CN106056526B - 一种基于解析稀疏表示与压缩感知的图像加密算法 - Google Patents
一种基于解析稀疏表示与压缩感知的图像加密算法 Download PDFInfo
- Publication number
- CN106056526B CN106056526B CN201610356504.6A CN201610356504A CN106056526B CN 106056526 B CN106056526 B CN 106056526B CN 201610356504 A CN201610356504 A CN 201610356504A CN 106056526 B CN106056526 B CN 106056526B
- Authority
- CN
- China
- Prior art keywords
- image
- dictionary
- compressed sensing
- matrix
- encryption
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims abstract description 37
- 238000005259 measurement Methods 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 10
- 238000012804 iterative process Methods 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims 1
- 238000007906 compression Methods 0.000 abstract description 9
- 230000006835 compression Effects 0.000 abstract description 9
- 238000005070 sampling Methods 0.000 abstract description 8
- 238000013144 data compression Methods 0.000 abstract description 4
- 235000002566 Capsicum Nutrition 0.000 description 20
- 239000006002 Pepper Substances 0.000 description 18
- 241000722363 Piper Species 0.000 description 18
- 235000016761 Piper aduncum Nutrition 0.000 description 18
- 235000017804 Piper guineense Nutrition 0.000 description 18
- 235000008184 Piper nigrum Nutrition 0.000 description 18
- 238000010586 diagram Methods 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 241000758706 Piperaceae Species 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000000739 chaotic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Image Analysis (AREA)
Abstract
一种基于解析稀疏表示与压缩感知的图像加密算法,利用解析稀疏模型对原图像进行解析稀疏表示;然后利用压缩感知对解析稀疏系数进行压缩采样,最终得到加密图像。本发明在构造解析稀疏模型时采用的字典,采用logistic混沌进行原子位置置乱;压缩感知的测量矩阵是由logistic混沌生成的初始行循环得到的。本发明提高了稀疏表示对图像的表示性能,在进行解密时,能够更好的恢复得到原图像;将压缩感知应用于图像加密,使的图像加密和数据压缩能够同时进行;与将压缩感知中整个测量矩阵作为密钥的方法相比,本发明在具有高密钥敏感度的同时大大缩短了密钥的长度。本发明具有很高的安全性和数据压缩性能。
Description
技术领域
本发明图像处理技术领域,涉及一种图像加密算法。
背景技术
互联网的迅速普及已经成为信息时代的重要标志,任何人在任何时间、任何地点都可以通过网络发布任何信息。然而,在面对大量信息共享和方便得到的同时,也面临着大量数据被泄漏、篡改和假冒的事实。所以如何保证信息的安全已成为研究的关键问题。对于图像数据来说,这种加密技术就是把待传输的图像看作明文,通过各种加密算法(如DES,RSA等),在密钥的控制下,实现图像数据的加密,这种加密机制的设计思想是加密算法可以公开,通信的保密性完全依赖于密钥的保密性,即符合科克霍夫准则。目前,图像加密算法按加密思路主要分为以下几类:基于空间域的像素置乱、基于混沌的加密、基于变换域的加密、基于秘密分割与秘密共享的加密、基于神经网络和元胞自动机的加密、基于盲源分离的加密。其中基于变幻域的加密是将图像从空间域变换到变幻域,进而对变幻域的系数进行加密处理。图像的稀疏表示便是一种变换,将图像变换到稀疏域。
