CN110197077B - 基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法 - Google Patents

基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法 Download PDF

Info

Publication number
CN110197077B
CN110197077B CN201910467010.9A CN201910467010A CN110197077B CN 110197077 B CN110197077 B CN 110197077B CN 201910467010 A CN201910467010 A CN 201910467010A CN 110197077 B CN110197077 B CN 110197077B
Authority
CN
China
Prior art keywords
region
band
sequence
frequency sub
chaotic
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.)
Active
Application number
CN201910467010.9A
Other languages
English (en)
Other versions
CN110197077A (zh
Inventor
李锦青
底晓强
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.)
Changchun University of Science and Technology
Original Assignee
Changchun University of Science and Technology
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 Changchun University of Science and Technology filed Critical Changchun University of Science and Technology
Priority to CN201910467010.9A priority Critical patent/CN110197077B/zh
Publication of CN110197077A publication Critical patent/CN110197077A/zh
Application granted granted Critical
Publication of CN110197077B publication Critical patent/CN110197077B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/08—Computing arrangements based on specific mathematical models using chaos models or non-linear system models
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20092—Interactive image processing based on input by user
    • G06T2207/20104—Interactive definition of region of interest [ROI]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Nonlinear Science (AREA)
  • Health & Medical Sciences (AREA)
  • Bioethics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法，涉及图像信息安全技术领域，解决现有医学图像加密技术加密效率低，无法抵抗已知明文和选择明文攻击的安全缺陷，本发明提出的基于信息熵更新密钥的感兴趣区域医学图像混沌加密解密方法，本发明利用小波变换对医学图像的感兴趣区域进行处理，实现了图像的频域加密。同时，使用超混沌系统来置乱扩散医学图像的感兴趣区域，从而实现图像在空间域的保护。此外，本发明设计信息熵密钥更新方法，使密钥不仅与混沌系统的参数有关，而且与明文图像有关，从而能够抵抗已知明文攻击或者选择明文攻击。

