CN108650434A - 一种图像加密的方法 - Google Patents

一种图像加密的方法 Download PDF

Info

Publication number
CN108650434A
CN108650434A CN201810430780.1A CN201810430780A CN108650434A CN 108650434 A CN108650434 A CN 108650434A CN 201810430780 A CN201810430780 A CN 201810430780A CN 108650434 A CN108650434 A CN 108650434A
Authority
CN
China
Prior art keywords
sequence
rectangle
intpic
image
interest
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
Application number
CN201810430780.1A
Other languages
English (en)
Other versions
CN108650434B (zh
Inventor
张晋东
刘阳
韩东岐
吴培彬
孙丁
孙一丁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN201810430780.1A priority Critical patent/CN108650434B/zh
Publication of CN108650434A publication Critical patent/CN108650434A/zh
Application granted granted Critical
Publication of CN108650434B publication Critical patent/CN108650434B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/001—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using chaotic signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Complex Calculations (AREA)

Abstract

本发明公开了一种图像加密的方法，包括步骤：对待加密图像进行典型敏感目标信息区域提取；多个典型敏感目标信息区域进行融合后得到整个感兴趣区域；利用Henon混沌序列对整个感兴趣区域进行置乱；利用改进的约瑟夫序列对经过置乱的感兴趣区域图像中的每个像素点内部进行置乱；利用统一的混沌序列产生RGB序列加密感兴趣区域；利用Logistic混沌系统产生一维混沌序列L对整个图像进行加密。本发明方法的各项参数指标都达到了较好的水平，是一个性能良好，安全强度高的图像加密方法。