信号的稀疏表示大多采用综合稀疏模型(Synthesis Sparse Model),即在满足一定的近似条件下,用少量过完备字典中的原子的线性组合来表示信号。在综合稀疏模型中,信号由少数原子构成的子空间来表示,使得信号稀疏表示受个别原子影响较大。解析稀疏模型(Analysis Sparse Model)克服了综合稀疏模型稀疏表示性能较差的缺点。假设输入信号x∈Rn,解析字典为Ω∈Rp×n,也称之为解析算子(Analysis Operator),与综合字典不同,其行向量为解析字典的原子((·)T表示转置运算)。Ω一般也是过完备字典,但与综合字典不同,它的行数大于列数,即p>n。解析稀疏模型为:
l:=p-||Ωx||0 (1)
上式中Ωx为x的解析稀疏表示系数,l为共稀疏度,它是向量Ωx中零的个数,也就是Ω中与x正交的原子的个数,其数值越大,解析稀疏表示系数就越稀疏。在解析稀疏模型中信号用所有与之正交的原子构成的子集来表示,所以信号稀疏表示受个别原子影响小,具有较好的稀疏表示性能,能很好的与压缩感知相结合应用于图像加密。
压缩感知的概念是在2006由Candes和Donoho在相关研究基础上提出的,其核心思想是将压缩与采样合并进行。压缩感知的优点在于信号的投影测量数据量远远小于传统采样方法所获得数据量,突破了香农采样定理的瓶颈,使的高分辨率信号的采集成为可能。压缩感知理论主要包括信号的稀疏表示、编码测量和重构算法等三个方面。在基于信号的解析稀疏表示得到稀疏系数的前提下,压缩感知可表示为:
f=Φz (2)
其中z是稀疏系数,是K稀疏的,Φ是测量矩阵,f是线性测量值。为了重构稀疏系数, Φ须满足约束等距条件:
其中σK是等距常数,在信号重构(解密)阶段,本发明采用分裂Bregman算法进行图像的重构。
本发明的密钥是由logistic混沌产生的,因为混沌系统的伪随机性和它对于初始值的敏感性,它经常被用于图像加密。其定义为:
xn+1=μxn(1-xn),xn∈(0,1) (4)
当μ∈[3.57,4]时,系统处于混沌状态。
发明内容
本发明的目的是提出一种基于解析稀疏表示与压缩感知的图像加密算法。本方法首先利用解析稀疏模型对原图像进行解析稀疏表示,然后利用压缩感知对解析稀疏系数进行压缩采样,最终得到加密图像,解密时,采用分裂Bregman算法估计恢复原始图像实现解密。
为了达到上述目的,本发明采用下述技术方案:
一种基于解析稀疏表示与压缩感知的图像加密算法,其特征在于在进行稀疏表示时采用原子顺序置乱了的固定字典(DCT字典),在压缩采样过程中对于测量矩阵的构造采用了与加密固定字典(DCT字典)相同的密钥。最终得到加密图像,实现了对图像的加密。
上述加密方法的具体解密、解密步骤如下:
(1)图像加密过程:
①首先对原子顺序固定的DCT字典D∈Rp×n采取原子顺序置乱,其中p为字典的行数,n为字典的列数,采用logistic混沌按下述方法置乱字典D的原子顺序,其置乱过程为:采用logistic混沌产生长度为2p的序列,其初始值为x01,舍弃产生序列的前p个数,得到一个长度为p的序列s1=[s1,s2,...,sp]T,将序列s1置入DCT字典的最后一列得到矩阵S=[D,s1](S∈Rp×(n+1)),按照矩阵S最后一列s1的降序顺序对矩阵S的行进行重新排列,使得固定字典D中的原子顺序通过logistic混沌得以置乱,得到加密之后的字典Ω∈Rp×n。
②利用字典Ω对图像进行解析稀疏表示:
z≈Ωx s.t.||z||0=r (5)
其中,z∈Rp×1,x∈Rn×1为待加密的图像的列矢量化形式,r属于正整数(r<<p),为z中非零元素的个数。
③采用循环矩阵构造压缩感知测量矩阵Φ,构造过程如下:采用logistic混沌产生长度为2p的序列,其初始值为x01,舍弃生成序列的前p个数,得到一个长度为p的序列s2=[s1,s2,...,sp],作为矩阵Φ的初始行,由出事行循环得到矩阵的迭代过程如下:
其中Φ∈Rm×p,2≤i≤m,λ>1为常数。
④将所得测量矩阵Φ应用于压缩感知:
f=Φz (7)
其中,Φ∈Rm×p是测量矩阵,f∈Rm×1是线性测量值,将列矢量f转化为矩阵形式,得到加密图像,记为
(2)图像解密过程:
由以上图像加密步骤可得下式:
f=Φz=ΦΩx (8)
取Θ=ΦΩ,得:
f=Θx (9)
由加密图像解密恢复原图像,就是求解以下逆问题:
为求解上述问题,将目标函数式(10)中的l0范数替换为l1范数,通过拉格朗日算子μ将上述有约束的优化问题转化为无约束的优化问题,即:
令Ωx=d,目标函数(11)转化为:
利用拉格朗日算子λ得到:
采用分裂Bregman算法求解上述优化问题,迭代公式如下:
bt+1=bt+Ωxt+1-dt+1 (16)
其中,bt为分裂Bregman算法中引入的中间变量。用于更新xt的优化问题(14)为最小二乘问题,其最小二乘解为:
xt+1=(μΘTΘ+λΩTΩ)-1(μΘTf+λΩT(dt-bt)) (17)
在迭代过程中,可通过软门限法更新dt,如下:
在实验中,xt,dt和bt的初值取为零向量,经过多次迭代更新,最终得到原图像的估计即为解密图像的矢量化形式,将其转化为矩阵形式,就是解密所的图像。
本发明方法与现有技术相比较,具有如下显著的特点和优点:
本发明涉及一种基于解析稀疏表示与压缩感知的图像加密算法。该方法首先采用解析稀疏模型对图像进行稀疏表示,然后利用压缩感知对解析稀疏系数进行压缩采样,最终得到加密图像。具体的特点和优点为:
