CN110363269A - 基于矢量量化和干涉的多图像加密方法 - Google Patents
基于矢量量化和干涉的多图像加密方法 Download PDFInfo
- Publication number
- CN110363269A CN110363269A CN201910576253.6A CN201910576253A CN110363269A CN 110363269 A CN110363269 A CN 110363269A CN 201910576253 A CN201910576253 A CN 201910576253A CN 110363269 A CN110363269 A CN 110363269A
- Authority
- CN
- China
- Prior art keywords
- image
- code
- vector
- follows
- function
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000013139 quantization Methods 0.000 title claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000009826 distribution Methods 0.000 claims abstract description 16
- 230000006835 compression Effects 0.000 claims abstract description 7
- 238000007906 compression Methods 0.000 claims abstract description 7
- 239000000203 mixture Substances 0.000 claims abstract description 4
- 230000000739 chaotic effect Effects 0.000 claims description 6
- 150000001875 compounds Chemical group 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 3
- ODKSFYDXXFIFQN-UHFFFAOYSA-M argininate Chemical compound [O-]C(=O)C(N)CCCNC(N)=N ODKSFYDXXFIFQN-UHFFFAOYSA-M 0.000 claims description 2
- 230000001174 ascending effect Effects 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 229910002056 binary alloy Inorganic materials 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 241001492697 Centropogon cornutus Species 0.000 description 1
- 229910052934 alunite Inorganic materials 0.000 description 1
- 239000010424 alunite Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003205 fragrance Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- KPZTWMNLAFDTGF-UHFFFAOYSA-D trialuminum;potassium;hexahydroxide;disulfate Chemical compound [OH-].[OH-].[OH-].[OH-].[OH-].[OH-].[Al+3].[Al+3].[Al+3].[K+].[O-]S([O-])(=O)=O.[O-]S([O-])(=O)=O KPZTWMNLAFDTGF-UHFFFAOYSA-D 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06046—Constructional details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/20—Contour coding, e.g. using detection of edges
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Facsimile Transmission Control (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