Description

一种图像加密的方法
技术领域
本发明涉及图像处理技术领域，具体涉及一种图像加密的方法。
背景技术
随着信息技术的飞速发展，如今的信息时代多媒体数据的信息是多而重要的，尤其是图像数据，比传统的文字蕴含更多的信息量。随着图像分析与大数据的发展，人们可以从海量图像中获取的信息不仅仅局限于肉眼看到的信息，而且还可能隐藏着更为细小并且更加重要的信息，因此对于图像中的典型敏感目标内容信息的安全问题也得到越来越高的关注。
发明内容
针对现有技术的不足，本发明旨在提供一种图像加密的方法，可以实现更加安全、方便和有效的图像加密。
为了实现上述目的，本发明采用如下技术方案：
一种图像加密的方法，包括如下步骤：
步骤S1、图像感兴趣区提取：采用方向梯度直方图算法与支持向量机算法对待加密图像进行典型敏感目标信息区域提取，然后将提取出来的多个典型敏感目标信息区域进行融合，形成整个感兴趣区域；
步骤S2、利用Henon混沌序列对整个感兴趣区域进行置乱；
步骤S3、利用改进的约瑟夫序列对经过步骤S2置乱的感兴趣区域图像中的每个像素点内部进行置乱；
所述改进的约瑟夫映射为：J(M，ω，d，e),M表示典型敏感目标信息区域的数量；ω表示第一个报数典型敏感目标的编号；d表示报数典型敏感目标之间的间隔；e表示被淘汰的第e个典型敏感目标；当M固定时，序列由ω、d、e唯一确定：x,y＝{u|ω,d,e},y∈{1,2,....,M}，x∈{1,2,...,M},u表示ω、d、e中的一个；
利用上述改进的约瑟夫映射产生RGB置乱序列Joseph(i)来置乱intpic的每个像素点的RGB值；其中Joseph(i)由约瑟夫映射J(M，ω，d，e)产生并做如下处理：Joseph(i)＝Joseph(i)mod3；
步骤S4、利用统一的混沌序列产生RGB序列加密感兴趣区域；
步骤S5、利用Logistic混沌系统产生一维混沌序列L对整个图像进行加密。
进一步地，步骤S1的具体过程如下：
1.1)对待加密图像进行归一化处理；
1.2)计算梯度；
1.3)对于每一个cell块，对梯度直方图进行规定权的投影；
1.4)对于每个重叠的Block块内的cell块进行对比度归一化；
1.5)把所有Block块内的直方图向量一起组合成一个大的方向梯度直方图特征向量，将提取出的方向梯度直方图特征向量用支持向量机分类器判断并用矩形框标记，从而得到所有的典型敏感目标信息区域；
1.6)记提取出来的典型敏感目标信息区域有M个，每个典型敏感目标信息区域均用矩形rectangle(i)记录第i个典型敏感目标信息区域的位置，矩形rectangle(i)的左上角坐标为(rectangle(i)_x，rectangle(i)_y)，长与宽分别为rectangle(i)_length和rectangle(i)_width，变换后得出感兴趣区域的矩形为R，则R的左上角坐标(x0,y0)为：(x0,y0)＝(min(rectangle(i)_x),min(rectangle(i)_y))；
R的右下角坐标(xθ,yθ)为：
(xθ,yθ)＝
(xθ＝max(rectangle(i)_x+retangle(i)_length),
yθ＝max(rectangle(i)_y+rectangle(i)_width))
根据R的左上角坐标和右下角坐标将感兴趣区域划分出来。
进一步地，步骤S2的具体过程如下：
2.1)利用Henon混沌系统产生首先迭代产生两个大小为intpic_rows*intpic_cols的序列Xc和Yc，然后将Xc和Yc的最后一个元素Xc(intpic_rows*intpic_cols)和Yc(intpic_rows*intpic_cols)作为初始值重新进行迭代，产生3个等同于感兴趣区域图像的元素个数的二维混沌序列Xw、Yw：其中，w＝1,2,3,intpic_rows和intpic_cols分别表示感兴趣区域图像的行数和列数；
2.2)将三个Xw序列和三个Yw序列分别合成一个序列，生成大小为3*intpic_rows*intpic_cols的X序列和Y序列；
