CN111832035A - 一种图像的加密存储方法和装置 - Google Patents

Abstract

本发明提供了一种图像的加密存储方法和装置。该方法包括：对获取的原始图像进行均匀分块，得到多个图像块；对所述多个图像块进行像素位置置乱，生成位置置乱图像；对所述位置置乱图像进行像素值的混沌置乱，生成最终加密图像；保存所述最终加密图像。通过对图像进行像素位置置乱和像素值置乱的双重加密，极大地提高了图像存储的安全性，有效防止信息泄露。本发明的方案特别适合应用于对人脸识别过程中获取的人脸图像进行加密存储，既可以保持人脸图像原有的所有特征以满足后续人脸识别系统的应用需求，又可以有效保护顾客的隐私，极大地降低数据泄露的风险。

Description

一种图像的加密存储方法和装置

技术领域

本发明涉及图像处理技术领域，特别是一种图像的加密存储方法和装置。

背景技术

随着信息安全、访问控制、及视频监控等应用需求的与日俱增，人脸识别技术已被广泛应用在各种社会生活工作场景中。人脸识别系统的首要步骤便是人脸图像的采集与存储。对于图像的存储方式，常用方法有两类：其一，图片原件存储在文件系统中，将文件路径存入数据库；其二，直接将图片以RGB分解存储到数据库中。这两类方法可以高效便捷地完成图像的存储、读取及识别。

然而，上述的人脸图像存储方式，为了便于人脸识别系统的后续操作，均未对图像本身做加密处理，在人脸识别系统所有者不具备对公共场所人脸数据的存储资质的情况下，这无疑会导致人脸数据的非法存储。同时，图像不进行加密存储还会有很大的安全隐患，如果发生泄露会造成直接商业损失。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的图像的加密存储方法和装置。

根据本发明实施例的一方面，提供了一种图像的加密存储方法，包括：

对获取的原始图像进行均匀分块，得到多个图像块；

对所述多个图像块进行像素位置置乱，生成位置置乱图像；

对所述位置置乱图像进行像素值的混沌置乱，生成最终加密图像；

保存所述最终加密图像。

可选地，对所述多个图像块进行像素位置置乱，包括：

利用二维Fibonacci变换矩阵对所述多个图像块进行指定次数的位置置乱。

可选地，所述指定次数由用户自定义。

可选地，对所述位置置乱图像进行像素值的混沌置乱，包括：

基于logistic混沌序列对所述位置置乱图像进行像素值的混沌置乱。

可选地，基于logistic混沌序列对所述位置置乱图像进行像素值的混沌置乱，生成最终加密图像，包括：

给定分支参数μ和初值x₀，利用logistic映射生成混沌序列x_k(k＝1,2,3…)；

将所述混沌序列转化为二维混沌矩阵；

将所述二维混沌矩阵与所述位置置乱图像进行异或运算，得到所述最终加密图像。

可选地，在对获取的原始图像进行均匀分块之前，所述方法还包括：

将所获取的原始图像转变为灰度图。

可选地，所述方法还包括：

获取保存的所述最终加密图像；

对所述最终加密图像进行基于logistic混沌序列的像素值置乱还原，生成所述位置置乱图像；

以所述指定次数为密钥，对所述位置置乱图像进行Fibonacci反变换，得到所述原始图像。

可选地，对所述最终加密图像进行基于logistic混沌序列的像素值置乱还原，包括：

将所述二维混沌矩阵与所述最终加密图像进行异或运算。

可选地，所述原始图像为人脸识别中获取的人脸图像。

根据本发明实施例的另一方面，还提供了一种图像的加密存储装置，包括：

图像分块模块，适于对获取的原始图像进行均匀分块，得到多个图像块；

位置置乱模块，适于对所述多个图像块进行像素位置置乱，生成位置置乱图像；

像素值置乱模块，适于对所述位置置乱图像进行像素值的混沌置乱，生成最终加密图像；以及

图像存储模块，适于保存所述最终加密图像。

本发明实施例提出的图像的加密存储方法和装置，在获取到原始图像后，首先对原始图像进行均匀分块，然后对分块图像进行像素位置置乱，得到位置置乱图像，进而对位置置乱图像进一步进行像素值的混沌置乱，以得到最终加密图像进行保存。通过对图像进行像素位置置乱和像素值置乱的双重加密，极大地提高了图像存储的安全性，有效防止信息泄露。

进一步地，本发明实施例提出的图像的加密存储方法和装置可应用于对人脸识别过程中获取的人脸图像进行加密存储，既可以保持人脸图像原有的所有特征以满足后续人脸识别系统的应用需求，又可以有效保护顾客的隐私，极大地降低数据泄露的风险。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一实施例的图像的加密存储方法的流程图；