本发明公开了一种基于矢量量化和干涉的多图像加密方法，步骤包括：1)在子正方形块组成的图像向量之间重复迭代聚类算法来生成代表性码本；2)通过使用码本中码字的索引，将原始图像的QR码表达为索引图像；码本被视为索引表，参考索引表，从压缩结果中重建QR码的原始信息；3)当所有索引图像都被获得时，使用空间复用来获得中间临时分布；利用随机二进制振幅掩膜提取多幅加密图像的一小部分，然后合并成密文图像；4)索引图像的积分图像被编码为纯相位掩膜和幅度掩膜；根据中间临时分布，用随机相位掩膜构造初始复函数。本发明还公开了一种基于矢量量化和干涉多图像加密的解密方法。本发明的方法安全性高。
Description
技术领域
本发明属于信息安全技术领域，涉及一种基于矢量量化和干涉的多图像 加密方法。
背景技术
在计算机信息安全领域，人们越来越注重信息处理的隐私保护。作为承 载信息的重要载体，数字图像的使用范围涵盖了医学图像、遥感图像、支票 凭证、军事制图等众多方面，在图像传输过程中，极有可能受到来自不法分 子的攻击，如果信息被篡改、复制和伪造，将带来不可预知的后果。因此， 对于数字图像的版权保护、机密性保护以及完整性认证显得尤为重要，图像 加密便迅速成为保护数据的常用技术。
近年来，光学图像加密技术由于具有高速度、并行处理能力、多个参数 共同控制等优势，迅速得到国内外众多专家学者的青睐。与传统的图像加密 技术相比，这种基于虚拟光学的图像处理技术具有更强的鲁棒性和可行性， 尤其在密钥空间方面更具优势。将混沌技术与光学处理技术相结合，由于混 沌系统对初始值极为敏感，十分微小的偏差就会导致得到的结果大不相同。
发明内容
本发明的目的是提供一种基于矢量量化和干涉的多图像加密方法，该加 密算法具有很好的鲁棒性，即使密文受到闭塞和噪声的严重干扰，通过扫描 解密的QR码也可以高质量的恢复原始图像，并且不会丢失任何信息。
本发明的另一目的是提供一种基于矢量量化和干涉多图像加密的解密 方法。
本发明所采用的技术方案是，一种基于矢量量化和干涉的多图像加密方 法，按照以下步骤实施：
步骤1：假设原始图像f被分割成T个子正方形块，并且每个块被重新 编码为具有K个元素的图像矢量，通过在子正方形块组成的图像向量之间重 复迭代聚类算法来生成代表性码本C；
步骤2：对于生成的代表性码本C，通过使用码本中码字的索引，将原 始图像的QR码表达为索引图像；码本被视为索引表，通过参考索引表，从 压缩结果中重建QR码的原始信息；
步骤3：当所有索引图像都被获得时，通过使用空间复用来获得中间临 时分布；在基于空间复用的多图像认证方案中，利用随机二进制振幅掩膜提 取多幅加密图像的其中的一小部分，然后合并成具有噪声分布的密文图像；
步骤4：索引图像的积分图像在分数傅立叶变换域中被编码为纯相位掩 膜和幅度掩膜；根据中间临时分布，用随机相位掩膜构造初始复函数，即成。
本发明所采用的另一技术方案是，一种基于矢量量化和干涉多图像加密 的解密方法，首先通过密文和密钥得到幅度函数，随后进行置乱逆过程得到 积分图像，分别从该图像的左上、右上、左下和右下提取数据，得到四个图 像的索引，然后通过检索码本分别重构出每幅图像对应的原始QR码，即成。
本发明的有益效果是，包括以下方面：1)分数傅里叶变换的阶数等参 数可以作为附加密钥使用，能够增大加密系统的密钥空间，以确保算法的高 度安全性。2)该加密算法具有很好的鲁棒性，即使密文受到闭塞和噪声的 严重干扰，通过扫描解密的QR码也可以高质量的恢复原始图像，并且不会 丢失任何信息。3)提出的算法有效避免多图像加密方案中存在的串扰影响。 4)在基于干涉的图像加密领域中，首次将矢量量化应用于集成多个图像。
附图说明
图1是本发明基于矢量量化和干涉的多图像加密过程示意图；
图2a是图像“Car”，图2b是相应的QR码，图2c是生成的码本(64×16 像素)；图2d是恢复的QR码，图2e支持约束；
图3是本发明基于矢量量化和干涉的多图像解密过程示意图；
图4a、图4b、图4c、图4d分别是原始图像；图4e、图4f、图4g、图 4h分别为对应图4a、图4b、图4c、图4d的QR码；
图5a是四个索引图像的集成，图5b是密文和图5c是密钥；
图6a、图6b、图6c、图6d为分别对应于图4a、图4b的解密QR码；
图7a、图7b、图7c、图7d分别是“Aerial”、“House”、“Plane”和“Tree” 的解密QR码；
图8a、图8b分别是图像“Tree”的解密QR码，图8c是相对于logistic 初始值的偏差的CC曲线；
图9a、图9b分别是图像“Tree”的解密结果；图9c是分数傅里叶变换阶 数的偏差的CC曲线；
图10a是15.88％被剪切的密文，图10b是解密的QR码，图10c是恢复 的图像“Tree”；
图11a、图11b、图11c、图11d、图11e分别是将噪声密度从1％增加到 5％的图像“Tree”的解密QR码；图11f是当噪声密度达到5％时图像“Tree”的 解密结果。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
作为图像压缩的一种有效算法，矢量量化是上世纪七十年代后期发展起 来的。在图像和语音信号编码技术中广受青睐，不仅将它作为量化器设计而 提出，而且也作为压缩编码方法来研究。
本发明基于矢量量化和干涉的多图像加密方法，按照以下步骤实施：
步骤1：假设原始图像f被分割成T个子正方形块，并且每个子正方形块 被重新编码为具有K个元素的图像矢量，数学表达式为：
f＝{b(j))|j＝1,2,...,T} (1)
第j副图像的表达式为b(j)＝(bj1,bj2,...,bjk)是在Rk维度空间，这个码本是Rk的有限子集，表达式为：