2.3)通过下列公式对X序列和Y序列进行转换：ξ(i)＝-I(ξ(i)*10β)+ξ(i)*10β；其中，ξ为映射到[-0.3,0.3]的序列；β的取值范围是2ˉ(r-lg(length(ξ)))；I()表示进行取整；10-r表示计算机的最大浮点精度；
2.4)对R，G，B像素值进行空间置乱：
将6个序列Xw、Yw(其中w＝1,2,3)分别等分为8个区域，每间隔2个区域取Xw、Yw的前rows/4和cols/4个元素分别形成大小为rows的行变换序列和大小为cols的列变换序列，然后分别对它们进行排序，生成行索引序列和列索引序列；
构造rows*rows的零矩阵，将零矩阵每行中对应的行索引序列元素值的列置1，构造出行转换矩阵Hi。同理，构造cols*cols的零矩阵，将零矩阵每列中的对应列索引序列元素值的行置1，得到列转换矩阵Li，其中i＝1,2,3；
按下式对感兴趣区域图像的R，G，B矩阵利用生成的6个转换矩阵分别进行如下方式的置乱：ηi＝Li*ηi*Hi，{ηi|R,G,B}。
进一步地，步骤S3的具体过程为：
统一的混沌序列其数学模型如下：
其中：p、q、z、a均为常数，a∈[0,1]时处于混沌状态，将参数即第二部分密钥:a2,x1,y1,z1代入统一的混沌模型中，利用4阶Runge-Kutta数值算法迭代产生LB,LG,LR三个混沌加密序列，然后利用得到的LB，LG，LR序列对B,G,R值分别依次按位取反进行加密得到加密的感兴趣区域图像。
进一步地，步骤S5的具体过程如下：
一维Logistic映射数学表达式如下：xn+1＝-αxn(xn-1),n＝1,2,3...；
其中，0≤xn≤1，α为控制参数，0<α≤4；然后对每个像素点的RGB值利用相应的L中的元素进行异或运算得到加密后的整个图像。
本发明的有益效果在于：
在图像加密时，最关心的是图像的典型敏感目标信息区域。本发明方法中，典型敏感目标信息区域是利用较为复杂的主加密方法进行加密的，攻击者没有办法得到有效信息，所以图像信息的安全性要求能够得到保证。
而且，在本发明方法中，尽管整个图像最终都会被加密，但只有典型敏感目标信息区域是利用较为复杂的主加密方法进行加密的，因此本发明方法能够在保证图片有效信息的安全性的同时避免没有必要的计算开销。
另外，本发明方法在求取典型敏感目标信息区域的过程中，特殊情况下典型敏感目标信息区域会扩展到整个图像，即整个图像均为感兴趣区域，这时所有像素点都要进行二次加密从而能够充分保障图像的安全性。
本发明中采用改进的Henon序列，改进的统一混沌序列和改进的约瑟夫序列对感兴趣区域的像素进行混乱、移位和扩散操作。这些改进后的混沌序列具有更好的随机性，并且分布均匀，使得感兴趣区域的密码图像与原图像差距更大，加密方法的密钥空间大，密码图像更加混乱，使得密码图像更加安全。
附图说明
图1为本发明的流程示意图。
具体实施方式
以下将结合附图对本发明作进一步的描述，需要说明的是，以下实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本发明的保护范围并不限于本实施例。
如图1所示，一种图像加密的方法，包括如下步骤：
步骤S1、图像感兴趣区提取
针对待加密图像中的典型敏感目标信息，本实施例中采用方向梯度直方图算法与支持向量机算法对待加密图像进行典型敏感目标信息区域提取。然后将提取出来的多个典型敏感目标信息区域进行融合，形成整个感兴趣区域。
步骤S1的具体过程如下：
1.1)对待加密图像进行归一化处理；
1.2)计算梯度；
1.3)对于每一个cel l块，对梯度直方图进行规定权的投影；
1.4)对于每个重叠的Block块内的cel l块进行对比度归一化；
1.5)把所有Block块内的直方图向量一起组合成一个大的方向梯度直方图特征向量，将提取出的方向梯度直方图特征向量用支持向量机分类器判断并用矩形框标记，从而得到所有的典型敏感目标信息区域。
1.6)记提取出来的典型敏感目标信息区域有M个，每个典型敏感目标信息区域均用矩形rectangle(i)记录第i个典型敏感目标信息区域的位置，矩形rectangle(i)的左上角坐标为(rectangle(i)_x，rectangle(i)_y)，长与宽分别为rectangle(i)_length和rectangle(i)_width，变换后得出感兴趣区域的矩形为R，则R的左上角坐标(x0,y0)为：