⑴将解析稀疏表示应用到图像解密,提高了稀疏表示对图像的表示性能,在进行解密时,能够更好的恢复得到原图像。
⑵将压缩感知应用于图像加密,使的图像加密和数据压缩能够同时进行。
⑶与将压缩感知中整个测量矩阵作为密钥的方法相比,由logistic混沌产生密钥,在具有高密钥敏感度的同时大大缩短了密钥的长度。
本发明提供的图像加密方法,能够实现对图像的加密,并有很高的安全性和数据压缩性能。在政治、经济、国防、教育等方面以及某些特殊领域,如军事、商业和医疗等均有广泛的应用。
附图说明
图1为本发明辣椒图像的加密、解密过程图示。其中(a)为加密前的辣椒图像,(b)为加密之后的辣椒图像,(c)为解密之后的辣椒图像。图示中压缩比为87.89%,从图示中加密之后的图像中看不出原始辣椒图像的任何信息。
图2为房屋图像经过本发明加密前后的直方图。其中,(a)原房屋图像;(b)原房屋图像直方图;(c)加密后房屋图像直方图。
图3为莱娜图像经过本发明加密前后的直方图。(a)原莱娜图像;(b)原莱娜图像直方图;(c)加密后莱娜图像直方图。
图4为辣椒图像经过本发明加密前后的直方图。(a)原辣椒图像;(b)原辣椒图像直方图;(c)加密后辣椒图像直方图。
图5为不同密钥解密所得图像与原始图像之间的均方误差(MSE)曲线。
具体实施方式
本发明涉及一种基于解析稀疏表示与压缩感知的图像加密算法。本方法首先利用解析稀疏模型对原图像进行解析稀疏表示,然后利用压缩感知对解析稀疏系数进行压缩采样,最终得到加密图像(实验中参数u取值为3.99),解密时,采用分裂Bregman算法估计恢复原始图像实现解密。
具体加密、解密步骤为:
(1)图像加密过程:
①实验采用128×128的图像Peppers,先将其分成四个64×64小块图像,将小块图像矢量化成一列矢量xj∈R4096×1,j取值为1,2,3,4,表示原始图像的四个小块。
②采用logistic混沌生成长度为2×4900的序列,其初始值为x01=0.23,舍弃生成序列的前4900个数,得到一个长度为4900的序列s1=[s1,s2,...,s4900]T,将序列s1置入原子顺序固定的DCT字典的最后一列得到矩阵S=[D,s1],按照矩阵S最后一列s1的降序顺序对矩阵S的行进行重新排列,使得D中的原子顺序通过logistic混沌得以置乱,得到加密之后的字典Ω∈Rp×n。
③利用字典Ω对图像进行解析稀疏表示:
zj=Ωxj
其中,zj∈R4900×1并对zj采取强制稀疏,Ω∈R4900×4096。
④采用循环矩阵构造压缩感知的测量矩阵Φ,构造过程如下:采用logistic混沌产生长度为2×4900的序列,其初始值为x01=0.23,舍弃生成序列的前4900个数,得到一个长度为4900的序列s2=[s1,s2,...,s4900],作为矩阵Φ的初始行,由初始行循环得到测量矩阵的迭代过程如下:
Φ(i,1)=2·Φ(i-1,4900)
Φ(i,2:4900)=2·Φ(i-1,1:4899)
其中,Φ∈R3600×4900,2≤i≤3600。
⑤将所得测量矩阵Φ应用于压缩感知:
fj=Φzj
其中Φ∈R3600×4900是测量矩阵,fj∈R3600×1是线性测量值。
⑥将列矢量fj转化为矩阵形式,得到加密图像,记为
(2)图像解密过程:
由以上图像加密步骤可得下式:
fj=Φzj=ΦΩxj
取Θ=ΦΩ,得:
fj=Θxj
由加密图像解密估计恢复原图像,就是求以下逆问题:
为求解上述问题,将目标函数式(10)中的l0范数替换为l1范数,采用拉格朗日算子μ将有约束的优化问题转化为无约束的优化问题,即:
令Ωxj=dj,上述目标函数可转化为:
利用拉格朗日算子λ得到:
采用分裂Bregman迭代算法求解上述优化问题,迭代公式如下:
其中,为分裂Bregman算法中引入的中间变量。上述用于更新的优化问题的式子为最小二乘问题,其最小二乘解为:
在迭代过程中,可通过软门限法更新如下:
在实验中,和的初值取为零向量,通过多次迭代(本发明设置总迭代次数为30次),最终得到原图像的估计将列矢量转化为矩阵形式,然后按照分块时的顺序组合的原Peppers图像。
图1给出了辣椒图像的加密、解密过程图示。从左至右分别为加密前辣椒图像、加密之后的辣椒图像和解密之后的辣椒图像。图示中压缩比为87.89%,从图示中加密之后的图像中看不出原始辣椒图像的任何信息。
图2-图5给出了本发明加密方法加密结果的客观评价指标。为评价本发明加密方法的性能,图2、图3、图对比了三幅不同图片经过本发明方法加密之前与加密之后的直方图。
图2为房屋图像经过本发明加密前后的直方图。其中,(a)原房屋图像;(b)原房屋图像直方图;(c)加密后房屋图像直方图。
图3为莱娜图像经过本发明加密前后的直方图。(a)原莱娜图像;(b)原莱娜图像直方图;(c)加密后莱娜图像直方图。
图4为辣椒图像经过本发明加密前后的直方图。(a)原辣椒图像;(b)原辣椒图像直方图;(c)加密后辣椒图像直方图。
图5为不同密钥解密所得图像与原始图像之间的均方误差(MSE)曲线。
从图2-图4可以看出,三幅图在加密之前,它们的直方图可以观察到明显的区别。而在经过本发明算法加密之后,三幅加密图的直方图之间非常相似。这表明了本发明方法能够有效应对统计分析攻击。
在图5中,为了评估本发明方法密钥的敏感度,我们给出了均方误差(MSE)曲线,其定义式如下:
其中,L×H表示图像像素点总的个数,I(x,y)和D(x,y)分别表示加密前后图像像素点的数值。从图5可以看出,当初始值为x01+Δ,且Δ不为零时,MSE非常大,这表明加密图像只有在密钥正确的情况下才能够正确解密得到原图像,所以本发明对于密钥敏感度很强。