C＝{c(j)j＝1,2,...,L} (2)
其中，c(j)＝(cj1,cj2,...,cjk)是第j个码字，L是码本的大小；应该指出的是， 图像的向量大小与码字的大小相同。
在数学上，矢量量化被定义为矢量图像b(j)映射到码字c(j)的映射函数, 为了确保原始图像能够在没有明显失真的情况下被重建，通过在子正方形块 组成的图像向量之间重复迭代聚类算法来生成代表性码本。
作为一种特殊类型的条形码，QR码由排列在以白色正方形为背景的不 同黑色图案组成，这些图案只包含许多简单的特征信息，例如水平和垂直线 条。因此，可以从任何QR码中检索出正确的码本，这可以直接用于压缩其 他码；同时，这些编码的相应重构结果具有高质量。图2a中显示出了具有 256×256个像素的灰度图像，而图2b中显示出了具有相同尺寸的QR码。为 了生成码本，QR码被分成具有p×p个像素的子模块。如图2c所示，当子模块的大小被设置为4×4个像素时，就会得到包含64个码字的码本。显然，码 本中码字的维数k＝16。在原始QR码被压缩后，重建结果如图2d所示。通 过观察，图2b和图2d之间的任何差异在视觉上普通人是无法辨别的，这意 味着矢量量化能够有效地压缩QR码。应该强调的是，在本步骤所提出的算 法中，图2c所示的码本将直接用于压缩原始图像的QR码。
步骤2：对于生成的代表性码本C，通过使用码本中码字的索引，将原 始图像的QR码表达为索引图像；码本被视为索引表,通过参考索引表，从 压缩结果中重建QR码的原始信息，
类似地，每个QR码fi被划分为具有p×p个像素的非重叠正方形块，这 些正方形块被重新编码为与码字具有相同维度的图像向量；然后将每个图像 向量顺序地与码本中的码字进行比较，从而确定最佳匹配的码字，
对于表达式为bi(j)＝(bi j1,bi j2,...,bi jk)的第j个图像矢量，其中的上标i表示该图像矢量属于QR码fi，最佳匹配码字通过测量欧几里德距离d(bi(j),c(m))来 确定，数学表达式如公式(3)所示：
其中，变量c(m)表示码本中的第m个码字；通常，最佳匹配的码字最 接近输入向量，这意味着bi(j)和c(m)之间的欧几里德距离最小；一旦确定了 这个最接近的码字，相应的索引m就被分配给输入向量来作为索引图像构建 的基础；对QR码fi的所有向量的重复搜索过程，由相应索引组成的索引图 像表达式为：
fi'＝{Ii(j)|j＝1,2,...,T} (4)
其中，Ii(j)是QR码fi的第j个图像向量的码本中最佳匹配码字的索引， 索引图像的大小是QR码的1/p2；
步骤3：当所有索引图像都被获得时，通过使用空间复用来获得中间临 时分布；在基于空间复用的多图像认证方案中，利用随机二进制振幅掩膜提 取多幅加密图像的其中的一小部分，然后合并成具有噪声分布的密文图像，
为了避免串扰噪声的干扰，这些二进制振幅掩膜不能相互重叠，虽然可 以使用非线性相关算法来识别原始信息，但是解密的图像不能被清晰的分 辨；由于索引图像的尺寸很小，因此没有必要使用二进制振幅掩膜将它们整 合到中间临时分布中。
在本步骤中，索引图像通过简单的空间复用被直接组合，即这些图像分 别被放置在中间临时分布的左上角、右上角、左下角和右下角四个区域；随 后，根据Logistic映射生成的混沌序列对该中间临时分布进行位置置乱，这 使得该分布变得更加杂乱无序以明显提高算法安全级别；
Logistic映射作为一种典型的一维非线性混沌函数，在图像安全领域显 示出巨大的潜力，初始参数值的微小偏差会导致完全不同的混沌序列， Logistic的迭代表达式为：
x(n+1)＝p×x(n)×(1-x(n)) (5)
其中，迭代结果x(n)∈(0,1)，x(0)是初始值，
关于Logistic混沌映射在此不再做过多阐述，在本步骤中，假设中间临 时分布具有M×N个像素，则混沌置乱的具体过程如下：
3.1)给定一个初始值x(0)，由公式(5)产生的混沌序列，表达式为： X＝{x(j)|j＝1,2,...,M×N}；
3.2)将中间临时幅度表示为：E＝{e(j)|j＝1,2,...,M×N}；
3.3)按照升序或者降序重新排列序列X，得到一个新的数列X′，数学表 达式为：X′＝{x(w(j))|j＝1,2,...,M×N}，符号w(·)表示地址编码，此表达式意为序 列X中的第j个值映射到序列X′中的第w(j)个值；
3.4)借助于序列X，将序列E置乱以获得序列E′，其中E中的第j个值 位于E′中的w(j)位置；
3.5)将序列E′编码为用F表示的二维矩阵，也即是空间复用和置乱的 最终结果，保存矩阵F，并被用作后续基于干涉的编码的输入。
步骤4：在基于干涉的加密算法中，都存在一个固有的轮廓问题，即在 解密过程中使用两个掩膜中的一个时，原始图像的基本信息可以被微弱地观 察到。因此，整个加密系统存在巨大的安全风险，因为轮廓问题可以泄露足 够多的信息。为了弥补这个不足之处，国内外的众多专家学者先后研究出了 多种方法，例如，其中一种改进的方法是通过在菲涅尔变换域中使用相位恢 复算法将原始图像编码成两个纯相位掩膜。但是，这样一来两个相位掩膜和 图像之间的大量迭代计算会降低算法的效率。
在本步骤中，索引图像的积分图像在分数傅立叶变换域中被编码为纯相 位掩膜和幅度掩膜；根据中间临时分布F(x,y)，用随机相位掩膜构造初始复 函数，该随机相位掩膜的数学表达式为：