(x0,y0)＝(min(rectangle(i)_x),min(rectangle(i)_y))；
R的右下角坐标(xθ,yθ)为：
(xθ,yθ)＝
(xθ＝max(rectangle(i)_x+retangle(i)_length),
yθ＝max(rectangle(i)_y+rectangle(i)_width))
根据R的左上角坐标和右下角坐标将感兴趣区域划分出来，将划分出来的感兴趣区域图像记为intpic。
步骤S2、利用Henon混沌序列对整个感兴趣区域进行置乱。具体过程为：
2.1)利用Henon混沌系统产生首先迭代产生两个大小为intpic_rows*intpic_cols的序列Xc和Yc，然后将Xc和Yc的最后一个元素Xc(intpic_rows*intpic_cols)和Yc(intpic_rows*intpic_cols)作为初始值重新进行迭代，产生3个等同于intpic的元素个数的二维混沌序列Xw、Yw：其中，w＝1,2,3,intpic_rows和intpic_cols分别表示intpic的行数和列数。
2.2)将三个Xw序列和三个Yw序列分别合成一个序列，生成大小为3*intpic_rows*intpic_cols的X序列和Y序列。
2.3)通过下列公式对X序列和Y序列进行转换：ξ(i)＝-I(ξ(i)*10β)+ξ(i)*10β；
其中，ξ为映射到[-0.3,0.3]的序列；β的取值范围是2ˉ(r-lg(length(ξ)))；I()表示进行取整；10-r表示计算机的最大浮点精度。
2.4)对R，G，B像素值进行空间置乱：
将6个序列Xw、Yw(其中w＝1,2,3)分别等分为8个区域，每间隔2个区域取Xw、Yw的前rows/4和cols/4个元素分别形成大小为rows的行变换序列和大小为cols的列变换序列，然后分别对它们进行排序，生成行索引序列和列索引序列；
构造rows*rows的零矩阵，将零矩阵每行中对应的行索引序列元素值的列置1，构造出行转换矩阵Hi。同理，构造cols*cols的零矩阵，将零矩阵每列中的对应列索引序列元素值的行置1，得到列转换矩阵Li，其中i＝1,2,3；
按下式对intpic的R，G，B矩阵利用生成的6个转换矩阵分别进行如下方式的置乱：ηi＝Li*ηi*Hi，{ηi|R,G,B}。
步骤S3、利用改进的约瑟夫序列对经过步骤S2置乱的感兴趣区域图像中的每个像素点内部进行置乱。所述改进的约瑟夫映射为：J(M，ω，d，e)；
M表示典型敏感目标信息区域的数量；ω表示第一个报数典型敏感目标的编号；d表示报数典型敏感目标之间的间隔；e表示被淘汰的第e个典型敏感目标。当M固定时，序列由ω、d、e唯一确定：x,y＝{u|ω,d,e},x∈{1,2,...,M},y∈{1,2,....,M}，u表示ω、d、e中的一个。
利用上述改进的约瑟夫映射产生RGB置乱序列Joseph(i)来置乱intpic的每个像素点的RGB值；其中Joseph(i)由约瑟夫映射J(M，ω，d，e)产生并做如下处理：Joseph(i)＝Joseph(i)mod3。
步骤S4、利用统一的混沌序列产生RGB序列加密的感兴趣区域；
统一的混沌序列其数学模型如下：
其中：p、q、z、a均为常数，a∈[0,1]时处于混沌状态，将参数即第二部分密钥:a2,x1,y1,z1代入统一的混沌模型中，利用4阶Runge-Kutta数值算法迭代产生LB,LG,LR三个混沌加密序列，然后利用得到的LB，LG，LR序列对B,G,R值分别依次按位取反进行加密得到加密的intpic图像。
步骤S5、利用Logistic混沌系统产生一维混沌序列L对整个图像进行加密。
一维Logistic映射数学表达式如下：xn+1＝-αxn(xn-1),n＝1,2,3...；
其中，0≤xn≤1，α为控制参数，0<α≤4。然后对每个像素点的RGB值利用相应的L中的元素进行异或运算得到加密后的整个图像。对于本领域的技术人员来说，可以根据以上的技术方案和构思，给出各种相应的改变和变形，而所有的这些改变和变形，都应该包括在本发明权利要求的保护范围之内。