Description

基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法
技术领域
本发明涉及图像信息安全技术领域，具体涉及一种基于信息熵密钥更新方法的感兴趣区域医学图像混沌加密解密方法。
背景技术
“互联网+”时代的不断发展，让各行各业都进入了信息化发展进程。在这样的时代背景下，为了满足不同地区不同人群的不同需求“互联网+医疗”应运而生。其为解决人们与日俱增的对医疗需求和医疗技术发展不平衡之间的矛盾，以互联网为载体利用日益更新的技术手段，实现了远程医疗、在线问诊和电子健康档案等多种模式的医疗服务。而与此同时这种模式的运营也带来了信息安全问题，面对互联网这种复杂的环境，电子医疗文档在远程传输时总会遇到信息泄露、被窃取、被修改等安全问题。而在信息传输中，医学图像由于其直观显示病人病情，包含信息内容丰富，在电子文档中占据了相当大的比重。为防止其他人通过技术手段非法获取病人信息，需要在信息在传输之前进行加密，以保障图像安全。然而，由于医学图像具有数据量大、格式复杂和相邻像素间的相关性强的特征，传统的加密方法，诸如DES，AES，IDEA，RSA等的加密性能存在着安全性差、效率低以及等缺点不适合医学图像加密。
混沌系统所具有的优良特性使其特别适合应用于加密，众学者利用混沌序列对医学图像进行混淆和扩散，实现保护图像信息的目的。与普通数字图像不同，医学图像具有较强的识别性，其通常由包含所有有用信息的感兴趣区域(ROI)和包含无关信息的背景区域组成，全局加密的方案加密效率较低。
发明内容
本发明为解决现有医学图像加密技术加密效率低，无法抵抗已知明文和选择明文攻击的安全缺陷，提供一种基于信息熵密钥更新方法的感兴趣区域医学图像混沌加密解密方法。
步骤一、选择M×N的灰度医学图像作为原始图像Pimg；
步骤二、将原始图像Pimg分为大小为n×n的图像块Bs，获得M×N/(n×n)个图像块，s＝1,2,3,...,M×N/(n×n)，其中n为用户根据需求所划分的图像块大小；
步骤三、计算步骤二所述图像块Bs内所有像素灰度值的平均值
Figure BDA0002079744090000011
步骤四、感兴趣区域判别，判别方法如下：
当平均值
Figure BDA0002079744090000012
时，则图像块Bs为感兴趣区域ROIBr，设置对应的第s个感兴趣区域标志位ROI_flags为1；
当平均值
Figure BDA0002079744090000013
时，则该图像块Bs为非感兴趣区域RONI，设置对应的第s个感兴趣区域标志位ROI_flags为0；
其中t为感兴趣区域阈值，r为图像感兴趣区域编号，r＝1,2,…,sum(ROI_flags)；sum(ROI_flags)为Pimg中所有被判别为感兴趣区域的图像块的个数；
步骤五、将步骤四所述r个感兴趣区域ROIBr进行矩阵重排，变形为长度为n×n的感兴趣区域序列SROIBr；
步骤六、将步骤五获得的r个感兴趣区域序列SROIBr按照从上向下的顺序组合成矩阵，获得大小为(n×n)×sum(ROI_flags)感兴趣区域矩阵ROI_M；
步骤七、对步骤六所述感兴趣区域矩阵ROI_M进行二维离散小波变换，获得四个小波子带，分别为低频子带ROIcA，高频子带ROIcH、高频子带ROIcV和高频子带ROIcD；
步骤八、对步骤七获得的低频子带ROIcA转换为带符号十六位整数，然后进行混沌加密，获得低频子带密文矩阵EnROIcA，具体加密方法如下：
步骤八一、由用户设定x0，y0，z0，u0，ω0的值作为低频子带加密密钥；
步骤八二、将大小为LL×LH的低频子带ROIcA变形为一维低频子带矩阵SROIcA；计算所述一维低频子带矩阵SROIcA的信息熵H(SROIcA)；采用下式进行信息熵初值的更新，获得混沌系统初值：
q0＝(H(SROIcA)+1)/(1+H(SROIcA)+x0+y0)
式中q0为混沌系统初值；
步骤八三、采用步骤八二所述的q0作为混沌映射系统初值，将混沌映射系统迭代Time1次，生成混沌序列Q；Time1的值大于LL×LH；
舍弃所述混沌序列Q的前t1个迭代结果，从第t1+1个值开始顺序选取LL×LH个值作为低频子带置乱序列Q2；
并将所述低频子带置乱序列Q2升序排序，并记录索引值，组成索引序列T；
步骤八四、将步骤八二中所述的一维低频子带序列SROIcA按照步骤八三获得的索引序列T进行置乱，获得置乱后的低频子带置乱序列CSROIcA；
步骤八五、采用高维超混沌系统生成混沌扩散序列Y，舍弃混沌扩散序列Y的前t2个值，从t2+1开始顺序选取LL×LH个值作为低频子带密钥流K，并对K做如下处理：
K＝int16(mod(floor(K×104),256))
式中，mod为取模函数，floor为向下取整，int16为将矩阵内数值转换为带符号的16位整数；
将所述低频子带密钥流K进行下式操作，生成低频子带扩散密钥流K2：
K2＝bitxor(K(i1),K)
其中i1＝1,2,…,LL×LH；
步骤八六、将步骤八五获得的低频子带扩散密钥流K2与步骤八二所述的一维低频子带矩阵SROIcA进行按位异或运算，获得低频子带加密序列K3:
将所述低频子带加密序列K3与步骤八四中获得置乱后的低频子带置乱序列CSROIcA进行按比特异或操作，获得低频子带密文序列C；
步骤八七、将步骤八六获得的低频子带密文序列C变形，变成大小为LL×LH的低频子带密文矩阵EnROIcA，用下式表示为：
EnROIcA＝reshape(C,LL,LH)
步骤九、将低频子带密文矩阵EnROIcA与步骤七中所述高频子带ROIcH，ROIcV，ROIcD进行拼接，获得感兴趣区域ROI2；拼接方法如下式：
ROI2＝[EnROIcA,ROIcV；ROIcH,ROIcD]；
将所述感兴趣区域ROI2进行混沌加密，获得加密后的感兴趣区域密文EnROI；
步骤十、将步骤九所述感兴趣区域密文EnROI归一化处理，获得归一化感兴趣密文normal_EnROI，将所述归一化感兴趣密文normal_EnROI转换成16位无符号整数类型，生成16位无符号整数感兴趣区域密文EnROI2；
步骤十一、将步骤十所述的16位无符号整数感兴趣区域密文EnROI2，按照步骤四所述判别为感兴趣区域标志位ROI_flags为1的块位置放回，获得最终加密图像EnImg。
本发明的有益效果：本发明提出的基于信息熵更新密钥的感兴趣区域医学图像混沌加密解密方法，本发明利用小波变换对医学图像的感兴趣区域进行处理，实现了图像的频域加密。同时，使用超混沌系统来置乱扩散医学图像的感兴趣区域，从而实现图像在空间域的保护。此外，本发明设计信息熵密钥更新方法，使密钥不仅与混沌系统的参数有关，而且与明文图像有关，从而能够抵抗已知明文攻击或者选择明文攻击。
附图说明
图1为本发明所述基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法流程图；
图2为本发明所述基于信息熵更新密钥的感兴趣区域医学图像混沌解密方法流程图；
图3为本发明所述基于信息熵更新密钥的感兴趣区域医学图像混沌加密解密方法效果图：其中图A为“胸部最大密度投影”灰度医学图像原始图像，图B为“胸部最大密度投影”灰度医学图像加密图像，图C为“胸部最大密度投影”灰度医学图像解密图像；
具体实施方式
具体实施方式一、结合图1至图3说明本实施方式，基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法，该方法由以下步骤实现：