其中，φ(x,y)是分布在[0,2π]上的随机函数，(x,y)是临时分布的坐标；(μ,ν) 是正式使用的坐标，相位掩膜exp(jM(μ,ν))和振幅掩膜A(μ,ν)调制复合函数 F′(x,y)的结果为：
F′(x,y)＝exp(jM(μ,ν))*h(μ,ν；d)+A(μ,ν)*h(μ,ν；d) (7)
其中，*表示卷积运算，函数h(μ,ν；d)是菲涅尔的点脉冲函数，表达式为：
其中，d表示衍射距离，λ表示入射光波长，根据公式(7)，函数 exp(jM(μ,ν))，A(μ,ν)和F′(x,y)在分数菲涅尔变换域中推导出如公式(9)所示 关系：
其中，FrTα(·)表示阶数为α的分数菲涅尔变换，令D(μ,ν)代表公式(9) 中的左边部分，则有：
通过求解公式(9)，得到相位函数M(μ,ν)的表达式为：
其中，Im(·)被用来计算复合函数的虚部，arg(·)用来提取函数的相位部分， 同样的，获得振幅掩膜A(μ,ν)的表达式为：
其中，Re(·)被用来计算复合函数的虚部，在对此模块进行基于干涉的加 密之后，相位函数M(μ,ν)被认为是最终的加密结果，振幅掩膜A(μ,ν)被保存 为密钥。
本发明的另一技术方案是，一种基于矢量量化和干涉多图像加密的解密 方法，该解密过程为加密过程的逆过程，解密过程示意图如图3所示。首先 通过密文和密钥得到幅度函数，随后进行置乱逆过程得到积分图像，分别从 该图像的左上、右上、左下和右下提取数据，得到四个图像的索引，然后通 过检索码本分别重构出每幅图像对应的原始QR码，即成，
具体过程描述如下：
5.1)利用作为密文的相位函数M(μ,ν)和作为密钥的振幅掩膜A(μ,ν)，计 算出的幅度函数F(x,y)，表达式为：
F(x,y)＝|exp(jM(μ,ν))*h(μ,ν；d)+A(μ,ν)*h(μ,ν；d)|2 (13)
其中，|·|表示返回函数的绝对值。
5.2)在基于加密过程中使用的混沌序列反向置乱之后，幅度函数F(x,y) 被恢复为四个索引图像的积分图像。随后，分别从左上、右上、左下和右下 区域提取数据信息，即可获得QR码的四幅单独索引图像fi′。
5.3)在加密过程中产生的码本C的参考下，使用矢量量化解码可以近 似重构四幅原始图像对应的QR码。根据图像fi′中的每个索引m，执行表查 找操作以获得码字c(m)，该码字将被直接用作图像向量并将其转换成QR码fi的对应块。当所有的索引都被访问时，与其相应的QR码fi也就会被重建。
5.4)如果重建的QR码没有被闭塞攻击、噪声攻击等破坏，则可以直接 通过移动设备解码得到清晰的原始图像。否则，QR码的固有支持约束信息， 也就是其位置检测图案，将被用来增强QR码扫描的准确性。因此，可以将 支持约束信息直接叠加在重构的QR码图像上。
实验验证：
实验前选取的原始图像来源于USC-SIPI图像数据库，转换成对应的QR 码的大小为256×256像素。其中图像“Car”对应的QR码用于生成图2c所示的 码本，这也是将明文图像转换为索引图像的图4a、图4b、图4c、图4d所示， 分别表示四幅原始图像，图4e、图4f、图4g、图4h为其相应的QR码。图5a 显示出了从QR码导出的四个索引图像的整合，图5b、5c分别表示该索引图 像加密后形成的实数密文图像和密钥图像。很显然，密文和密钥的分布是类似噪声分布的，从这些分布中无法直观地观察到有效信息。
当正确使用密钥A(μ,ν)和附加密钥如Logistic映射的初始值和分数傅立 叶变换的阶数时，就能得到高质量的解密QR码，解密结果分别展示在图6a、 图6b、图6c、图6d中。肉眼观察这四幅解密的QR码，可以看出解密图像几 乎与原始QR码相同。通过用移动设备解码，即可恢复原始图像且不会丢失 任何信息。
由加密过程可知，四个索引图像集成的临时幅度函数F(x,y)被加密成实 数密文图像，密钥A(μ,ν)在解密过程中起重要作用，如果攻击者用随机生成 的振幅掩膜来替换它进行重建原始QR码，将会得到错误的解密结果，如图 7a、图7b、图7c、图7d所示。通过用移动设备扫描它们，无法恢复任何原 始图像的信息。通过数值计算发现，四幅原始QR码和解密QR码之间的相 关系数值分别只有0.0161、0.0069、0.0056和0.0213。由此可见，在这一点上，攻击者无法通过破解密钥获得任何有效的信息。
本发明性能评估分析
密钥敏感性分析是衡量算法鲁棒性的重要指标。一个算法若对密钥十分 敏感，则在一定程度上能很好的抵抗密钥暴力攻击，增大密钥空间，增强算 法安全性。
除密钥A(μ,ν)之外，诸如Logistic映射的初始值和分数傅立叶变换的阶 数等参数可以被认为是增强加密算法安全性的附加密钥。为了评估这些密钥 的敏感度，做了仿真实验，并绘制了相关系数CC和附加密钥偏差之间的相 关曲线图。
当Logistic混沌映射的初始值x(0)的偏差分别为+10-16和-10-16时，解密 结果分别如图8a、图8b、图8c所示。为简洁起见，在此仅展示图像“Tree” 的解密结果，对于其他几幅图像，解密结果与此类似。通过用移动设备扫描 解密图像，无法获得关于图像“Tree”的任何有效信息。相关系数曲线如图8c所示。可以看出，当Logistic混沌映射的初始值稍有变化时，解密结果与 原始QR码之间的相关系数值急剧下降，说明本算法对附加密钥具有高度敏 感性。