Claims (5)

1.一种图像加密的方法，其特征在于，包括如下步骤：
步骤S1、图像感兴趣区提取：采用方向梯度直方图算法与支持向量机算法对待加密图像进行典型敏感目标信息区域提取，然后将提取出来的多个典型敏感目标信息区域进行融合，形成整个感兴趣区域；
步骤S2、利用Henon混沌序列对整个感兴趣区域进行置乱；
步骤S3、利用改进的约瑟夫序列对经过步骤S2置乱的感兴趣区域图像中的每个像素点内部进行置乱；
所述改进的约瑟夫映射为：J(M，ω，d，e),M表示典型敏感目标信息区域的数量；ω表示第一个报数典型敏感目标的编号；d表示报数典型敏感目标之间的间隔；e表示被淘汰的第e个典型敏感目标；当M固定时，序列由ω、d、e唯一确定：x,y＝{u|ω,d,e},x∈{1,2,...,M},y∈{1,2,....,M}，u表示ω、d、e中的一个；
利用上述改进的约瑟夫映射产生RGB置乱序列Joseph(i)来置乱intpic的每个像素点的RGB值；其中Joseph(i)由约瑟夫映射J(M，ω，d，e)产生并做如下处理：Joseph(i)＝Joseph(i)mod3；
步骤S4、利用统一的混沌序列产生RGB序列加密感兴趣区域；
步骤S5、利用Logistic混沌系统产生一维混沌序列L对整个图像进行加密。
2.根据权利要求1所述的方法，其特征在于，步骤S1的具体过程如下：
1.1)对待加密图像进行归一化处理；
1.2)计算梯度；
1.3)对于每一个cell块，对梯度直方图进行规定权的投影；
1.4)对于每个重叠的Block块内的cell块进行对比度归一化；
1.5)把所有Block块内的直方图向量一起组合成一个大的方向梯度直方图特征向量，将提取出的方向梯度直方图特征向量用支持向量机分类器判断并用矩形框标记，从而得到所有的典型敏感目标信息区域；
1.6)记提取出来的典型敏感目标信息区域有M个，每个典型敏感目标信息区域均用矩形rectangle(i)记录第i个典型敏感目标信息区域的位置，矩形rectangle(i)的左上角坐标为(rectangle(i)_x，rectangle(i)_y)，长与宽分别为rectangle(i)_length和rectangle(i)_width，变换后得出感兴趣区域的矩形为R，则R的左上角坐标(x0,y0)为：(x0,y0)＝(min(rectangle(i)_x),min(rectangle(i)_y))；
R的右下角坐标(xθ,yθ)为：
(xθ,yθ)＝(xθ＝max(rectangle(i)_x+retangle(i)_length),yθ＝max(rectangle(i)_y+rectangle(i)_width))
根据R的左上角坐标和右下角坐标将感兴趣区域划分出来。
3.根据权利要求1所述的方法，其特征在于，步骤S2的具体过程如下：
2.1)利用Henon混沌系统产生首先迭代产生两个大小为intpic_rows*intpic_cols的序列Xc和Yc，然后将Xc和Yc的最后一个元素Xc(intpic_rows*intpic_cols)和Yc(intpic_rows*intpic_cols)作为初始值重新进行迭代，产生3个等同于感兴趣区域图像的元素个数的二维混沌序列Xw、Yw：其中，w＝1,2,3,intpic_rows和intpic_cols分别表示感兴趣区域图像的行数和列数；
2.2)将三个Xw序列和三个Yw序列分别合成一个序列，生成大小为3*intpic_rows*intpic_cols的X序列和Y序列；
2.3)通过下列公式对X序列和Y序列进行转换：ξ(i)＝-I(ξ(i)*10β)+ξ(i)*10β；其中，ξ为映射到[-0.3,0.3]的序列；β的取值范围是2-(r-lg(length(ξ)))；I()表示进行取整；10-r表示计算机的最大浮点精度；
2.4)对R，G，B像素值进行空间置乱：
将6个序列Xw、Yw(其中w＝1,2,3)分别等分为8个区域，每间隔2个区域取Xw、Yw的前rows/4和cols/4个元素分别形成大小为rows的行变换序列和大小为cols的列变换序列，然后分别对它们进行排序，生成行索引序列和列索引序列；
构造rows*rows的零矩阵，将零矩阵每行中对应的行索引序列元素值的列置1，构造出行转换矩阵Hi；同理，构造cols*cols的零矩阵，将零矩阵每列中的对应列索引序列元素值的行置1，得到列转换矩阵Li，其中i＝1,2,3；
按下式对感兴趣区域图像的R，G，B矩阵利用生成的6个转换矩阵分别进行如下方式的置乱：ηi＝Li*ηi*Hi，{ηi|R,G,B}。
4.根据权利要求1所述的方法，其特征在于，步骤S3的具体过程为：
统一的混沌序列其数学模型如下：
其中：p、q、z、a均为常数，a∈[0,1]时处于混沌状态，将参数即第二部分密钥:a2,x1,y1,z1代入统一的混沌模型中，利用4阶Runge-Kutta数值算法迭代产生LB,LG,LR三个混沌加密序列，然后利用得到的LB，LG，LR序列对B,G,R值分别依次按位取反进行加密得到加密的感兴趣区域图像。
5.根据权利要求1所述的方法，其特征在于，步骤S5的具体过程如下：
一维Logistic映射数学表达式如下：xn+1＝-αxn(xn-1),n＝1,2,3...其中，0≤xn≤1，α为控制参数，0<α≤4；然后对每个像素点的RGB值利用相应的L中的元素进行异或运算得到加密后的整个图像。
CN201810430780.1A 2018-05-08 2018-05-08 一种图像加密的方法 Expired - Fee Related CN108650434B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810430780.1A CN108650434B (zh) 2018-05-08 2018-05-08 一种图像加密的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810430780.1A CN108650434B (zh) 2018-05-08 2018-05-08 一种图像加密的方法