步骤一、取大小为512×512的“胸部最大密度投影”灰度医学图像，如附图3A)所示，作为原始图像Pimg。
步骤二、将原始图像Pimg分为大小为2×2的图像块Bs，共得65536个图像块，其中s为图像块B的编号，s＝1,2,…,65536。
步骤三、根据公式(1)依次计算步骤二所述图像块Bs内所有像素灰度值的平
Figure BDA0002079744090000031
Figure BDA0002079744090000032
其中mean2()表示矩阵均值函数。
步骤四、感兴趣区域判别，判别方法如下：
当
Figure BDA0002079744090000033
时，则该图像块Bs为感兴趣区域ROIBr。设置对应的感兴趣区域标志位ROI_flags为1。
当
Figure BDA0002079744090000034
时，则该图像块Bs为非感兴趣区域RONI。设置对应的感兴趣区域标志位ROI_flags为0。
其中t为感兴趣区域阈值，为用户根据加密安全需求设定。其中r为图像感兴趣区域编号，r＝1,2,…,sum(ROI_flags)。其中ROI_flags为对应的第s个感兴趣区域的标志位，sum(ROI_flags)为Pimg中所有被判别为感兴趣区域的图像块的个数。在本实施例中，t＝0,thoraxMIP灰度医学图像的中sum(ROI_flags)即感兴趣区域的总数量为37259。
步骤五、将步骤四所述r个感兴趣区域ROIBr进行矩阵重排，变形为长度为2×2的感兴趣区域序列SROIBr。
步骤六、将步骤五所述的r个感兴趣区域序列SROIBr按照从上向下的顺序组合成矩阵，得到大小为(2×2)×37259感兴趣区域矩阵ROI_M，操作方法如公式(2)下所示：
ROI_M＝[SROIB1,SROIB2,…,SROIB37259] (2)
步骤七、对步骤六所述感兴趣区域矩阵ROI_M根据公式(3)进行二维离散小波变换。得四个小波子带，分别为低频子带ROIcA，高频子带ROIcH、ROIcV和ROIcD。
Figure BDA0002079744090000043
其中liftwave表示小波基的种类，Int2Int表示整数变换；lwt2是二维离散小波整数变换函数，double是将矩阵数据类型转为double类型的函数，本实例中选用‘haar’小波基，即小波变换的母函数。
步骤八、对步骤七得到的低频子带ROIcA转换为带符号十六位整数，然后进行混沌加密，得密文低频子带EnROIcA，具体加密方法如下：
8A、由用户设定x0，y0，z0，u0，ω0的值作为低频子带加密密钥，在本实施例中x0＝10，y0＝10，z0＝10，u0＝10，ω0＝10；
8B、将大小为2×18630的低频子带ROIcA根据公式(4)变形为一维低频子带矩阵SROIcA:
SROIcA＝reshape(ROIcA,1,[]) (4)
其中reshape()表示矩形变形函数。
8C、计算一维低频子带矩阵SROIcA的信息熵，求信息熵的公式如下
Figure BDA0002079744090000041
其中pi表示像素i的概率，H(SROIcA)为一维低频子带矩阵SROIcA的信息熵，本实例中一维低频子带矩阵信息熵为7.371715144230266。
8D、采用公式(6)所示方法进行信息熵初值更新方法生成混沌系统初值：
q0＝(H(SROIcA)+1)/(1+H(SROIcA)+x0+y0) (6)
其中q0表示混沌系统初值，本实例中q0为0.295072578505454。
8E、选择Tent映射生成混沌序列，Tent混沌状态方程如公式(7)所示：
Figure BDA0002079744090000042
其中μ为Tent映射的控制参数，在本实例中μ＝1.99999，q0为Tent映射的系统初值，
将公式(7)所示Tent混沌系统迭代3×(2×18630)次，生成混沌序列Q＝[q1,q2,…,q111780]。
8F、舍弃步骤8E所述混沌序列Q的前9999个迭代结果，从第10000个值开始顺序选取37260个值作为低频子带置乱序列Q2。
8G、将Q2按照公式(8)升序排序，并记录其索引值为T。
[Q_sorted,T]＝sort(Q2) (8)
其中sort()表示排序函数，Q_sorted表示Q2升序排序后的序列，T表示排序后Q_sorted的数值在Q2中位置信息。
8H、将步骤8B所述的一维低频子带序列SROIcA，按照步骤8G)得到的索引序列T进行置乱得到低频子带置乱序列CSROIcA，置乱公式如下：
CSROIcA＝SROIcA(T) (9)
8I、选择五维超混沌系统生成混沌序列，混沌方程如公式(10)所示：
Figure BDA0002079744090000051
其中a，b，c为常数参数，h，p1，p2为控制参数，在本实施例中a＝10，b＝8/3，c＝28，h＝-2，m1＝0.4，m2＝8，使用步骤(8A)所述加密密钥x0，y0，z0，u0，ω0作为混沌系统的初始参数，迭代60000次，得到五维混沌矩阵A，
Figure BDA0002079744090000052
将五维混沌矩阵A按照公式(11)所示方法转换为混沌扩散序列Y。
Y＝reshape(A,1,[])； (11)
8J、从步骤8I中生成的混沌扩散序列Y的第10000个值开始顺序选取37260个值作为低频子带密钥流K，并对K做如下处理：
K＝int16(mod(floor(K×104)，256)) (12)
其中mod为取模函数，floor为向下取整，int16为将矩阵内数值转换为带符号的16位整数。
8K、将低频子带密钥流K进行公式(13)所示的操作，生成低频子带扩散密钥流K2：
K2＝bitxor(K(i1),K) (13)
其中i1＝1,2,…,37260。
8L、将低频子带扩散密钥流K2与步骤8B所述一维低频子带矩阵SROIcA执行公式(14)所述操作，得到低频子带加密序列K3:
K3(j)＝bitxor(K2(j),SROIcA(j-1))；j＝2,3,4,...,37260 (14)
8M、将步骤8K所述的低频子带加密序列K3和步骤8G中得到的低频子带置乱序列CSROIcA进行按比特异或操作得到低频子带密文序列C，方法如下
C＝bitxor(K3,CSROIcA) (15)
8N、将低频子带密文序列C变形，变成大小为2×18630的低频子带密文矩阵EnROIcA，方法如公式(16)所示：
EnROIcA＝reshape(C,2,18630) (16)
步骤九、将密文低频子带密文矩阵EnROIcA与步骤七中所述高频子带ROIcH，ROIcV，ROIcD进行拼接。拼接方法如公式(17)所示，得感兴趣区域ROI2:
ROI2＝[EnROIcA,ROIcV；ROIcH,ROIcD]； (17)
步骤十、将步骤九所述感兴趣区域ROI2进行混沌加密，得加密后的感兴趣区域密文EnROI。
10A、选择x'0＝10，y'0＝11，z'0＝10，u'0＝10，ω'0＝10作为感兴趣区域加密密钥；
10B、将大小为4×37259的感兴趣区域ROI2变形为一维感兴趣区域矩阵SROI，公式如下:
SROI＝reshape(ROI2,1,[]) (18)
10C、选择Tent映射生成混沌序列，q'0为Tent映射的系统初值，采用公式(19)方法进行初值更新
q'0＝1/(1+x'0+y'0) (19)
其中，本实例中q'0＝0.04545455。将公式(5)所示Tent映射混沌系统迭代3×(4×37259)次，生成混沌序列Q'＝[q1',q'2,…,q'447108]。