对分数傅里叶变换阶数的敏感性进行分析，当密钥的偏差为0.009和 -0.009时，图像“Tree”的解密结果分别展示在图9a、图9b中，其解密结 果与原始QR码之间的相关系数曲线绘制在图9c中。通过观察可知，虽然 曲线没有急剧下降，但是当偏差为0.009时，相关系数值分别只达到0.2734、 0.2773、0.2806和0.2815，这意味着解密结果无法被识别。当偏差为-0.009 时，可以获得类似的结果。
基于干涉的加密算法对于一些攻击是比较脆弱的，例如闭塞攻击或噪声 攻击。首先进行闭塞攻击分析，如图10a所示，将密文图像丢弃15.88％，再 用本发明方法进行恢复。
图10b所示为闭塞攻击解密结果，其相关系数为0.8023。通过用移动设 备扫描图10b，扫描结果如图10c所示，与原始图像无任何差别。对于其他 三幅解密的QR码，相关系数值分别为0.8037、0.7964和0.8141，足以读出 原始图像的信息，且没有任何信息损失。
分析噪声攻击对本发明方法的影响：当密文图像被浓度从1％增加到5％ 的椒盐噪声污染时，图像“Tree”的解密QR码分别显示在图11a、图11b、 图11c、图11d、图11e中,相应的相关系数分别为0.8679、0.7851、0.7126、 0.6744和0.6326。可以看出，随着噪声密度的增加，解密的QR码图像质量 逐渐下降。当噪声密度达到5％时，其解密结果如图11e所示，移动设备也 能准确地读出图像“Tree”。
对于其他解密的QR码，也可以获得类似的结果。因此，本发明所提出 的多图像加密方法被证明对两种攻击具有高鲁棒性。
根据统计攻击，在本发明所提出的多图像加密方法中评估两个相邻像素 的相关性。对于N对相邻像素(xi,yi)，其相关系数在数学上表示为：
当时，为了执行这种分析，从明文图像和密文 图像中随机选择水平、垂直和对角方向的3000对相邻像素，相关系数如表1 所示。观察可知，在明文图像中，三个方向上的相邻像素高度相关。显然， 密文图像的相邻像素之间的相关性远低于明文图像。
表1、明文和密文图像中的相关结果
Claims (6)
1.一种基于矢量量化和干涉的多图像加密方法，其特征在于，按照以下步骤实施：
步骤1：假设原始图像f被分割成T个子正方形块，并且每个块被重新编码为具有K个元素的图像矢量，通过在子正方形块组成的图像向量之间重复迭代聚类算法来生成代表性码本C；
步骤2：对于生成的代表性码本C，通过使用码本中码字的索引，将原始图像的QR码表达为索引图像；码本被视为索引表，通过参考索引表，从压缩结果中重建QR码的原始信息；
步骤3：当所有索引图像都被获得时，通过使用空间复用来获得中间临时分布；在基于空间复用的多图像认证方案中，利用随机二进制振幅掩膜提取多幅加密图像的其中的一小部分，然后合并成具有噪声分布的密文图像；
步骤4：索引图像的积分图像在分数傅立叶变换域中被编码为纯相位掩膜和幅度掩膜；根据中间临时分布，用随机相位掩膜构造初始复函数，即成。
2.根据权利要求1所述的基于矢量量化和干涉的多图像加密方法，其特征在于，所述的步骤1中，具体过程是，
假设原始图像f被分割成T个子正方形块，并且每个子正方形块被重新编码为具有K个元素的图像矢量，数学表达式为：
f＝{b(j)|j＝1,2,…,T} (1)
第j副图像的表达式为b(j)＝(bj1,bj2,...,bjk)是在Rk维度空间，这个码本是Rk的有限子集，表达式为：
C＝{c(j)|j＝1,2,...,L} (2)
其中，c(j)＝(cj1,cj2,...,cjk)是第j个码字，L是码本的大小；
在数学上，矢量量化被定义为矢量图像b(j)映射到码字c(j)的映射函数,通过在子正方形块组成的图像向量之间重复迭代聚类算法来生成代表性码本。
3.根据权利要求1所述的基于矢量量化和干涉的多图像加密方法，其特征在于，所述的步骤2中，具体过程是，
每个QR码fi被划分为具有p×p个像素的非重叠正方形块，这些正方形块被重新编码为与码字具有相同维度的图像向量；然后将每个图像向量顺序地与码本中的码字进行比较，从而确定最佳匹配的码字，
对于表达式为bi(j)＝(bi j1,bi j2,...,bi jk)的第j个图像矢量，其中的上标i表示该图像矢量属于QR码fi，最佳匹配码字通过测量欧几里德距离d(bi(j),c(m))来确定，数学表达式如公式(3)所示：
其中，变量c(m)表示码本中的第m个码字；通常，最佳匹配的码字最接近输入向量，这意味着bi(j)和c(m)之间的欧几里德距离最小；一旦确定了这个最接近的码字，相应的索引m就被分配给输入向量来作为索引图像构建的基础；对QR码fi的所有向量的重复搜索过程，由相应索引组成的索引图像表达式为：
fi'＝{Ii(j)|j＝1,2,...,T} (4)
其中，Ii(j)是QR码fi的第j个图像向量的码本中最佳匹配码字的索引，索引图像的大小是QR码的1/p2。
4.根据权利要求1所述的基于矢量量化和干涉的多图像加密方法，其特征在于，所述的步骤3中，具体过程是，
索引图像通过简单的空间复用被直接组合，即这些图像分别被放置在中间临时分布的左上角、右上角、左下角和右下角四个区域；随后，根据Logistic映射生成的混沌序列对该中间临时分布进行位置置乱；
初始参数值的微小偏差会导致完全不同的混沌序列，Logistic的迭代表达式为：
x(n+1)＝p×x(n)×(1-x(n)) (5)
其中，迭代结果x(n)∈(0,1)，x(0)是初始值，
