CN108235029A - 一种基于压缩感知和蔡氏电路的图像压缩加密方法 - Google Patents
一种基于压缩感知和蔡氏电路的图像压缩加密方法 Download PDFInfo
- Publication number
- CN108235029A CN108235029A CN201810011609.7A CN201810011609A CN108235029A CN 108235029 A CN108235029 A CN 108235029A CN 201810011609 A CN201810011609 A CN 201810011609A CN 108235029 A CN108235029 A CN 108235029A
- Authority
- CN
- China
- Prior art keywords
- sequence
- matrix
- value
- compression
- formula
- 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.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/46—Embedding additional information in the video signal during the compression process
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
- H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
- H04N1/32267—Methods relating to embedding, encoding, decoding, detection or retrieval operations combined with processing of the image
- H04N1/32272—Encryption or ciphering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/60—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding
- H04N19/63—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using transform coding using sub-band based transform, e.g. wavelets
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种基于压缩感知和蔡氏电路的图像压缩加密方法,包括如下步骤:1)根据原图采用SHA‑256产生与明文相关的密钥;2)由初始值x02和a02迭代生成混沌序列t′和t″,根据t′和t″迭代生成测量矩阵ΦLH_HH和ΦHL;3)对子带LH、HH和HL以不同的压缩比进行测量;4)量化后得到整数序列z,形成矩阵z′;5)得到扩散矩阵f′;6)得到矩阵LL′,与扩散矩阵f′进行异或;7)合并LL、LH、HL和HH四个子带,由x04和a04生成的混沌序列进行置乱,得到最后的压缩加密图像E。这种方法既可以减少数据传输量,又可以增强图像的鲁棒性,这种方法的安全性高,并且特别在抵御裁剪攻击和噪声攻击的时候具有很好的性能。
Description
技术领域
本发明涉及图像压缩加密技术领域,具体涉及一种基于压缩感知和蔡氏电路的图像压缩加密方法。
背景技术
图像压缩加密是指对图像进行加密的同时,减少加密图像的数据量,节约传输空间。现今提出的图像加密算法运用了混沌系统进行了加密,是因为混沌系统具有遍历性,不可预测性,混合属性,初始密钥和系统参数敏感性,是一种理想的方法来扩散和扰乱图像的像素。另外,压缩感知由于可以同时进行压缩和加密,也适用于该领域。其中,现有的许多算法都把整个测量矩阵作为算法的密钥,这样会浪费太多传输空间,如高斯随机矩阵、伯努利矩阵、部分哈达玛矩阵,托普利兹矩阵等。这些测量矩阵中,使用最广泛的随机高斯矩阵。其设计方法为:构造一个M×N大小的矩阵Φ,使Φ中的每一个元素独立的服从均值为0,方差为1/M的高斯分布。
此外,托普利兹测量矩阵的构造方法如下:先生成一个随机向量u,即u=(u1,u2,...,uN)∈RN,利用生成的随机向量u,经过M(M<N)次循环,构造剩余的M-1行向量,最后对列向量进行归一化得到测量矩阵Φ。
该类测量矩阵具有较强随机性,但是用于加密时,需要传输较多的数据到解密端,用重构算法得到原始图像,这样会占用很大的传输空间,削弱了压缩感知能减少传输的数据量这一优势。
另外,将CS理论直接应用于原图像可能会导致加密图像传输过程中的鲁棒性较差,当加密图像遭受连续丢包,恶意剪切攻击和噪声攻击时,接收端难以识别重建图像,所以在使用压缩感知时,也要考虑到增加图像的鲁棒性。
发明内容
本发明的目的是针对现有技术的不足,而提供一种基于压缩感知和蔡氏电路的图像压缩加密方法。这种方法既可以减少数据传输量,又可以增强图像的鲁棒性,这种方法的安全性高,并且特别在抵御裁剪攻击和噪声攻击的时候具有很好的性能。
实现本发明目的的技术方案是:
一种基于压缩感知和蔡氏电路的图像压缩加密方法,包括如下步骤:
1)将图像通过离散小波变换,得到高频子带LH、HL、HH和低频子带LL,并根据原图采用SHA-256产生与明文相关的密钥;
2)由初始值x02和a02迭代生成混沌序列t′和t″,根据t′和t″分别从质数序列η和选择分子、分母,以SHA-256产生的初始值x05作为初始值迭代生成测量矩阵ΦLH_HH和ΦHL;
3)使用测量矩阵ΦLH_HH和ΦHL对子带LH、HH和HL以不同的压缩比进行测量;
4)由y01,y02与y03迭代蔡氏电路生成混沌序列,并用x01和a01生成的混沌序列进行置乱,量化后得到整数序列z,形成矩阵z′;
5)结合局部二值模式的基本概念对矩阵z′进行数值变换,得到扩散矩阵f′;
6)量化LL子带系数至0-255,得到矩阵LL′,与扩散矩阵f′进行异或;
7)合并LL、LH、HL和HH四个子带,由x04和a04生成的混沌序列进行置乱,得到最后的压缩加密图像E。
所述步骤2)为:
列出两个连续的质数序列η=[η1,η2,...,ηM×N]与η为分子序列,为对应的分子序列,并保证其中ηmin是序列η中的最小值,是序列中的最大值,由x02,a02作为初始值,迭代混沌系统中2M1×N1/r1和2M1×N1/r2次,舍弃前M1×N1/r1和M1×N1/r2次的数值后,按降序排列后得到两个索引序列和其中M1×N1为子带LL、LH、HL和HH的大小,r1与r2为压缩比,混沌系统为:
xn+1=μxn(1-xn),xn∈(0,1) (1)
其中xn表示第n个值,μ∈[3.57,4]是逻辑斯蒂映射的控制参数;
从序列η和序列中分别选取η(t'),作为公式(2)、公式(3)中参数a的分子序列和分母序列,t'为序列η第t'个值,rt'为序列的第M×N-t'个值,即参数
公式(2)、公式(3)分别为:
xn+1=f(af-1(xn)); (2)
yn=f(bf-1(xn)),
其中a=p/q>2为互为素分数,p,q为互质数,当f(t)=sin2(t),cos2(t),cos(t)时,b=qN,当f(t)=sin(t)时,f(t)=sin(t)。N表示渐近确定性随机理论不能用N步预测,xn与yn分别表示x与y中第n个值;
将序列k和k′转化为矩阵:
所述步骤3)为:根据公式(6)、(7)和公式(8)将子带LH、HL和HH在Ψ稀疏域中拓展,分别得到αLH,αHL和αHH,使用ΦLH_HH来测量αLH和αHH,用ΦHL测量αHL:
yLH=ΦLH_HHαLH=ΦLH_HHΨTLH (6)
yHH=ΦLH_HHαHH=ΦLH_HHΨTHH (7)
yHL=ΦHLαHL=ΦHLΨTHL, (8)
其中,和
所述步骤4)为:
由SHA-256产生的y01,y02和y03作为初始值,迭代蔡氏电路,即公式(9),得到三个混沌序列并合并为序列并利用x01与a01迭代逻辑斯蒂映射即混沌系统(1)产生索引序列来置乱|l4|得到|l4|',并依据公式(10)进行量化得到z:
其中f(x)代表非线性电阻的电响应,f(x)=bx+(a-b)(|x+1|-|x-1|)/2,状态变量x,y对应于电容上的电压,z表示电感上的电流,随着α的增大,系统产生一系列不对称的分叉线,逐渐形成两个不对称的吸引子,形成双涡旋混沌吸引子,
其中zi表示z中的第i个值,表示小于a最近的整数,
将序列z转化为矩阵Z′:
所述步骤5)为:利用局部二值模式原理将矩阵z′中的每个值与周围的其他八个值进行比较,例如,如果z′i,j是比较对象,则应该将z′i,j与值z′i-1,j-1,z′i-1,j,z′i-1,j+1,z′i,j-1,z′i,j+1,z′i+1,j-1,z′i+1,j,z′i+1,j+1,其中Z′i,j表示Z′的第i行第j列的值,类似地,整个矩阵Z′中的每个元素都被这个比较方法所遍历,
假设z'i-1,j-1大于z'i,j,则z′i-1,j-1被标记为1,否则标记为0,因此,生成一个由0和1组成的矩阵,并将该矩阵变为一维序列
利用x03和a03迭代入公式(1)产生混沌序列并进行升序排列,得到索引序列对z″进行重排:
z″'(1,i)=z″(1,qi),i=1,2,…,M1×N1 (12)
其中,i表示索引序列q中第i个值,
将z″′中的每8个元素变换为0到255的值,具体方式如下:
fi=z″′1+8(i-1)×27+z″′2+8(i-1)×26+z″′3+8(i-1)×25+z″′4+8((i-1)×24+z″′5+8(i-1)×23+z″′6+8(i-1)×22+z″′7+8(i-1)×21+z″′8+8(i-1)×20
(13)
其中,fi表示序列f的第i个值,z″′a是z″′中第a个值
将序列转化为扩散矩阵
所述步骤6)为:
通过公式(14)计算将子带LL映射成0至255的数值:
LL′i,j=round[255×(LLi,j-LLmin)/(LLmax-LLmin)] (14)
其中round[a]是四舍五入操作,LLi,j表示LL的第i行第j列的值,LLmin是LL的最小值,LLmax是LL的最大值,另外,LL′i,j表示映射后的矩阵,
依据公式(15)将LL'i,j与扩散矩阵f'进行异或:
其中,LL'i,j表示LL'的第i行第j列元素,LL″i,j表示LL″的第i行j第n列元素,是异或运算。
所述步骤7)为:
将yLH,yHH,yHL和LL″合并成一个新的矩阵P,其大小为M1×N,其中,LL″位于P(:,1:N1),yLH位于P(1:M1×N1/r1,N1+1:N),P(:,1:N1)表示P的第一列到N1列,yHH位于P(M1×N1/r1+1:2M1×N1/r1,N1+1:N),yHL位于P(2M1×N1/r1+1:M1,N1+1:N),假设LH和HH的压缩比r1等于4,HL的压缩比r2是2,
利用初始值x04=x′04+x02/100+x05/100与a04=a′04+a02/100迭代入逻辑斯蒂混沌系统M1×N次,并按降序排列得到索引序列用s对P进行重排后得到最终的加密图像E。
这种压缩加密方法主要先将原图像通过离散小波变换,分为低频子带和高频子带,针对低频带,小波系数被映射到整数0到255之间,然后用鉴于局部二值模式算子的蔡氏电路结合映射产生的混沌序列对小波系数进行扩散,接下来,把逻辑斯蒂映射应用于渐近确定性随机序列以提高测量矩阵的变化,并通过在不同压缩比测量矩阵测量高频子带。这种压缩加密方法既可以减少数据传输量,又可以增强图像的鲁棒性。
本技术方案有益效果体现在:
1.混沌系统的初始值是根据明文图像的SHA-256获得,得到的值作为蔡氏电路和逻辑斯蒂混沌系统的初始值,作为加密算法的密钥,不同的图像生成的密钥也不同,使密钥与明文信息相关,可以抵抗差分攻击;
2.本技术方案中,压缩感知的测量矩阵没有选取常用的高斯矩阵等,而是利用混沌结合的渐进确定性随机矩阵作为测量矩阵,其中混沌系统用来改变每次迭代的参数,使结果更具有随机性,此操作可以通过公式迭代来完成,而不需要在传输测量矩阵时消耗过多的传输空间;
3.本技术方案没有对原图像直接使用压缩感知进行测量,而是先对图像进行离散小波变换得到低频子带和高频子带,由于低频子带具有较多原始图像的信息,所以为了保证鲁棒性,对低频子带进行异或扩散操作,对三个高频子带进行压缩感知的测量,这样可以减少传输的数据量的同时保证加密图像的鲁棒性。
4.本技术方案结合局部二值模式概念和蔡氏电路的扩散矩阵与低频子带进行异或,能够保证低频子带的值具有较高的安全性。
这种压缩加密方法可以在减小传输图像尺寸的同时提高了加密图像的鲁棒性,并且不用传输整个测量矩阵到解密端,利用重构算法重构得到原始图像,只需利用密钥通过迭代生成测量矩阵即可。
这种方法的安全性高,并且特别在抵御裁剪攻击和噪声攻击的时候具有很好的性能。
附图说明
图1为实施例方法流程示意图;
图2为实施例中结合混沌的渐近确定随机测量矩阵生成的流程示意图;
图3为实施例中鉴于局部二值模式算子的比较变换过程的实例的示意图;
图4为实施例中yLH,yHH,yHL和LL″合并成一个新的矩阵P的示意图。
具体实施方式
下面结合附图和实施例对本发明内容作进一步的阐述,但不是对本发明的限定。
实施例:
参照图1,图2,一种基于压缩感知和蔡氏电路的图像压缩加密方法,包括如下步骤:
1)将图像通过离散小波变换,得到高频子带LH、HL、HH和低频子带LL,并根据原图采用SHA-256产生与明文相关的密钥;
2)由初始值x02和a02迭代生成混沌序列t′和t″,根据t′和t″分别从质数序列η和选择分子、分母,以SHA-256产生的初始值x05作为初始值迭代生成测量矩阵ΦLH_HH和ΦHL;
3)使用测量矩阵ΦLH_HH和ΦHL对子带LH、HH和HL以不同的压缩比进行测量;
4)由y01,y02与y03迭代蔡氏电路生成混沌序列,并用x01和a01生成的混沌序列进行置乱,量化后得到整数序列z,形成矩阵z′;
5)结合局部二值模式的基本概念对矩阵z′进行数值变换,得到扩散矩阵f′;
6)量化LL子带系数至0-255,得到矩阵LL′,与扩散矩阵f′进行异或;
7)合并LL、LH、HL和HH四个子带,由x04和a04生成的混沌序列进行置乱,得到最后的压缩加密图像E。
所述步骤2)为:
列出两个连续的质数序列η=[η1,η2,...,ηM×N]与η为分子序列,为对应的分子序列,并保证其中ηmin是序列η中的最小值,是序列中的最大值,由x02,a02作为初始值,迭代混沌系统中2M1×N1/r1和2M1×N1/r2次,舍弃前M1×N1/r1和M1×N1/r2次的数值后,按降序排列后得到两个索引序列和其中M1×N1为子带LL、LH、HL和HH的大小,r1与r2为压缩比,混沌系统为:
xn+1=μxn(1-xn),xn∈(0,1) (1)
其中xn表示第n个值,μ∈[3.57,4]是逻辑斯蒂映射的控制参数;
从序列η和序列中分别选取η(t′),作为公式(2)、公式(3)中参数a的分子序列和分母序列,t′为序列η第t′个值,rt′为序列的第M×N-t′个值,即参数
公式(2)、公式(3)分别为:
xn+1=f(af-1(xn)); (2)
yn=f(bf-1(xn)), (3)
其中a=p/q>2为互为素分数,p,q为互质数,当f(t)=sin2(t),cos2(t),cos(t)时,b=qN,当f(t)=sin(t)时,f(t)=sin(t)。N表示渐近确定性随机理论不能用N步预测,xn与yn分别表示x与y中第n个值;
将序列k和k′转化为矩阵:
所述步骤3)为:根据公式(6)、(7)和公式(8)将子带LH、HL和HH在Ψ稀疏域中拓展,分别得到αLH,αLH和αHH,使用ΦLH_HH来测量αLH和αHH,用ΦHL测量αHL:
yLH=ΦLH_HHαLH=ΦLH_HHΨTLH (6)
yHH=ΦLH_HHαHH=ΦLH_HHΨTHH (7)
yHL=ΦHLαHL=ΦHLΨTHL, (8)
其中,和
所述步骤4)为:
由SHA-256产生的y01,y02和y03作为初始值,迭代蔡氏电路,即公式(9),得到三个混沌序列并合并为序列并利用y01与a01迭代逻辑斯蒂映射即混沌系统(1)产生索引序列来置乱|l4|得到|l4|′,并依据公式(10)进行量化得到z:
其中f(x)代表非线性电阻的电响应,f(x)=bx+(a-b)(|x+1|-|x-1|)/2,状态变量x,y对应于电容上的电压,z表示电感上的电流,随着α的增大,系统产生一系列不对称的分叉线,逐渐形成两个不对称的吸引子,形成双涡旋混沌吸引子,
其中zi表示z中的第i个值,表示小于a最近的整数,
将序列z转化为矩阵z′:
如图3所示,所述步骤5)为:利用局部二值模式原理将矩阵Z′中的每个值与周围的其他八个值进行比较,例如,如果z′i,j是比较对象,则应该将z'i,j与值z′i-1,j-1,z′i-1,j,z′i-1,j+1,z′i,j-1,z′i,j+1,z′i+1,j-1,z′i+1,j,z′i+1,j+1,其中Z′i,j表示Z′的第i行第j列的值,类似地,整个矩阵Z′中的每个元素都被这个比较方法所遍历,
假设z′i-1,j-1大于Z′i,j,则z′i-1,j-1被标记为1,否则标记为0,因此,生成一个由0和1组成的矩阵,并将该矩阵变为一维序列
利用x03和a03迭代入公式(1)产生混沌序列并进行升序排列,得到索引序列对z″进行重排:
z″'(1,i)=z″(1,qi),i=1,2,…,M1×N1 (12)
其中,i表示索引序列q中第i个值,
将z″′中的每8个元素变换为0到255的值,具体方式如下:
fi″′1+8(i-1)×27+z″′2+8(i-1)×26+z″′3+8(i-1)×25+z″′4+8((i-1)×24+z″′5+8(i-1)×23+z″′6+8(i-1)×22+z″′7+8(i-1)×21+z″′8+8(i-1)×20
(13)
其中,fi表示序列f的第i个值,z″′a是z″′中第a个值,
将序列转化为扩散矩阵
所述步骤6)为:
通过公式(14)计算将子带LL映射成0至255的数值:
LL′i,j=round[255×(LLi,jLLmin)/(LLmaxLLmin)] (14)
其中round[a]是四舍五入操作,LLi,j表示LL的第i行第j列的值,LLmin是LL的最小值,LLmax是LL的最大值,另外,LL′i,j表示映射后的矩阵,
依据公式(15)将LL′i,j与扩散矩阵f′进行异或:
其中,LL′i,j表示LL′的第i行第j列元素,LL″i,j表示LL″的第i行j第n列元素,是异或运算。
如图4所示,所述步骤7)为:
将yLH,yHH,yHL和LL″合并成一个新的矩阵P,其大小为M1×N,其中,LL″位于P(:,1:N1),yLH位于P(1:M1×N1/r1,N1+1:N),P(:,1:N1)表示P的第一列到N1列,yHH位于P(M1×N1/r1+1:2M1×N1/r1,N1+1:N),yHL位于P(2M1×N1/r1+1:M1,N1+1:N),假设LH和HH的压缩比r1等于4,HL的压缩比r2是2,
利用初始值x04=x'04+x02/100+x05/100与a04=a'04+a02/100迭代入逻辑斯蒂混沌系统M1×N次,并按降序排列得到索引序列用s对P进行重排后得到最终的加密图像E。
Claims (7)
1.一种基于压缩感知和蔡氏电路的图像压缩加密方法,其特征是,包括如下步骤:
1)将图像通过离散小波变换,得到高频子带LH、HL、HH和低频子带LL,并根据原图采用SHA-256产生与明文相关的密钥;
2)由初始值x02和a02迭代生成混沌序列t′和t″,根据t′和t″分别从质数序列η和选择分子、分母,以SHA-256产生的初始值x05作为初始值迭代生成测量矩阵ΦLH_HH和ΦHL;
3)使用测量矩阵ΦLH_HH和ΦHL对子带LH、HH和HL以不同的压缩比进行测量;
4)由y01,y02与y03迭代蔡氏电路生成混沌序列,并用x01和a01生成的混沌序列进行置乱,量化后得到整数序列z,形成矩阵z′;
5)结合局部二值模式的基本概念对矩阵z′进行数值变换,得到扩散矩阵f′;
6)量化LL子带系数至0-255,得到矩阵LL',与扩散矩阵f'进行异或;
7)合并LL、LH、HL和HH四个子带,由x04和a04生成的混沌序列进行置乱,得到最后的压缩加密图像E。
2.根据权利要求1所述的基于压缩感知和蔡氏电路的图像压缩加密方法,其特征是,所述步骤2)为:
列出两个连续的质数序列η=[η1,η2,...,ηM×N]与η为分子序列,为对应的分子序列,并保证其中ηmin是序列η中的最小值,是序列中的最大值,由x02,a02作为初始值,迭代混沌系统中2M1×N1/r1和2M1×N1/r2次,舍弃前M1×N1/r1和M1×N1/r2次的数值后,按降序排列后得到两个索引序列和其中M1×N1为子带LL、LH、HL和HH的大小,r1与r2为压缩比,混沌系统为:
xn+1=μxn(1-xn),xn∈(0,1) (1)
其中xn表示第n个值,μ∈[3.57,4]是逻辑斯蒂映射的控制参数;
从序列η和序列中分别选取η(t′),作为公式(2)、公式(3)中参数a的分子序列和分母序列t′为序列η第t′个值,rt′为序列的第M×N-t′个值,即参数
公式(2)、公式(3)分别为:
xn+1=f(af-1(xn)); (2)
yn=f(bf-1(xn)), (3)