Publications (2)

Publication Number Publication Date
CN108650434A true CN108650434A (zh) 2018-10-12
CN108650434B CN108650434B (zh) 2019-08-20

Family

ID=63749725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810430780.1A Expired - Fee Related CN108650434B (zh) 2018-05-08 2018-05-08 一种图像加密的方法

Country Status (1)

Country Link
CN (1) CN108650434B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110086600A (zh) * 2019-04-28 2019-08-02 郑州轻工业学院 一种基于超混沌系统和变步长约瑟夫问题的图像加密方法
CN110211018A (zh) * 2019-06-12 2019-09-06 山东科技大学 一种基于奇偶判别策略的混沌加密可逆信息隐藏方法
CN110430036A (zh) * 2019-07-05 2019-11-08 云南大学 一种基于倒差混沌映射的rgb彩色图像加密方法
CN111048185A (zh) * 2019-12-25 2020-04-21 长春理工大学 基于机器学习的感兴趣区域参数博弈分析方法
CN111105339A (zh) * 2019-12-23 2020-05-05 郑州轻工业大学 一种基于多维混沌系统和约瑟夫置乱的图像加密方法
CN111274550A (zh) * 2020-01-19 2020-06-12 牡丹江医学院 基于混沌随机序列的多媒体流文件数字版权的保护方法
CN112422266A (zh) * 2020-10-28 2021-02-26 郑州轻工业大学 一种基于约瑟夫遍历和位平面重构的超混沌加密方法
CN112714235A (zh) * 2020-12-22 2021-04-27 郑州轻工业大学 一种基于填充曲线和相邻像素比特置乱的图像加密方法
US20220109556A1 (en) * 2019-01-30 2022-04-07 Sony Group Corporation Sensor device and encryption method
CN115378574A (zh) * 2022-08-09 2022-11-22 徐州恒佳电子科技有限公司 一种轻量级动态图像数据加密方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106971114A (zh) * 2017-03-31 2017-07-21 联想(北京)有限公司 一种图像保密的方法及装置
CN107862212A (zh) * 2017-11-27 2018-03-30 河海大学 一种基于像素位的图像置乱方法
CN107977580A (zh) * 2016-10-25 2018-05-01 中国电信股份有限公司 医学图像的加密、解密方法和装置及医学图像的处理系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107977580A (zh) * 2016-10-25 2018-05-01 中国电信股份有限公司 医学图像的加密、解密方法和装置及医学图像的处理系统
CN106971114A (zh) * 2017-03-31 2017-07-21 联想(北京)有限公司 一种图像保密的方法及装置
CN107862212A (zh) * 2017-11-27 2018-03-30 河海大学 一种基于像素位的图像置乱方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭毅等: "基于约瑟夫和Henon映射的比特位图像加密算法", 《计算机应用研究》 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220109556A1 (en) * 2019-01-30 2022-04-07 Sony Group Corporation Sensor device and encryption method
CN110086600B (zh) * 2019-04-28 2020-11-06 郑州轻工业学院 一种基于超混沌系统和变步长约瑟夫问题的图像加密方法
CN110086600A (zh) * 2019-04-28 2019-08-02 郑州轻工业学院 一种基于超混沌系统和变步长约瑟夫问题的图像加密方法
CN110211018A (zh) * 2019-06-12 2019-09-06 山东科技大学 一种基于奇偶判别策略的混沌加密可逆信息隐藏方法
CN110430036A (zh) * 2019-07-05 2019-11-08 云南大学 一种基于倒差混沌映射的rgb彩色图像加密方法
CN110430036B (zh) * 2019-07-05 2021-09-07 云南大学 一种基于倒差混沌映射的rgb彩色图像加密方法
CN111105339A (zh) * 2019-12-23 2020-05-05 郑州轻工业大学 一种基于多维混沌系统和约瑟夫置乱的图像加密方法
CN111048185A (zh) * 2019-12-25 2020-04-21 长春理工大学 基于机器学习的感兴趣区域参数博弈分析方法
CN111048185B (zh) * 2019-12-25 2023-03-28 长春理工大学 基于机器学习的感兴趣区域参数博弈分析方法
CN111274550A (zh) * 2020-01-19 2020-06-12 牡丹江医学院 基于混沌随机序列的多媒体流文件数字版权的保护方法
CN112422266B (zh) * 2020-10-28 2022-07-15 郑州轻工业大学 一种基于约瑟夫遍历和位平面重构的超混沌加密方法
CN112422266A (zh) * 2020-10-28 2021-02-26 郑州轻工业大学 一种基于约瑟夫遍历和位平面重构的超混沌加密方法
CN112714235B (zh) * 2020-12-22 2021-10-26 郑州轻工业大学 一种基于填充曲线和相邻像素比特置乱的图像加密方法
CN112714235A (zh) * 2020-12-22 2021-04-27 郑州轻工业大学 一种基于填充曲线和相邻像素比特置乱的图像加密方法
CN115378574A (zh) * 2022-08-09 2022-11-22 徐州恒佳电子科技有限公司 一种轻量级动态图像数据加密方法及系统
CN115378574B (zh) * 2022-08-09 2023-12-19 徐州恒佳电子科技有限公司 一种轻量级动态图像数据加密方法及系统