假设中间临时分布具有M×N个像素，则混沌置乱的具体过程如下：
3.1)给定一个初始值x(0)，由公式(5)产生的混沌序列，表达式为：X＝{x(j)|j＝1,2,...,M×N}；
3.2)将中间临时幅度表示为：E＝{e(j)|j＝1,2,...,M×N}；
3.3)按照升序或者降序重新排列序列X，得到一个新的数列X′，数学表达式为：X′＝{x(w(j))|j＝1,2,...,M×N}，符号w(·)表示地址编码，此表达式意为序列X中的第j个值映射到序列X′中的第w(j)个值；
3.4)借助于序列X，将序列E置乱以获得序列E′，其中E中的第j个值位于E′中的w(j)位置；
3.5)将序列E′编码为用F表示的二维矩阵，也即是空间复用和置乱的最终结果，保存矩阵F，并被用作后续基于干涉的编码的输入。
5.根据权利要求1所述的基于矢量量化和干涉的多图像加密方法，其特征在于，所述的步骤4中，具体过程是，
索引图像的积分图像在分数傅立叶变换域中被编码为纯相位掩膜和幅度掩膜；根据中间临时分布F(x,y)，用随机相位掩膜构造初始复函数，该随机相位掩膜的数学表达式为：
其中，φ(x,y)是分布在[0,2π]上的随机函数，(x,y)是临时分布的坐标；(μ,ν)是正式使用的坐标，相位掩膜exp(jM(μ,ν))和振幅掩膜A(μ,ν)调制复合函数F′(x,y)的结果为：
F′(x,y)＝exp(jM(μ,ν))*h(μ,ν；d)+A(μ,ν)*h(μ,ν；d) (7)
其中，*表示卷积运算，函数h(μ,ν；d)是菲涅尔的点脉冲函数，表达式为：
其中，d表示衍射距离，λ表示入射光波长，根据公式(7)，函数exp(jM(μ,ν))，A(μ,ν)和F′(x,y)在分数菲涅尔变换域中推导出如公式(9)所示关系：
其中，FrTα(·)表示阶数为α的分数菲涅尔变换，令D(μ,ν)代表公式(9)中的左边部分，则有：
通过求解公式(9)，得到相位函数M(μ,ν)的表达式为：
其中，Im(·)被用来计算复合函数的虚部，arg(·)用来提取函数的相位部分，同样的，获得振幅掩膜A(μ,ν)的表达式为：
其中，Re(·)被用来计算复合函数的虚部，在对此模块进行基于干涉的加密之后，相位函数M(μ,ν)被认为是最终的加密结果，振幅掩膜A(μ,ν)被保存为密钥。
6.一种基于矢量量化和干涉多图像加密的解密方法，基于权利要求1-5任一所述的基于矢量量化和干涉的多图像加密方法，其特征在于，首先通过密文和密钥得到幅度函数，随后进行置乱逆过程得到积分图像，分别从该图像的左上、右上、左下和右下提取数据，得到四个图像的索引，然后通过检索码本分别重构出每幅图像对应的原始QR码，即成。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910576253.6A CN110363269A (zh) | 2019-06-28 | 2019-06-28 | 基于矢量量化和干涉的多图像加密方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910576253.6A CN110363269A (zh) | 2019-06-28 | 2019-06-28 | 基于矢量量化和干涉的多图像加密方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110363269A true CN110363269A (zh) | 2019-10-22 |
Family
ID=68217322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910576253.6A Pending CN110363269A (zh) | 2019-06-28 | 2019-06-28 | 基于矢量量化和干涉的多图像加密方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110363269A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112765623A (zh) * | 2021-01-15 | 2021-05-07 | 浙江科技学院 | 基于相位恢复算法的光学多图像认证和加密方法 |
| GB2600924A (en) * | 2020-11-06 | 2022-05-18 | Onfido Ltd | Information encoding |
| CN114726690A (zh) * | 2022-04-18 | 2022-07-08 | 清华大学 | 码本生成方法、装置、电子设备及存储介质 |
| CN114792352A (zh) * | 2022-06-22 | 2022-07-26 | 成都玖锦科技有限公司 | 一种频谱图像处理方法和系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2383700A1 (en) * | 2010-04-28 | 2011-11-02 | Solomon Systech Limited | System and method for image compression |