图2示出了根据本发明另一实施例的图像的加密存储方法的流程示意图；

图3示出了根据本发明一实施例的图像的加密存储装置的结构示意图；以及

图4示出了根据本发明另一实施例的图像的加密存储装置的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

为解决上述技术问题，本发明实施例提出一种图像的加密存储方法。图1示出了根据本发明一实施例的图像的加密存储方法的流程图。参见图1，该方法至少可以包括以下步骤S102至步骤S108。

步骤S102，对获取的原始图像进行均匀分块，得到多个图像块。

步骤S104，对多个图像块进行像素位置置乱，生成位置置乱图像。

步骤S106，对位置置乱图像进行像素值的混沌置乱，生成最终加密图像。

步骤S108，保存最终加密图像。

本发明实施例提出的图像的加密存储方法，在获取到原始图像后，首先对原始图像进行均匀分块，然后对分块图像进行像素位置置乱，得到位置置乱图像，进而对位置置乱图像进一步进行像素值的混沌置乱，以得到最终加密图像进行保存。通过对图像进行像素位置置乱和像素值置乱的双重加密，极大地提高了图像存储的安全性，有效防止信息泄露。

上文步骤S102中对原始图像(不妨称为OriImage)进行分块。

在一种具体的实施方式中，可以将整幅OriImage切分为与原OriImage等比例的多个次级分区，再将每个次级分区继续切分为与次级分区等比例的多个小分区，以用于后续进行图像的块置乱和像素位置置乱。

在一个可选的实施例中，在对原始图像进行均匀分块之前，可以先将所获取的原始图像转变为灰度图。

上文步骤S104中，对分块后的图像进行第一重加密，即，像素位置置乱，得到位置置乱图像。在实际应用中，可以根据待加密图像的尺寸特征等选择适当的位置置乱算法，例如Arnold变换、幻方变换、Baker变换、仿射变换等。

在一个优选的实施例中，可以通过Fibonacci变换对分块后的图像进行像素位置置乱，提升图像置乱效果。

具体地，可以利用二维Fibonacci变换矩阵对切分所得的多个图像块进行指定次数的位置置乱，以生成位置置乱图像。

进一步地，该指定次数可以由用户自定义，后续对经Fibonacci置乱加密后的图像进行解密时作为Fibonacci反变换的密钥。

下面对Fibonacci位置置乱算法进行说明。

二维Fibonacci变换矩阵如下式(1)和式(2)所示：

将图像像素位置的矩阵表示为p＝(x,y)^T(其中，上标T表示转置)，则对图像进行一次位置置乱时的二维Fibonacci位置变换表达式为：

对图像进行n次位置置乱时的二维Fibonacci位置变换表达式为：

上式(3)和(4)中，x，y，x′，y′∈{0，1，...，N-1}，N为图像像素位置矩阵的阶数；(x，y)和(x′，y′)分别是原始图像和置乱后图像的像素位置，mod为取模运算。

下面通过一个例子对Fibonacci位置变换操作进行说明。例如，将原始图像(OriImage)切分为与原图等比例的S1个次级分区，并将每个次级分区切分为等比例的S2个小分区(每个小分区包含S1个像素点)。然后，取每个小分区中的像素点，将这S1个像素点依次填充到各个次级分区中，得到S1个新的次级分区。也就是说，保证每个小分区中的像素点被分到置乱后图像的不同的次级分区中。接着，对每个次级分区根据以上Fibonacci位置置乱算法进行像素位置的置乱。最后，将Fibonacci位置置乱后的S1个次级分区组合成位置置乱图像(不妨称为Picture)。

上文步骤S106中，对得到的位置置乱图像进行第二重加密，即，像素值的混沌置乱，以进一步增强加密效果。此处提及的混沌置乱的算法例如可以采用Henon映射、Lorenz映射等。

在一个优选的实施例中，可以基于利用logistic映射生成的logistic混沌序列对所得到的位置置乱图像进行像素值的混沌置乱。

Logistic映射是混沌理论中典型的混沌序列，它的函数式表示为：

x_k+1＝μx_k(1-x_k) (5)

其中，x_k∈(0，1)，0＜μ≤4。实验表明，当3.5699456＜μ≤4时，logistic映射进入混沌状态。混沌系列对初值敏感度很高，即使有微小的变化，都会使数据值发生变化，故而对于给定初值x₀和参数μ，可视为密钥对图像进行加密处理。