其中a=p/q>2为互为素分数,p,q为互质数,当f(t)=sin2(t),cos2(t),cos(t)时,b=qN,当f(t)=sin(t)时,f(t)=sin(t)。N表示渐近确定性随机理论不能用N步预测,xn与yn分别表示x与y中第n个值;
利用根据SHA-256的产生的密钥x05作为公式(2)的初始值x1,迭代M1×N1/r1次生成混沌结合的渐近确定随机序列相似地,按照上述方法迭代M1×N1/r2次生成混沌结合的渐近确定随机序列
将序列k和k′转化为矩阵:
3.根据权利要求1所述的基于压缩感知和蔡氏电路的图像压缩加密方法,其特征是,所述步骤3)为:根据公式(6)、(7)和公式(8)将子带LH、HL和HH在Ψ稀疏域中拓展,分别得到αLH,αHL和αHH,使用ΦLH_HH来测量αLH和αHH,用ΦHL测量αHL:
yLH=ΦLH_HHαLH=ΦLH_HHΨTLH; (6)
yHH=ΦLH_HHαHH=ΦLH_HHΨTHH (7)
yHL=ΦHLαHL=ΦHLΨTHL, (8)
其中,和
4.根据权利要求1所述的基于压缩感知和蔡氏电路的图像压缩加密方法,其特征是,所述步骤4)为:
由SHA-256产生的y01,y02和y03作为初始值,迭代蔡氏电路,即公式(9),得到三个混沌序列并合并为序列并利用x01与a01迭代逻辑斯蒂映射即混沌系统(1)产生索引序列来置乱|l4|得到|l4|′,并依据公式(10)进行量化得到z:
其中f(x)代表非线性电阻的电响应,f(x)=bx+(a-b)(|x+1|-|x-1|)/2,状态变量x,y对应于电容上的电压,z表示电感上的电流,随着α的增大,系统产生一系列不对称的分叉线,逐渐形成两个不对称的吸引子,形成双涡旋混沌吸引子,
其中zi表示z中的第i个值,表示小于a最近的整数,
将序列z转化为矩阵z′:
5.根据权利要求1所述的基于压缩感知和蔡氏电路的图像压缩加密方法,其特征是,所述步骤5)为:利用局部二值模式原理将矩阵z′中的每个值与周围的其他八个值进行比较,如果z′i,j是比较对象,则应该将z′i,j与值z′i-1,j-1,z′i-1,j,z′i-1,j+1,z′i,j-1,z′i,j+1,z′i+1,j-1,z′i+1,j,z′i+1,j+1,其中z′i,j表示z′的第i行第j列的值,类似地,整个矩阵z′中的每个元素都被这个比较方法所遍历,
假设z′i-1,j-1大于z′i,j,则z′i-1,j-1被标记为1,否则标记为0,因此,生成一个由0和1组成的矩阵,并将该矩阵变为一维序列
利用x03和a03迭代入公式(1)产生混沌序列并进行升序排列,得到索引序列对z″进行重排:
z″′(1,i)=z″(1,qi),i=1,2,…,M1×N1 (12)
其中,i表示索引序列q中第i个值,
将z″′中的每8个元素变换为0到255的值,具体方式如下:
fi=z″′1+8(i-1)×27+z″′2+8(i-1)×26+z″′3+8(i-1)×25+z″′4+8((i-1)×24+z″′5+8(i-1)×23+z″′6+8(i-1)×22+z″′7+8(i-1)×21+z″′8+8(i-1)×20
其中,fi表示序列f的第i个值,z″′a是z″′中第a个值
将序列转化为扩散矩阵
6.根据权利要求1所述的基于压缩感知和蔡氏电路的图像压缩加密方法,其特征是,所述步骤6)为:
通过公式(14)计算将子带LL映射成0至255的数值:
LL′i,j=round[255×(LLi,j-LLmin)/(LLmax-LLmin)] (14)
其中round[a]是四舍五入操作,LLi,j表示LL的第i行第j列的值,LLmin是LL的最小值,LLmax是LL的最大值,另外,LL′i,j表示映射后的矩阵,
依据公式(15)将LL′i,j与扩散矩阵f′进行异或:
其中,LL′i,j表示LL′的第i行第j列元素,LL″i,j表示LL″的第i行j第n列元素,是异或运算。
7.根据权利要求1所述的基于压缩感知和蔡氏电路的图像压缩加密方法,其特征是,所述步骤7)为:
将yLH,yHH,yHL和LL″合并成一个新的矩阵P,其大小为M1×N,其中,LL″位于P(:,1:N1),yLH位于P(1:M1×N1/r1,N1+1:N),P(:,1:N1)表示P的第一列到N1列,yHH位于P(M1×N1/r1+1:2M1×N1/r1,N1+1:N),yHL位于P(2M1×N1/r1+1:M1,N1+1:N),假设LH和HH的压缩比r1等于4,HL的压缩比r2是2,
利用初始值x04=x′04+x02/100+x05/100与a04=a′04+a02/100迭代入逻辑斯蒂混沌系统M1×N次,并按降序排列得到索引序列用s对P进行重排后得到最终的加密图像E。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810011609.7A CN108235029B (zh) | 2018-01-05 | 2018-01-05 | 一种基于压缩感知和蔡氏电路的图像压缩加密方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810011609.7A CN108235029B (zh) | 2018-01-05 | 2018-01-05 | 一种基于压缩感知和蔡氏电路的图像压缩加密方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108235029A true CN108235029A (zh) | 2018-06-29 |