| CN103903215A (zh) * | 2014-01-27 | 2014-07-02 | 西安理工大学 | 基于混沌和FrFT域相位恢复过程的多图像加密方法 |
| CN104778652A (zh) * | 2015-04-21 | 2015-07-15 | 广东日正实业有限公司 | 双图像加密解密方法 |
| CN105976303A (zh) * | 2016-05-23 | 2016-09-28 | 太原科技大学 | 一种基于矢量量化的可逆信息隐藏和提取方法 |
| EP3115908A1 (en) * | 2015-07-08 | 2017-01-11 | Thomson Licensing | Method and apparatus for multimedia content indexing and retrieval based on product quantization |
| CN108111710A (zh) * | 2017-12-15 | 2018-06-01 | 四川大学 | 一种可以减少密文及密钥数据量的多图像加密方法 |
| CN108804934A (zh) * | 2018-05-30 | 2018-11-13 | 西安理工大学 | 基于两个级联自由空间传播变换的光学多图像加密算法 |
-
2019
- 2019-06-28 CN CN201910576253.6A patent/CN110363269A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2383700A1 (en) * | 2010-04-28 | 2011-11-02 | Solomon Systech Limited | System and method for image compression |
| CN103903215A (zh) * | 2014-01-27 | 2014-07-02 | 西安理工大学 | 基于混沌和FrFT域相位恢复过程的多图像加密方法 |
| CN104778652A (zh) * | 2015-04-21 | 2015-07-15 | 广东日正实业有限公司 | 双图像加密解密方法 |
| EP3115908A1 (en) * | 2015-07-08 | 2017-01-11 | Thomson Licensing | Method and apparatus for multimedia content indexing and retrieval based on product quantization |
| CN105976303A (zh) * | 2016-05-23 | 2016-09-28 | 太原科技大学 | 一种基于矢量量化的可逆信息隐藏和提取方法 |
| CN108111710A (zh) * | 2017-12-15 | 2018-06-01 | 四川大学 | 一种可以减少密文及密钥数据量的多图像加密方法 |
| CN108804934A (zh) * | 2018-05-30 | 2018-11-13 | 西安理工大学 | 基于两个级联自由空间传播变换的光学多图像加密算法 |
Non-Patent Citations (1)
| Title |
|---|
| LIANSHENG SUI等: "《Multiple-image encryption by space multiplexing based on vector quantization and interference》", 《OSA CONTINUUM》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2600924A (en) * | 2020-11-06 | 2022-05-18 | Onfido Ltd | Information encoding |
| CN112765623A (zh) * | 2021-01-15 | 2021-05-07 | 浙江科技学院 | 基于相位恢复算法的光学多图像认证和加密方法 |
| CN112765623B (zh) * | 2021-01-15 | 2022-08-02 | 浙江科技学院 | 基于相位恢复算法的光学多图像认证和加密方法 |
| CN114726690A (zh) * | 2022-04-18 | 2022-07-08 | 清华大学 | 码本生成方法、装置、电子设备及存储介质 |
| CN114726690B (zh) * | 2022-04-18 | 2024-03-29 | 清华大学 | 码本生成方法、装置、电子设备及存储介质 |
| CN114792352A (zh) * | 2022-06-22 | 2022-07-26 | 成都玖锦科技有限公司 | 一种频谱图像处理方法和系统 |
| CN114792352B (zh) * | 2022-06-22 | 2022-09-20 | 成都玖锦科技有限公司 | 一种频谱图像处理方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ghadirli et al. | An overview of encryption algorithms in color images | |