10D、舍弃步骤10C所述混沌序列Q'的前9999个迭代结果，从第10000个值开始顺序选取149036个值作为感兴趣区域置乱序列Q'2。
10E、将Q'2按照公式(20)升序排序，并记录索引值，组成索引序列T2。
[Q'2_sorted,T2]＝sort(Q'2) (20)
其中sort()表示排序函数，Q'2_sorted表示Q'2升序排序后的序列，T2表示排序后Q'2_sorted的数值在Q'2中的位置信息。
10F、将步骤10B所述一维感兴趣区域SROI，按照步骤10E)得到的索引序列T2进行置乱得到感兴趣区域置乱序列CSROI，置乱公式如下：
CSROI＝SROI(T2) (21)
10G、使用五维超混沌系统生成混沌序列，混沌方程如公式(10)所示，其中a，b，c为常数参数，h，p1，p2为控制参数，在本实施例中a＝10，b＝8/3，c＝28，h＝-2，m1＝0.4，m2＝8，使用步骤10A)所述感兴趣区域加密密钥x'0，y'0，z'0，u'0，ω'0作为混沌系统的初始值，迭代60000次，生成五维混沌矩阵W，
Figure BDA0002079744090000071
将五维混沌矩阵按照公式(22)所示方法转换为一维混沌序列，记为X。
X＝reshape(W,1,[]) (22)
10H、从步骤10G中生成的混沌序列X的第10000个值开始顺序选取149036个值作为感兴趣区域密钥流K4，并对K4做如下处理：
K4＝int16(mod(floor(K4×104),256))； (23)
其中mod为取模函数，floor为向下取整，int16为将矩阵内数值转换为带符号的16位整数。
10I、将感兴趣区域密钥流K4进行扩散生成感兴趣区域扩散密钥流K5,具体公式如下：
K5＝bitxor(K4(i2),K4) (24)
其中i2＝1，2…,149036。
10J、将感兴趣区域扩散密钥流K5与步骤10B)所述一维感兴趣区域矩阵SROI执行公式(25)所述操作，得到感兴趣区域加密序列K6
K6(k)＝bitxor(K5(k),SROIcA(k-1))；k＝2,3,4,...,149036 (25)
10K、将步骤10J中得到的感兴趣区域加密序列K6和步骤10F)中得到的感兴趣区域置乱序列CSROI进行按比特异或操作得到感兴趣区域密文序列C2，具体步骤如下
C2＝bitxor(K6,CSROI) (26)
10L、将感兴趣区域密文序列C2变形，变成大小为4×37259的感兴趣区域密文EnROI，变形公式如下：
EnROI＝reshape(C2,4,37259) (27)
步骤十一、将步骤十所述感兴趣区域密文EnROI归一化处理，得到归一化感兴趣密文normal_EnROI，用下式表示为：
[normal_EnROI,ps]＝mapminmax(EnROI,0,1) (28)
其中mapminmax为归一化函数，ps表示映射前矩阵相关参数的结构体。
步骤十二、将步骤十一所述的归一化感兴趣密文normal_EnROI转换成16位无符号整数类型，生成16位无符号整数感兴趣区域密文EnROI2，公式如下：
EnROI2＝im2uint16(normal_EnROI) (29)
其中im2uint16表示将图像数组转换成unit16类型函数。
步骤十三、将步骤十二所述16位无符号整数感兴趣区域密文EnROI2，按照步骤四所述判别为感兴趣区域标志位ROI_flags为1的块位置放回，得最终加密图像EnImg。
具体实施方式二、结合图2和图3说明本实施方式，本实施方式为具体实施方式一所述的基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法的解密方法，具体过程为：
步骤A、取大小为512×512的灰度医学密文图像EnImg作为加密图像。
步骤B、将加密图像EnImg分为大小为2×2的图像块B2s,共得65536个图像块，其中s为图像块B2的编号，s＝1,2,…,65536。
步骤C、根据公式(30)依次计算步骤二所述图像块B2s内所有像素灰度值的平均值
Figure BDA0002079744090000081
Figure BDA0002079744090000082
其中mean2()表示矩阵均值函数。
步骤D、加密图像的加密区域判别，判别方法如下：
当
Figure BDA0002079744090000083
时，则该图像块B2s为加密区域EnROIBk。设置对应的加密区域标志位EnROI_flagk为1。
当
Figure BDA0002079744090000084
时，则该图像块B2s为非加密区域。设置对应的加密区域标志位EnROI_flagk为0。
其中t为加密过程中的感兴趣区域阀值，其中k为图像加密区域编号，k＝1,2,…,sum(EnROI_flagk)。其中EnROI_flagk为对应的第k个加密区域的标志位，sum(EnROI_flagk)为EnImg中所有被判别为加密区域的图像块的个数。在本实施例中，密文图像的中sum(EnROI_flagk)即加密区域的总数量为37259。
步骤E、将步骤四所述k个加密区域EnROIBk进行矩阵重排，变形为长度为2×2的加密区域序列SEnROIBk。
步骤F、将步骤五所述的k个加密区域序列SEnROIBk按照从上向下的顺序组合成矩阵，得到大小为(2×2)×37259加密区域矩阵EnROI3，操作方法如公式(31)下所示：
EnROI3＝[SEnROIB1,SEnROIB2,…,SEnROIB37259] (31)
步骤G、将步骤六所述加密区域矩阵EnROI3进行归一化处理，得到归一化加密区域矩阵normal_EnROI3，公式如下：
normal_EnROI3＝mat2gray(EnROI3)； (32)
其中mat2gray表示归一化处理函数。
步骤H、将步骤七所述归一化加密区域矩阵normal_EnROI3进行反归一化处理，得到反
归一化加密区域矩阵EnROI4，操作方法如公式(33)所示：
EnROI4＝mapminmax('reverse',normal_EnROI3,ps) (33)
其中mapminmax为归一化函数，reverse表示执行反归一化操作，ps表示映射前矩阵相关参数的结构体；
步骤I、对步骤八所述的反归一化加密区域矩阵EnROI4转换为带符号十六位整数，然后进行解密，得到解密区域DeROI，具体解密方法如下：
步骤I1、选择x'd0＝10，y'd0＝11，z'd0＝10，u'd0＝10，ω'd0＝10作为加密区域解密密钥；
步骤I2、将大小为4×37259的反归一化加密区域矩阵EnROI4变形为一维加密区域序列SEnROI，公式如下:
SEnROI＝reshape(EnROI3,1,[]) (34)
步骤I3、使用五维超混沌系统生成混沌序列，混沌方程如公式(10)所示，其中a，b，c为常数参数，h，p1，p2为控制参数，在本实施例中a＝10，b＝8/3，c＝28，h＝-2，m1＝0.4，m2＝8，使用步骤I1所述加密区域解密密钥x'd0，y'd0，z'd0，u'd0，ω'd0作为混沌系统的初始值，迭代60000次，生成五维混沌矩阵DW，
Figure BDA0002079744090000091
将五维混沌矩阵按照公式(35)所示方法转换为一维混沌序列，记为DX。
DX＝reshape(DW,1,[])； (35)
步骤I4、从步骤I3中生成的混沌序列DX的第10000个值开始顺序选取149036个值作为加密区域解密密钥流DK，并对DK做如下处理：
DK＝int16(mod(floor(DK×104),256))；(36)