CN108235029B CN108235029B (zh) | 2021-03-23 |
Family
ID=62643060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810011609.7A Expired - Fee Related CN108235029B (zh) | 2018-01-05 | 2018-01-05 | 一种基于压缩感知和蔡氏电路的图像压缩加密方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108235029B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109271803A (zh) * | 2018-11-08 | 2019-01-25 | 首都师范大学 | 一种利用纳米技术进行信息加密读写的方法 |
CN109560915A (zh) * | 2018-11-27 | 2019-04-02 | 广西师范大学 | 一种基于混沌和幅相编码的非线性双图像加密方法 |
CN110417537A (zh) * | 2019-07-29 | 2019-11-05 | 广西师范大学 | 一种混沌密码系统实现防旁路攻击的方法 |
CN111614455A (zh) * | 2020-04-30 | 2020-09-01 | 河南大学 | 基于二维压缩感知和忆阻混沌系统的彩色图像压缩加密方法 |
CN111917933A (zh) * | 2020-07-16 | 2020-11-10 | 东北林业大学 | 一种基于图小波变换的图像加密方法 |
CN112134681A (zh) * | 2020-08-19 | 2020-12-25 | 河南大学 | 基于压缩感知和光学变换的图像压缩加密方法和云辅助解密方法 |
CN112153238A (zh) * | 2020-09-28 | 2020-12-29 | 华侨大学 | 一种基于Tent映射和复合混沌映射的图像加密方法 |
CN112311522A (zh) * | 2020-09-23 | 2021-02-02 | 中国人民解放军火箭军工程大学 | 一种基于混合电路系统的信号压缩加密方法 |
CN112686966A (zh) * | 2020-12-18 | 2021-04-20 | 深圳智慧林网络科技有限公司 | 图像无损压缩方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100080473A1 (en) * | 2008-09-26 | 2010-04-01 | Futurewei Technologies, Inc. | System and Method for Compressing and Decompressing Images and Video |
US20100246907A1 (en) * | 2007-08-31 | 2010-09-30 | Gooch And Housego Plc | Aotf-based imaging system and method for hyperspectral and multispectral imaging of specimens including medical tissue |
WO2011091815A1 (en) * | 2010-01-28 | 2011-08-04 | Scivis Wissenschaftliche Bildverarbeitung Gmbh | Tomographic imaging using poissonian detector data |
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 |
CN104463765A (zh) * | 2014-11-10 | 2015-03-25 | 南昌大学 | 基于稀疏基受控的图像压缩感知与图像加密的方法 |
CN105306779A (zh) * | 2015-10-27 | 2016-02-03 | 西安电子科技大学 | 基于压缩感知和索引置乱的图像加密方法 |
CN105931175A (zh) * | 2016-04-28 | 2016-09-07 | 广西师范大学 | 一种基于混沌技术的新型图像置乱方法 |
CN106600518A (zh) * | 2016-11-23 | 2017-04-26 | 河南大学 | 基于压缩感知的视觉安全和数据安全的图像加密、解密方法 |
CN107481180A (zh) * | 2017-07-06 | 2017-12-15 | 河南大学 | 基于元胞自动机和分块压缩感知的图像加密方法 |
-
2018
- 2018-01-05 CN CN201810011609.7A patent/CN108235029B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100246907A1 (en) * | 2007-08-31 | 2010-09-30 | Gooch And Housego Plc | Aotf-based imaging system and method for hyperspectral and multispectral imaging of specimens including medical tissue |