Claims (1)
1.一种基于解析稀疏表示与压缩感知的图像加密方法,其特征是按如下步骤:
①首先对原子顺序固定的DCT字典D∈Rp×n采取原子顺序置乱,其中p为字典的行数,n为字典的列数,采用logistic混沌按下述方法置乱字典D的原子顺序,其置乱过程为:采用logistic混沌产生长度为2p的序列,其初始值为x01,舍弃生成序列的前p个数,得到一个长度为p的序列s1=[s1,1,s1,2,...,s1,p]T,将序列s1置入DCT字典的最后一列得到矩阵S=[D,s1](S∈Rp×(n+1)),按照矩阵S最后一列s1的降序顺序对矩阵S的行进行重新排列,使得固定字典D中的原子顺序通过logistic混沌得以置乱,得到加密之后的字典Ω∈Rp×n;
②利用字典Ω对图像进行解析稀疏表示:
z≈Ωx s.t.||z||0=r (1)
其中,z∈Rp×1,x∈Rn×1为待加密的图像的列矢量化形式,r属于正整数(r<<p),为z中非零元素的个数;
③采用循环矩阵构造压缩感知的测量矩阵Φ∈Rm×q,构造过程如下:采用logistic混沌产生长度为2q的序列,其初始值为x01,舍弃生成序列的前q个数,得到一个长度为q的序列s2=[s2,1,s2,2,...,s2,q],作为矩阵Φ的初始行,由初始行循环得到测量矩阵的迭代过程如下:
且满足:2≤i≤m,η>1为常数;
④将所得测量矩阵Φ应用于压缩感知:
f=Φz (3)
其中f∈Rm×1是线性测量值;
⑤将列矢量f转化为矩阵形式,得到加密图像,记为
图像解密过程:
①使用密钥x01采取与图像加密过程①,③类似的方法得到加密字典Ω与测量矩阵Φ;
②令Θ=ΦΩ,由加密图像解密恢复原图像,就是求解以下逆问题:
为求解上述问题,将目标函数式(4)中的l0范数替换为l1范数,通过拉格朗日算子μ将上述有约束的优化问题转化为无约束的优化问题,即:
令Ωx=d,目标函数(5)转化为:
利用拉格朗日算子λ得到:
采用分裂Bregman算法求解上述优化问题,迭代公式如下:
bt+1=bt+Ωxt+1-dt+1 (10)
其中,bt为分裂Bregman算法中引入的中间变量,用于更新xt的优化问题(8)为最小二乘问题,其最小二乘解为:
xt+1=(μΘTΘ+λΩTΩ)-1(μΘTf+λΩT(dt-bt)) (11)
在迭代过程中,可通过软门限法更新dt,如下:
在实验中,xt,dt和bt的初值取为零向量,通过多次迭代,最终得到原图像列矢量化形式的估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610356504.6A CN106056526B (zh) | 2016-05-26 | 2016-05-26 | 一种基于解析稀疏表示与压缩感知的图像加密算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610356504.6A CN106056526B (zh) | 2016-05-26 | 2016-05-26 | 一种基于解析稀疏表示与压缩感知的图像加密算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106056526A CN106056526A (zh) | 2016-10-26 |
CN106056526B true CN106056526B (zh) | 2019-04-12 |
Family
ID=57174645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610356504.6A Expired - Fee Related CN106056526B (zh) | 2016-05-26 | 2016-05-26 | 一种基于解析稀疏表示与压缩感知的图像加密算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106056526B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11875220B2 (en) * | 2018-09-04 | 2024-01-16 | Tencent Technology (Shenzhen) Company Limited | Method, apparatus, and storage medium for generating network representation for neural network |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106997607B (zh) * | 2017-03-16 | 2019-10-22 | 四川大学 | 基于压缩感知的图像比特面混沌加密方法 |
CN107862211B (zh) * | 2017-11-15 | 2021-05-07 | 上海大学 | 一种规避社交网络平台图像增强滤波的jpeg图像加密方法 |
CN109033963B (zh) * | 2018-06-22 | 2021-07-06 | 王连圭 | 多摄像机视频跨区域人体运动姿态目标识别方法 |