其中mod为取模函数，floor为向下取整，int16为将矩阵内数值转换为带符号的16位整数。
步骤I5、将加密区域解密密钥流DK进行逆扩散操作，生成加密区域逆扩散解密密钥流DK2,具体公式如下：
DK2＝bitxor(DK(i2),DK) (37)
其中i2＝1，2…,149036。
步骤I6、将步骤I5所述加密区域逆扩散解密密钥流DK2与步骤7B)中一维加密区域序列SEnROI执行公式(38)得到置乱后的一维解密序列CDeROI，方法如下：
Figure BDA0002079744090000092
其中i3＝2,3,…,149036
步骤I7、使用Tent映射生成混沌序列，q'd0为Tent映射的系统初值，采用公式(39)方法进行初值更新
q'd0＝1/(1+x'd0+y'd0) (39)
本实例中，q'd0＝0.04545455，将公式(7)所示Tent映射混沌系统迭代3×(4×37259)次，生成混沌序列DQ'＝[q'd1,q'd2,…,q'd447108]。
步骤I8、舍弃步骤I7所述混沌序列DQ'的前9999个迭代结果，从第10000个值开始顺序选取149036个值作为感兴趣区域置乱序列DQ'2。
I9、将DQ'2按照公式(40)升序排序，并记录索引值，组成索引序列DT2。
[DQ'2_sorted,DT2]＝sort(DQ'2)； (40)
其中sort()表示排序函数，DQ'2_sorted表示DQ'2升序排序后的序列，DT2表示排序后DQ'2_sorted的数值在DQ'2中的位置信息。
步骤I10、将步骤I6所述置乱后的一维解密序列CDeROI与步骤I9索引值DT2执行公式(41)进行逆置乱，得到一维逆置乱解密序列C3
C3(DT2)＝CDeROI (41)
步骤I11、将一维逆置乱解密序列C3变形，变成大小为4×37259的解密矩阵DeROI，变形公式如下：
DeROI＝reshape(C3,4,37259) (42)
步骤J、对步骤七所述解密矩阵DeROI根据公式(43)进行二维离散小波变换。得四个小波子带，分别为密文低频子带ROIcA2，密文高频子带ROIcH2、ROIcV2和ROIcD2。
Figure BDA0002079744090000101
其中liftwave表示小波基的种类，Int2Int表示整数变换；lwt2是二维离散小波整数变换函数，double是将矩阵数据类型转为double类型的函数，本实例中选用‘haar’小波基，即小波变换的母函数。
步骤K、根据公式(44)得到密文低频子带ROIcA2矩阵的大小
[m,n]＝size(ROIcA2)； (44)
其中size()为求矩阵大小的函数，本实例中m＝2,n＝18630。
步骤L、根据步骤九得到的m,n通过公式(45)计算出解密矩阵DeROI中低频子带加密区域EnROIcA2,和高频子带解密矩阵DeROIcH、DeROIcV和DeROIcD；
Figure BDA0002079744090000102
步骤M、对步骤十二所述的低频子带加密区域EnROIcA2，然后进行解密，得到低频子带解密矩阵DeROIcA，具体解密方法如下：
步骤M1、选择xd0＝10，yd0＝10，zd0＝10，ud0＝10，ωd0＝10作为低频子带加密区域解密密钥；
步骤M2、将大小为2×18630的加密区域EnROIcA2变形为一维低频子带加密序列SEnROI2，公式如下:
SEnRO2＝reshape(EnROIcA2,1,[]) (46)
步骤M3、选择五维超混沌系统生成混沌序列，混沌方程如公式(10)所示，其中a，b，c为常数参数，h，p1，p2为控制参数，在本实施例中a＝10，b＝8/3，c＝28，h＝-2，m1＝0.4，m2＝8，使用步骤M1所述加密密钥xd0，yd0，zd0，ud0，ωd0作为混沌系统的初始参数，迭代60000次，得到五维混沌矩阵DA，
Figure BDA0002079744090000111
将五维混沌矩阵DA按照公式(47)所示方法转换为混沌扩散序列DY。
DY＝reshape(DA,1,[]) (47)
步骤M4、从步骤M3中生成的混沌扩散序列DY的第10000个值开始顺序选取37260个值作为低频子带解密密钥流DK3，并对DK3做如下处理：
DK3＝int16(mod(floor(DK3×104),256)) (48)
其中mod为取模函数，floor为向下取整，int16为将矩阵内数值转换为带符号的16位整数。
M5、将低频子带解密密钥流DK3进行公式(49)所示的操作，生成低频子带逆扩散解密密钥流DK4：
DK4＝bitxor(DK3(i3),DK3) (49)
其中i3＝1,2,…,37260。
M6、将低频子带逆扩散解密密钥流DK4与步骤M2所述一维低频子带加密序列SEnROI2执行公式(50)所述操作，得到置乱后的一维低频子带解密序列CDeROI2
Figure BDA0002079744090000112
其中i4＝1,2,…,37260。
M7、计算步骤M6所述置乱后的一维低频子带解密序列CDeROI2的信息熵，求信息熵的公式如下
Figure BDA0002079744090000113
其中pi表示像素i的概率，H(CDeROI2)为一维低频子带解密序列CDeROI2的信息熵，在本实例中值为7.371715144230266。
M8、采用公式(52)所示方法进行信息熵初值更新方法生成混沌系统初值：
qd0＝(H(CDeROI2)+1)/(1+H(CDeROI2)+xd0+yd0) (52)
其中qd0表示混沌系统初值,本实例中qd0为0.295072578505454。
M9、选择Tent映射生成混沌序列，Tent混沌状态方程如公式(7)所示，其中μ为Tent映射的控制参数，在本实例中μ＝1.99999，qd0为Tent映射的系统初值，将公式(7)所示Tent混沌系统迭代3×(2×18630)次，生成混沌序列DQ＝[qd1,qd2,…,qd111780]。
M10、舍弃步骤M9所述混沌序列DQ的前9999个迭代结果，从第10000个值开始顺序选取37260个值作为感兴趣区域置乱序列DQ2。
M11、将DQ2按照公式(53)升序排序，并记录索引值，组成索引序列DT；
[DQ2_sorted,DT]＝sort(DQ2)； (53)
其中sort()表示排序函数，DQ2_sorted表示DQ2升序排序后的序列，DT表示排序后DQ2_sorted的数值在DQ2中的位置信息。
M12、将步骤M6所述置乱后的一维低频子带解密序列CDeROI2与步骤M11索引值DT执行公式(54)进行逆置乱，得到一维低频子带逆置乱解密序列C4；
C4(DT)＝CDeROI2 (54)
M13、将一维低频子带逆置乱解密序列C4变形，变成大小为2×18630的解密矩阵DeROIcA，变形公式如下：
DeROIcA＝reshape(C4,2,18630) (55)
步骤N、将步骤M所述低频子带解密矩阵DeROIcA和步骤十所述高频子带解密矩阵DeROIcH、DeROIcV和DeROIcD执行公式(56)进行二维离散小波变换重构，得到解密矩阵DeROI2
Figure BDA0002079744090000121
其中liftwave表示小波基的种类，Int2Int表示整数变换；ilwt2()二维离散小波变换重构函数,uint8()是将矩阵数据类型转为无符号8bit整数的函数，本实例中选用‘haar’小波基，即小波变换的母函数。
步骤O、将解密后的感兴趣区域明文DeROI2，按照步骤D所述判别为加密区域标志位EnROI_flagk为1的块位置放回，得最终解密图像DeImg。