US20100080473A1 (en) * | 2008-09-26 | 2010-04-01 | Futurewei Technologies, Inc. | System and Method for Compressing and Decompressing Images and Video |
WO2011091815A1 (en) * | 2010-01-28 | 2011-08-04 | Scivis Wissenschaftliche Bildverarbeitung Gmbh | Tomographic imaging using poissonian detector data |
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 |
CN104463765A (zh) * | 2014-11-10 | 2015-03-25 | 南昌大学 | 基于稀疏基受控的图像压缩感知与图像加密的方法 |
CN105306779A (zh) * | 2015-10-27 | 2016-02-03 | 西安电子科技大学 | 基于压缩感知和索引置乱的图像加密方法 |
CN105931175A (zh) * | 2016-04-28 | 2016-09-07 | 广西师范大学 | 一种基于混沌技术的新型图像置乱方法 |
CN106600518A (zh) * | 2016-11-23 | 2017-04-26 | 河南大学 | 基于压缩感知的视觉安全和数据安全的图像加密、解密方法 |
CN107481180A (zh) * | 2017-07-06 | 2017-12-15 | 河南大学 | 基于元胞自动机和分块压缩感知的图像加密方法 |
Non-Patent Citations (2)
Title |
---|
LI MENGMEN; CHAO HAN: "《2014 Seventh International Symposium on Computational Intelligence and Design》", 9 April 2015 * |
蓝蔚巍: "《中国优秀硕士学位论文全文数据库》", 31 October 2014 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109271803A (zh) * | 2018-11-08 | 2019-01-25 | 首都师范大学 | 一种利用纳米技术进行信息加密读写的方法 |
CN109271803B (zh) * | 2018-11-08 | 2021-09-28 | 首都师范大学 | 一种利用纳米技术进行信息加密读写的方法 |
CN109560915B (zh) * | 2018-11-27 | 2021-08-03 | 广西师范大学 | 一种基于混沌和幅相编码的非线性双图像加密方法 |
CN109560915A (zh) * | 2018-11-27 | 2019-04-02 | 广西师范大学 | 一种基于混沌和幅相编码的非线性双图像加密方法 |
CN110417537A (zh) * | 2019-07-29 | 2019-11-05 | 广西师范大学 | 一种混沌密码系统实现防旁路攻击的方法 |
CN111614455A (zh) * | 2020-04-30 | 2020-09-01 | 河南大学 | 基于二维压缩感知和忆阻混沌系统的彩色图像压缩加密方法 |
CN111917933A (zh) * | 2020-07-16 | 2020-11-10 | 东北林业大学 | 一种基于图小波变换的图像加密方法 |
CN112134681A (zh) * | 2020-08-19 | 2020-12-25 | 河南大学 | 基于压缩感知和光学变换的图像压缩加密方法和云辅助解密方法 |
CN112134681B (zh) * | 2020-08-19 | 2021-11-19 | 河南大学 | 一种图像压缩加密方法和云辅助解密方法 |
CN112311522A (zh) * | 2020-09-23 | 2021-02-02 | 中国人民解放军火箭军工程大学 | 一种基于混合电路系统的信号压缩加密方法 |
CN112153238A (zh) * | 2020-09-28 | 2020-12-29 | 华侨大学 | 一种基于Tent映射和复合混沌映射的图像加密方法 |
CN112153238B (zh) * | 2020-09-28 | 2022-07-15 | 华侨大学 | 一种基于Tent映射和复合混沌映射的图像加密方法 |
CN112686966A (zh) * | 2020-12-18 | 2021-04-20 | 深圳智慧林网络科技有限公司 | 图像无损压缩方法和装置 |
CN112686966B (zh) * | 2020-12-18 | 2023-06-06 | 深圳智慧林网络科技有限公司 | 图像无损压缩方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108235029B (zh) | 2021-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108235029A (zh) | 一种基于压缩感知和蔡氏电路的图像压缩加密方法 | |