| CN110363269A (zh) | 基于矢量量化和干涉的多图像加密方法 | |
| Magdy et al. | Security of medical images for telemedicine: a systematic review | |
| Wan et al. | Visual Secret Sharing Scheme for (k, n) Threshold-Based on QR Code with Multiple Decryptions | |
| Li et al. | Robust image hashing based on random Gabor filtering and dithered lattice vector quantization | |
| US20110311042A1 (en) | Encryption method | |
| CN106384328A (zh) | 基于频域数字水印算法的图像数字版权保护方法及系统 | |
| Murali et al. | An efficient ROI based copyright protection scheme for digital images with SVD and orthogonal polynomials transformation | |
| Xia et al. | Novel quaternion polar complex exponential transform and its application in color image zero-watermarking | |
| Zhao et al. | Primitively visually meaningful image encryption: A new paradigm | |
| Zhang et al. | A Novel 1D Hybrid Chaotic Map‐Based Image Compression and Encryption Using Compressed Sensing and Fibonacci‐Lucas Transform | |
| CN108111710A (zh) | 一种可以减少密文及密钥数据量的多图像加密方法 | |
| CN112788195A (zh) | 图像处理方法、装置和设备 | |
| CN110516775B (zh) | 基于qr码用户秘密信息隐藏方法 | |
| Wu | Research on digital image watermark encryption based on hyperchaos | |
| Chen et al. | TSIA: A novel image authentication scheme for AMBTC-based compressed images using turtle shell based reference matrix | |
| CN110472424A (zh) | 基于强度传输方程和光子计数的多图像加密、认证的方法 | |
| Habib et al. | Enhancement using chaos of a Steganography method in DCT domain | |
| Chen et al. | Selective region medical image encryption algorithm based on cascade chaos and two-dimensional Joseph traversal | |
| Feng et al. | Robust multifunctional watermarking system based zero-watermarking and polar harmonic Fourier moments | |
| Ping et al. | Hiding Multiple Images into a Single Image Using Up-sampling | |
| Blue et al. | Identity document authentication using steganographic techniques: the challenges of noise | |
| Shukla | Non-separable histogram based reversible data hiding approach using inverse S-order and skew tent map | |
| Mstafa | Reversible video steganography using quick response codes and modified elgamal cryptosystem | |
| Shamsi et al. | Visually meaningful cipher data concealment |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191022 |
|
| RJ01 | Rejection of invention patent application after publication |