Claims (4)

1.基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法，其特征是：该方法由以下步骤实现：
步骤一、选择M×N的灰度医学图像作为原始图像Pimg；
步骤二、将原始图像Pimg分为大小为n×n的图像块Bs，获得M×N/(n×n)个图像块，s＝1,2,3,...,M×N/(n×n)，其中n为划分的图像块大小；
步骤三、计算步骤二所述图像块Bs内所有像素灰度值的平均值
Figure FDA0002710588330000011
步骤四、感兴趣区域判别，判别方法如下：
当平均值
Figure FDA0002710588330000012
时，则图像块Bs为感兴趣区域ROIBr，设置对应的第s个感兴趣区域标志位ROI_flags为1；
当平均值
Figure FDA0002710588330000013
时，则该图像块Bs为非感兴趣区域RONI，设置对应的第s个感兴趣区域标志位ROI_flags为0；
其中t为感兴趣区域阈值，r为图像感兴趣区域编号，r＝1,2,L,sum(ROI_flags)；sum(ROI_flags)为Pimg中所有被判别为感兴趣区域的图像块的个数；
步骤五、将步骤四所述r个感兴趣区域ROIBr进行矩阵重排，变形为长度为n×n的感兴趣区域序列SROIBr；
步骤六、将步骤五获得的r个感兴趣区域序列SROIBr按照从上向下的顺序组合成矩阵，获得大小为(n×n)×sum(ROI_flags)感兴趣区域矩阵ROI_M；
步骤七、对步骤六所述感兴趣区域矩阵ROI_M进行二维离散小波变换，获得四个小波子带，分别为低频子带ROIcA，高频子带ROIcH、高频子带ROIcV和高频子带ROIcD；
步骤八、对步骤七获得的低频子带ROIcA转换为带符号十六位整数，然后进行混沌加密，获得低频子带密文矩阵EnROIcA，具体加密方法如下：
步骤八一、由用户设定x0，y0，z0，u0，ω0的值作为低频子带加密密钥；
步骤八二、将大小为LL×LH的低频子带ROIcA变形为一维低频子带矩阵SROIcA；计算所述一维低频子带矩阵SROIcA的信息熵H(SROIcA)；采用下式进行信息熵初值的更新，获得混沌系统初值：
q0＝(H(SROIcA)+1)/(1+H(SROIcA)+x0+y0)
式中q0为混沌系统初值；
步骤八三、采用步骤八二所述的q0作为混沌映射系统初值，将混沌映射系统迭代Time1次，生成混沌序列Q；Time1的值大于LL×LH；
舍弃所述混沌序列Q的前t1个迭代结果，从第t1+1个值开始顺序选取LL×LH个值作为低频子带置乱序列Q2；
并将所述低频子带置乱序列Q2升序排序，并记录索引值，组成索引序列T；
步骤八四、将步骤八二中所述的一维低频子带矩阵SROIcA按照步骤八三获得的索引序列T进行置乱，获得置乱后的低频子带置乱序列CSROIcA；
步骤八五、采用高维超混沌系统生成混沌扩散序列Y，舍弃混沌扩散序列Y的前t2个值，从t2+1开始顺序选取LL×LH个值作为低频子带密钥流K，并对K做如下处理：
K＝int16(mod(floor(K×104),256))
式中，mod为取模函数，floor为向下取整，int16为将矩阵内数值转换为带符号的16位整数；
将所述低频子带密钥流K进行下式操作，生成低频子带扩散密钥流K2：
K2＝bitxor(K(i1),K)
其中i1＝1,2,…,LL×LH；
步骤八六、将步骤八五获得的低频子带扩散密钥流K2与步骤八二所述的一维低频子带矩阵SROIcA进行按位异或运算，获得低频子带加密序列K3:
将所述低频子带加密序列K3与步骤八四中获得置乱后的低频子带置乱序列CSROIcA进行按比特异或操作，获得低频子带密文序列C；
步骤八七、将步骤八六获得的低频子带密文序列C变形，变成大小为LL×LH的低频子带密文矩阵EnROIcA，用下式表示为：
EnROIcA＝reshape(C,LL,LH)
步骤九、将低频子带密文矩阵EnROIcA与步骤七中所述高频子带ROIcH，ROIcV，ROIcD进行拼接，获得感兴趣区域ROI2；拼接方法如下式：
ROI2＝[EnROIcA,ROIcV；ROIcH,ROIcD]；
将所述感兴趣区域ROI2进行混沌加密，获得加密后的感兴趣区域密文EnROI；
步骤十、将步骤九所述感兴趣区域密文EnROI归一化处理，获得归一化感兴趣密文normal_EnROI，将所述归一化感兴趣密文normal_EnROI转换成16位无符号整数类型，生成16位无符号整数感兴趣区域密文EnROI2；
步骤十一、将步骤十所述的16位无符号整数感兴趣区域密文EnROI2，按照步骤四所述判别为感兴趣区域标志位ROI_flags为1的块位置放回，获得最终加密图像EnImg。
2.根据权利要求1所述的基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法，其特征在于，还包括解密方法，具体的解密过程由以下步骤实现：
步骤A、将所述加密图像EnImg分为大小为n×n的图像块B2s,共得M×N/(n×n)个图像块，计算所述图像块B2s内所有像素灰度值的平均值
Figure FDA0002710588330000021
步骤B、加密图像的加密区域判别，判别方法如下：
当平均值
Figure FDA0002710588330000022
时，则该图像块B2s为加密区域EnROIBk；设置对应的加密区域标志位
Figure FDA0002710588330000023
为1；
当平均值
Figure FDA0002710588330000031
时，则该图像块B2s为非加密区域；设置对应的加密区域标志位EnROI_flagk为0；k为图像加密区域编号，k＝1,2,L,sum(EnROI_flagk)，其中EnROI_flka为对应的第k个加密区域的标志位，sum(EnROI_flagk)为EnImg中所有被判别为加密区域的图像块的个数；
步骤C、将步骤B中k个加密区域EnROIBk进行矩阵重排，变形为长度为n×n的加密区域序列SEnROIBk；
并将k个加密区域序列SEnROIBk按照从上向下的顺序组合成矩阵，得到大小为(n×n)×sum(EnROI_flagk)加密区域矩阵EnROI3，对所述加密区域矩阵EnROI3进行归一化处理，获得归一化加密区域矩阵normal_EnROI3，将归一化加密区域矩阵normal_EnROI3进行反归一化处理，得到反归一化加密区域矩阵EnROI4，对所述反归一化加密区域矩阵EnROI4转换为带符号十六位整数，然后进行解密，得到解密矩阵DeROI，具体解密方法如下：
步骤C1、选择x'd0＝10，y'd0＝11，z'd0＝10，u'd0＝10，ω'd0＝10作为加密区域解密密钥；
步骤C2、将大小为DLL×DLH的加密区域EnROI4变形为一维加密区域序列SEnROI；
步骤C3、使用高维超混沌系统生成混沌序列DX，从所述混沌序列DX的第dt1个值开始顺序选取DLL×DLH个值作为加密区域解密密钥流DK，并将所述加密区域解密密钥流DK进行逆扩散操作，生成加密区域逆扩散解密密钥流DK2；