Also Published As

Publication number Publication date
CN108650434B (zh) 2019-08-20

Similar Documents

Publication Publication Date Title
CN108650434B (zh) 一种图像加密的方法
Chai et al. TPE-GAN: Thumbnail preserving encryption based on GAN with key
Li et al. Linestofacephoto: Face photo generation from lines with conditional self-attention generative adversarial networks
Chen et al. Locally GAN-generated face detection based on an improved Xception
Dalhoum et al. Digital image scrambling using 2 D cellular automata
Song et al. Protection of image ROI using chaos-based encryption and DCNN-based object detection
CN106023052B (zh) 基于忆阻超混沌系统、元胞自动机和dna计算的图像加密方法
CN110430337B (zh) 图像伪装及图像恢复的方法、设备和存储介质
Qin et al. A novel steganography for spatial color images based on pixel vector cost
Qadir et al. Digital image scrambling based on two dimensional cellular automata
CN112788195A (zh) 图像处理方法、装置和设备
CN112231745A (zh) 一种基于几何变形的大数据安全隐私保护方法、存储介质
CN106530197A (zh) 一种基于Kent映射和广义Gray码的图像加密方法
CN106127669B (zh) 基于保面积Baker映射的混沌图像加密方法
Kechaidou et al. Game of life variations for image scrambling
Yi et al. An algorithm of image encryption based on AES & Rossler hyperchaotic modeling
CN111131657B (zh) 基于自验证矩阵的混沌医学图像防篡改加密方法
CN111260532B (zh) 隐私图像加密方法、装置、电子设备及计算机可读存储介质
CN108021815A (zh) 图像加密方法、装置及电子设备
CN115766964B (zh) 基于压缩感知和可变滤波器扩散的图像加密方法及系统
CN107590843A (zh) 基于构造的二维可逆元胞自动机的图像加密方法
CN108924379B (zh) 一种数字图像加密方法
CN112800452B (zh) 用户身份图像处理和识别的方法及装置
CN114723984A (zh) 一种全自动的人像数据匿名化方法
Annaby et al. Geometric stability estimates for 3D-object encryption through permutations and rotations

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: 20190820

Termination date: 20200508

CF01 Termination of patent right due to non-payment of annual fee