\sqrt{\frac{1}{s^2}{\mathrm{\&Sigma;}}_{I_{k,j}\&Element;B_k}{(I_{k,j}-{\mathrm{\&mu;}}_k)}^2},$

式中，s为加密时每一分块的长和宽，j为分块内像素点的个数，k为分块的个数，B_k为每一分块，I_k,j为每一分块内像素点的值。

4.根据权利要求1所述的一种基于开关中值滤波的加密图像去噪方法，其特征在于：所述步骤S4中门限值是根据标准差计算的，如下式：

T_k＝μ_k±ω·σ_k

公式中，k为分块的个数，参数μ_k和σ_k是分块的均值和标准差，参数ω∈[1,2]，是标准差的权值。

5.根据权利要求1所述的一种基于开关中值滤波的加密图像去噪方法，其特征在于：所述步骤S5中噪声点的获得，如下式：

$\left\{\begin{array}{c}{I}_{k,j}\&Element;A,I_{k,j}>{\mathrm{\&mu;}}_k-\mathrm{\&omega;}\&times;{\mathrm{\&sigma;}}_k\left|\right|I_{k,j}<{\mathrm{\&mu;}}_k+\mathrm{\&omega;}\&times;{\mathrm{\&sigma;}}_k\\ I_{k,j}\&Element;B,{\mathrm{\&mu;}}_k-\mathrm{\&omega;}\&times;{\mathrm{\&sigma;}}_k\&le;I_{k,j}\&le;{\mathrm{\&mu;}}_k+\mathrm{\&omega;}\&times;{\mathrm{\&sigma;}}_k\end{array}\right.,$

其中，A为噪声集合，B为非噪声集合，参数μ_k和σ_k是分块均值和标准差，参数ω∈[1,2]，是标准差的权值,j为分块内像素点的个数，k为分块的个数，I_k,j为每一分块内像素点的值。

6.根据权利要求1所述的一种基于开关中值滤波的加密图像去噪方法，其特征在于：所述步骤S6中中间值的确定，是将每一分块内所有的像素点的值按大小排序取中间值得出的。

7.根据权利要求1所述的一种基于开关中值滤波的加密图像去噪方法，其特征在于：所述步骤S7中噪声点像素值的取代，如下式：

I_k,j＝med_k，I_k,j∈A，

式中，med_k为每一分块内所有像素点的中间值，j为分块内像素点的个数，k为分块的个数,I_k,j为每一分块内像素点的值，A为噪声集合。

8.根据权利要求1所述的一种基于开关中值滤波的加密图像去噪方法，其特征在于：所述步骤S8中图像接收方的解密操作如下：

S81：根据密钥还原每一分块内像素点的位置；

S82：根据密钥还原每一分块的位置。