步骤C4、将步骤C3中的加密区域逆扩散解密密钥流DK2与步骤C2中一维加密区域序列SEnROI进行置乱，获得置乱后的一维解密序列CDeROI；
步骤C5、以q'd0作为混沌映射系统初值，将混沌映射系统迭代Time2次，生成混沌序列DQ'，Time2的值大于DLL×DLH；
舍弃所述混沌序列DQ'的前dt2个迭代结果，从第dt2+1个值开始顺序选取DLL×DLH个值作为感兴趣区域置乱序列DQ'2；将所述感兴趣区域置乱序列DQ'2进行升序排序，并记录索引值为DT2；
步骤C6、将步骤C4中置乱后的一维解密序列CDeROI与步骤C5中索引值DT2进行逆置乱，获得一维逆置乱解密序列C3；
将所述一维逆置乱解密序列C3变形，变成大小为(n×n)×sum(EnROI_flagk)的解密矩阵DeROI；
步骤D、对步骤C获得的解密矩阵DeROI进行二维离散小波变换，获得四个小波子带，分别为密文低频子带ROIcA2，密文高频子带ROIcH2、密文高频子带ROIcV2和密文高频子带ROIcD2，计算所述低频子带ROIcA2矩阵的大小；
步骤E、根据步骤D中的密文低频子带ROIcA2矩阵的大小计算出解密矩阵DeROI中低频子带加密区域EnROIcA2,高频子带解密矩阵DeROIcH、高频子带解密矩阵DeROIcV和高频子带解密矩阵DeROIcD；
步骤F、将步骤E中的低频子带加密区域EnROIcA2按照步骤C进行混沌解密，获得低频子带解密矩阵DeROIcA；
步骤G、将步骤F中低频子带解密矩阵DeROIcA和步骤E中所述高频子带解密矩阵DeROIcH、高频子带解密矩阵DeROIcV和高频子带解密矩阵DeROIcD进行二维离散小波变换重构，获得解密矩阵DeROI2；
步骤H、将步骤G获得的解密矩阵DeROI2，按照步骤B所述判别为加密区域标志位EnROI_flagk为1的块位置放回，获得最终解密图像DeImg。
3.根据权利要求1所述的基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法，其特征在于：步骤九中，对感兴趣区域ROI2进行混沌加密，获得加密后的感兴趣区域密文EnROI的实现过程为：
步骤九一、选择x'0，y'0，z'0，u'0，ω'0作为感兴趣区域加密密钥；将大小为RL×RH感兴趣区域ROI2变形为一维感兴趣区域矩阵SROI；
步骤九二、选择Tent映射生成混沌序列，采用下式进行初值更新；q'0为Tent映射混沌系统初值；
q'0＝1/(1+x'0+y'0)
其中，将Tent映射混沌系统迭代TimeR1次，生成混沌序列Q'＝[q′1,q'2,L,q′tr1]；
步骤九三、舍弃所述混沌序列Q'的前tr1个迭代结果，从第tr1+1个值开始顺序选取RL×RH个值作为感兴趣区域置乱序列Q'2；将Q'2升序排序，并记录索引值，组成索引序列T2；
将步骤九一中所述一维感兴趣区域矩阵SROI，按照步骤九三中获得的索引序列T2进行置乱，获得感兴趣区域置乱序列CSROI；
步骤九四、采用高维超混沌系统生成混沌序列，采用步骤九一所述感兴趣区域加密密钥x'0，y'0，z'0，u'0，ω'0作为混沌系统的初始值，迭代TimeR2次，生成五维混沌矩阵W；将高维混沌矩阵转换为一维混沌序列，记为X；
步骤九五、从所述一维混沌序列X的第tr2个值开始顺序选取RL×RH个值作为感兴趣区域密钥流K4，将所述感兴趣区域密钥流K4进行扩散生成感兴趣区域扩散密钥流K5；
步骤九六、将所述感兴趣区域扩散密钥流K5与步骤九一中所述的一维感兴趣区域矩阵SROI按位异或操作，获得感兴趣区域加密序列K6；
将所述感兴趣区域加密序列K6与步骤九三中感兴趣区域置乱序列CSROI进行按比特异或操作，获得置乱的感兴趣区域加密序列C2；
步骤九七、将步骤九六获得的置乱的感兴趣区域加密序列C2变形，获得加密后的感兴趣区域密文EnROI。
4.根据权利要求2所述的基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法，其特征在于：步骤F中，低频子带加密区域EnROIcA2进行混沌解密，获得低频子带解密矩阵DeROIcA的步骤为：
步骤F1、选择xd0，yd0，zd0，ud0，ωd0作为低频子带加密区域解密密钥；将大小为DRL×DRH加密区域EnROIcA2变形为一维低频子带加密序列SEnROI2；
步骤F2、选择高维超混沌系统生成混沌序列，采用步骤F1所述加密密钥xd0，yd0，zd0，ud0，ωd0作为混沌系统的初始参数，迭代TimeDR1次，得到高维混沌矩阵DA，将所述高维混沌矩阵DA转换为混沌扩散序列DY；
步骤F3、在步骤F2中的混沌扩散序列DY的第tdr1个值开始顺序选取DRL×DRH个值作为低频子带解密密钥流DK3，将所述低频子带解密密钥流DK3按位异或操作，生成低频子带逆扩散解密密钥流DK4：
步骤F4、将步骤F3所述的低频子带逆扩散解密密钥流DK4与步骤F1所述一维低频子带加密序列SEnROI2进行置乱操作，获得置乱后的一维低频子带解密序列CDeROI2；
步骤F5、计算所述置乱后的一维低频子带解密序列CDeROI2的信息熵，用下式表示为：
Figure FDA0002710588330000051
式中，pi表示像素i的概率，H(CDeROI2)为一维低频子带解密序列CDeROI2的信息熵；
步骤F6、采用下式进行信息熵初值更新，生成Tent映射的混沌系统初值qd0：
qd0＝(H(CDeROI2)+1)/(1+H(CDeROI2)+xd0+yd0)
选择Tent映射生成混沌序列，将Tent映射的混沌系统迭代TimeDR2次，生成混沌序列DQ；
步骤F7、舍弃所述混沌序列DQ的前tdr2个迭代结果，从第tdr2+1个值开始顺序选取DRL×DRH个值作为感兴趣区域置乱序列DQ2；
将所述感兴趣区域置乱序列DQ2升序排序，并记录索引值DT；将步骤F4所述的置乱后的一维低频子带解密序列CDeROI2与所述索引值DT进行逆置乱操作，获得一维低频子带逆置乱解密序列C4；
步骤F8、将步骤F7所述的一维低频子带逆置乱解密序列C4变形，获得低频子带解密矩阵DeROIcA。
CN201910467010.9A 2019-05-31 2019-05-31 基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法 Active CN110197077B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910467010.9A CN110197077B (zh) 2019-05-31 2019-05-31 基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910467010.9A CN110197077B (zh) 2019-05-31 2019-05-31 基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法