CN112163227B (zh) * | 2020-09-02 | 2022-04-29 | 湖北工业大学 | 一种电商平台卖家用户销售额多维统计分析系统及方法 |
CN113824681B (zh) * | 2021-08-11 | 2022-09-09 | 西安电子科技大学 | 一种基于压缩感知的图像数据加密传输系统 |
CN115996144A (zh) * | 2022-12-08 | 2023-04-21 | 西南石油大学 | 一种基于压缩感知和rsa加密算法的压裂数据传输方法与系统 |
CN115618397B (zh) * | 2022-12-19 | 2023-03-03 | 深圳市研强物联技术有限公司 | 一种录音笔语音加密方法 |
CN117077187B (zh) * | 2023-10-18 | 2024-01-09 | 江西财经大学 | 一种多级视觉隐私保护方法、系统、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030223578A1 (en) * | 2002-05-31 | 2003-12-04 | Xerox Corporation | Threshold encoding of frame buffers |
CN101848390A (zh) * | 2010-05-10 | 2010-09-29 | 西南交通大学 | 基于多方向稀疏表示的图像压缩安全编码方法 |
CN102164282A (zh) * | 2011-04-29 | 2011-08-24 | 中南民族大学 | 一种用于图像编码的基于系数随机置换的压缩感知方法及系统 |
CN102833514A (zh) * | 2012-08-07 | 2012-12-19 | 南昌大学 | 测量矩阵受控的图像压缩感知与图像加密方法 |
CN104021528A (zh) * | 2014-06-12 | 2014-09-03 | 南昌大学 | 一种基于解析稀疏模型的字典学习算法 |
-
2016
- 2016-05-26 CN CN201610356504.6A patent/CN106056526B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030223578A1 (en) * | 2002-05-31 | 2003-12-04 | Xerox Corporation | Threshold encoding of frame buffers |
CN101848390A (zh) * | 2010-05-10 | 2010-09-29 | 西南交通大学 | 基于多方向稀疏表示的图像压缩安全编码方法 |
CN102164282A (zh) * | 2011-04-29 | 2011-08-24 | 中南民族大学 | 一种用于图像编码的基于系数随机置换的压缩感知方法及系统 |
CN102833514A (zh) * | 2012-08-07 | 2012-12-19 | 南昌大学 | 测量矩阵受控的图像压缩感知与图像加密方法 |
CN104021528A (zh) * | 2014-06-12 | 2014-09-03 | 南昌大学 | 一种基于解析稀疏模型的字典学习算法 |
Non-Patent Citations (2)
Title |
---|
Scalable Image Encryption Baesd Lossless Image Compression;Mrs.Nimse Madhuri 等;《International Journal of Engineering Research & Applications》;20141031;第4卷(第10期);第51-55页 * |
压缩感知算法分析及其在图像加密中的应用;苏雅丽;《赤峰学院学报(自然科学版)》;20141231;第30卷(第12期);第17-18页 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11875220B2 (en) * | 2018-09-04 | 2024-01-16 | Tencent Technology (Shenzhen) Company Limited | Method, apparatus, and storage medium for generating network representation for neural network |
Also Published As
Publication number | Publication date |
---|---|
CN106056526A (zh) | 2016-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106056526B (zh) | 一种基于解析稀疏表示与压缩感知的图像加密算法 | |
Man et al. | Double image encryption algorithm based on neural network and chaos | |
Chai et al. | An efficient chaos-based image compression and encryption scheme using block compressive sensing and elementary cellular automata | |