Zhou et al. | Image encryption algorithm with circle index table scrambling and partition diffusion | |
Seyedzadeh et al. | A novel color image encryption algorithm based on spatial permutation and quantum chaotic map | |
François et al. | A new image encryption scheme based on a chaotic function | |
Seyedzadeh et al. | A fast color image encryption algorithm based on coupled two-dimensional piecewise chaotic map | |
Tong et al. | A new algorithm of the combination of image compression and encryption technology based on cross chaotic map | |
Sun et al. | Image compression and encryption scheme using fractal dictionary and Julia set | |
CN104680476B (zh) | 基于二维离散小波变换和时空混沌的彩色图像无损加密方法 | |
Tang et al. | A delay coupling method to reduce the dynamical degradation of digital chaotic maps and its application for image encryption | |
CN104751401B (zh) | 一种新型的分段线性混沌映射图像加密与编码方法 | |
Jin et al. | A color image encryption scheme based on arnold scrambling and quantum chaotic. | |
Zhang et al. | A new chaotic algorithm for image encryption | |
Hu et al. | A true random number generator based on mouse movement and chaotic cryptography | |
Zhang et al. | A new algorithm of image compression and encryption based on spatiotemporal cross chaotic system | |
Hu et al. | A uniform chaotic system with extended parameter range for image encryption | |
CN105704500A (zh) | 一种新的基于混沌的图像无损压缩加密联合算法 | |
CN108898539A (zh) | 一种兼容jpeg压缩标准的彩色图像加密方法 | |
CN107733655B (zh) | 一种基于多项式重构的apuf安全认证方法 | |
CN112202545B (zh) | 基于y型填充曲线和变步长约瑟夫遍历的图像加密方法 | |
CN106407824A (zh) | 一种图像加密方法及装置 | |
CN105846814A (zh) | 针对加密技术领域乘法运算的量子逻辑电路的构造方法 | |
Liu et al. | An analogue–digital mixed method for solving the dynamical degradation of digital chaotic systems | |
CN114389788B (zh) | 混合混沌与分块置乱的图像加密算法 | |
Tong et al. | Feedback image encryption algorithm with compound chaotic stream cipher based on perturbation | |
Xiang et al. | A new perturbation-feedback hybrid control method for reducing the dynamic degradation of digital chaotic systems and its application in image encryption |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20210323 Termination date: 20220105 |
|
CF01 | Termination of patent right due to non-payment of annual fee |