Publications (2)

Publication Number Publication Date
CN110197077A CN110197077A (zh) 2019-09-03
CN110197077B true CN110197077B (zh) 2020-12-11

Family

ID=67753436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910467010.9A Active CN110197077B (zh) 2019-05-31 2019-05-31 基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法

Country Status (1)

Country Link
CN (1) CN110197077B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111611604B (zh) * 2020-05-15 2021-06-01 山东科技大学 一种基于整数小波变换的加密图像可逆信息隐藏方法
CN112395634B (zh) * 2021-01-18 2021-04-13 中国人民解放军国防科技大学 医疗图像安全开放共享方法、装置和计算机设备
CN112887508B (zh) * 2021-03-04 2022-09-23 大连海事大学 一种基于多动态耦合系数分段耦合映射格的隐私图像加密方法
CN113949783B (zh) * 2021-10-18 2022-12-13 中南大学 一种基于纹理复杂度分类的遥感图像快速加密方法
CN114157772B (zh) * 2021-11-18 2024-04-05 东南大学 一种基于时空混沌系统和半张量积压缩感知的数字图像加密方法
CN116033089B (zh) * 2023-03-31 2024-02-06 探长信息技术(苏州)有限公司 用于安防工程远程智能监控方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105046634A (zh) * 2015-07-06 2015-11-11 北京电子科技学院 一种基于信息熵与时空混沌系统的图像加密方法
CN105761198A (zh) * 2016-02-24 2016-07-13 陕西师范大学 一种动态概率和空频域复合的图像选择性加密和解密方法
CN108965639A (zh) * 2018-08-14 2018-12-07 长春理工大学 基于混沌分割的多扩散图像加密解密方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9304740B2 (en) * 2012-10-09 2016-04-05 King Abdullah University Of Science And Technology Chaos-based pseudo-random number generation
CN103489151B (zh) * 2013-09-11 2014-06-18 河南大学 基于混沌序列和超混沌系统的彩色图像加密方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105046634A (zh) * 2015-07-06 2015-11-11 北京电子科技学院 一种基于信息熵与时空混沌系统的图像加密方法
CN105761198A (zh) * 2016-02-24 2016-07-13 陕西师范大学 一种动态概率和空频域复合的图像选择性加密和解密方法
CN108965639A (zh) * 2018-08-14 2018-12-07 长春理工大学 基于混沌分割的多扩散图像加密解密方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于多混沌和分数Fourier的光学图像加密算法;底晓强 等;《南京大学学报（自然科学）》;20190330;第55卷(第2期);第251-263页 *
基于混沌的用户感兴趣区域图像安全研究;傅清清;《中国优秀硕士学位论文全文数据库 信息科技辑》;20170315(第03期);第I138-338页 *
用于医学图像隐私保护的集成加密模型;林杨菲;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180515(第05期);第I138-328页 *

Also Published As

Publication number Publication date
CN110197077A (zh) 2019-09-03

Similar Documents

Publication Publication Date Title
CN110197077B (zh) 基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法
Dhawan et al. Analysis of various data security techniques of steganography: A survey
Wang et al. Image hiding by optimal LSB substitution and genetic algorithm
Tai et al. Image self-recovery with watermark self-embedding
Mitra et al. A new image encryption approach using combinational permutation techniques
Bandyopadhyay et al. A novel secure image steganography method based on chaos theory in spatial domain
Hurrah et al. Embedding in medical images: an efficient scheme for authentication and tamper localization
CN108322622A (zh) 一种基于2d-vmd和八维超混沌系统的彩色数字图像加密方法
Prasetyo et al. Improved multiple secret sharing using generalized chaotic image scrambling
Tuncer et al. A novel image watermarking method based on center symmetric local binary pattern with minimum distortion
Li et al. Coverless image steganography using morphed face recognition based on convolutional neural network
Bekkouch et al. Robust and reversible image watermarking scheme using combined DCT-DWT-SVD transforms
Islam et al. Denoising and error correction in noisy AES-encrypted images using statistical measures
Durafe et al. Image steganography using fractal cover and combined chaos-DNA based encryption
CN110136045B (zh) 一种基于两图像互置乱隐藏及恢复的方法
Wu et al. Embedding of any type of data in images based on a human visual model and multiple-based number conversion
Liu Quantum image encryption based on Baker map and DNA circular shift operation
CN114978466A (zh) 类分形模型和希尔伯特同步置乱扩散的加密方法
Rahardi et al. A Blind Robust Image Watermarking on Selected DCT Coefficients for Copyright Protection
CN117880432A (zh) 一种基于二维正余弦混沌系统和压缩感知的安全多方混合加密共享方法
Soria-Lorente et al. Hiding data inside images using orthogonal moments
Czaplewski et al. Digital fingerprinting for color images based on the quaternion encryption scheme
CN109559269B (zh) 一种图像加密的方法及终端
Srivastava et al. Design and implementation of crypto based water marking techniques for EHR security
Singh et al. DIP using image encryption and XOR operation affine transform

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