Chai et al. | An efficient visually meaningful image compression and encryption scheme based on compressive sensing and dynamic LSB embedding | |
Zhou et al. | Novel image compression–encryption hybrid algorithm based on key-controlled measurement matrix in compressive sensing | |
CN112637441B (zh) | 一种基于压缩感知的彩色图像压缩加密方法 | |
Zhou et al. | Novel hybrid image compression–encryption algorithm based on compressive sensing | |
Huang et al. | A robust and compression-combined digital image encryption method based on compressive sensing | |
Zhang et al. | Joint image encryption and compression scheme based on IWT and SPIHT | |
CN105704500B (zh) | 一种新的基于混沌的图像无损压缩加密联合方法 | |
Wang et al. | Joint encryption and compression of 3D images based on tensor compressive sensing with non-autonomous 3D chaotic system | |
CN108111710B (zh) | 一种可以减少密文及密钥数据量的多图像加密方法 | |
CN104463765A (zh) | 基于稀疏基受控的图像压缩感知与图像加密的方法 | |
Gan et al. | Exploiting 2D compressed sensing and information entropy for secure color image compression and encryption | |
Kuldeep et al. | Design prototype and security analysis of a lightweight joint compression and encryption scheme for resource-constrained IoT devices | |
Fu et al. | Cloud-decryption-assisted image compression and encryption based on compressed sensing | |
Ye et al. | Reversible image hiding algorithm based on compressive sensing and deep learning | |
Tang et al. | Secure and Efficient Image Compression‐Encryption Scheme Using New Chaotic Structure and Compressive Sensing | |
CN114022339A (zh) | 一种基于分数阶Lorenz混沌系统的图像加密方法及存储介质 | |
Mishra et al. | Grayscale-image encryption using random hill cipher over SLn (F) associated with discrete wavelet transformation | |
Hadj Brahim et al. | A new fast image compression–encryption scheme based on compressive sensing and parallel blocks | |
Liu et al. | A novel image encryption algorithm based on plaintext-related hybrid modulation map | |
Li et al. | A verifiable secret image sharing scheme based on compressive sensing | |
Sun et al. | Double color image visual encryption based on digital chaos and compressed sensing | |
Yan et al. | A novel spectrogram visual security encryption algorithm based on block compressed sensing and five-dimensional chaotic system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190412 |