进一步地，步骤S106可以实施为以下步骤：

首先，给定分支参数μ和初值x₀，利用logistic映射生成混沌序列x_k(k＝1,2,3…)。混沌序列x_k是可以无限生成的不循环数列。

然后，将所生成的混沌序列转化为二维混沌矩阵(不妨称为Chaotic)。

具体地，可以根据转换后的Chaotic矩阵的行数(假设为R)和列数(假设为S)，从生成的混沌序列中，每S个数为一组，取R组，即可得到Chaotic矩阵。

另外，在从混沌序列中取值并转化为二维混沌矩阵时，可以从混沌序列的初始点进行截取，也可以舍去混沌序列的前若干点(假设r个点)，而从r+1个点开始进行截取。由于混沌序列的初始部分往往不具有混沌特性，如果初始点特别接近，混沌序列的前几十个点可能相同。通过从r+1个点开始进行取值并转化为二维混沌矩阵，能够进一步提高图像的保密性。

最后，将二维混沌矩阵(Chaotic)与位置置乱图像(Picture)进行异或运算，得到最终加密图像(不妨称为ScrImage)。本步骤的运算式可表示为：ScrImage＝Picture⊕Chaotic，其中，⊕为异或运算的数学符号。具体地，将位置置乱图像(Picture)中的每个像素的像素值与二维混沌矩阵(Chaotic)作异或运算，得到像素值被置乱的最终加密图像(ScrImage)。

异或也称为半加运算，其运算法则相当于不带进位的二进制加法。二进制下用1表示真，0表示假，则异或的运算法则为：0⊕0＝0，1⊕0＝1，0⊕1＝1，1⊕1＝0(同为0，异为1)。这些法则与加法是相同的，只是不带进位，所以异或常被认作不进位加法。

上文步骤S108中，可以将最终加密图像存储入文件系统或数据库中，以便后续获取该图像进行进一步处理。

在本发明的一个可选实施例中，在保存最终加密图像之后，还可以包括对最终加密图像的解密步骤。

图像解密过程是图像加密的取逆。在一种具体的实施方式中，对最终加密图像的解密可以实施为如下步骤：

首先，获取保存的最终加密图像。

然后，对最终加密图像进行基于logistic混沌序列的像素值置乱还原，生成位置置乱图像。

最后，以该指定次数为密钥，对位置置乱图像进行Fibonacci反变换，得到原始图像。

进一步地，可以通过将最终加密图像(ScrImage)与上述二维混沌矩阵(Chaotic)进行异或运算来还原基于logistic混沌序列的像素值置乱过程，以得到位置置乱图像(Picture)，运算式可表示为：Picture＝ScrImage⊕Chaotic。具体地，将最终加密图像ScrImage中的每个像素的像素值与二维混沌矩阵(chaotic)进行异或运算，还原出混沌加密前的位置置乱图像(picture)。

在一个可选的实施例中，上述原始图像可以是人脸识别中获取的人脸图像。即，本发明的图像的加密存储方法可应用于对人脸识别过程中获取的人脸图像进行加密存储，从而既可以保持人脸图像原有的所有特征以满足后续人脸识别系统的应用需求，又可以有效保护顾客的隐私，极大地降低数据泄露的风险。

以上介绍了图1所示实施例的各个环节的多种实现方式，下面将通过具体实施例来详细介绍本发明的图像的加密存储方法的实现过程。

图2示出了根据本发明一具体实施例的图像的加密存储方法的流程示意图。下面结合图2对本发明实施例提供的图像的加密存储方法进行具体说明。

第一步，获取原始图像OriImage。

获取人脸识别过程中的人脸图像，并将该人脸图像转变为灰度图，作为OriImage。

第二步，对OriImage进行分块。

本实施例中，假设OriImage大小为16×16(即，由16×16个像素点组成)，先切分为2×2个次级分区，每个次级分区再切分为4×4个小分区，也就是说，OriImage总共被切分为8×8个小分区，每个小分区具有4个像素点。

第三步，取块。

取每个小分区，将该小分区中的4个像素点依次填充到4个次级分区中，可以得到4个新的次级分区。

第四步，进行Fibonacci位置置乱。

利用上述二维Fibonacci变换矩阵对每个新的次级分区进行指定次数(本例中设为K1)的Fibonacci位置置乱。

第五步，块合并。

将Fibonacci位置置乱后的4个次级分区进行合并，组合成位置置乱后的图像Picture。

第六步，基于logistic混沌序列进行像素值置乱。

具体地，提供自定义的初值变量μ和x₀，用logistic映射生成混沌序列x_k(k＝1,2,3…)。根据图像Picture的大小16×16，从混沌序列中取16×16组数，并将其转换成16×16的二维混沌矩阵(Chaotic)。根据运算式ScrImage＝Picture⊕Chaotic，将矩阵Chaotic与图像Picture进行异或运算，得到最终加密图像ScrImage。

第七步，保存最终加密图像ScrImage。

本实施例中通过对人脸识别过程中获取的人脸图像进行Fibonacci位置置乱和基于logistic混沌序列的像素值置乱的双重加密，极大地保护了顾客隐私。通过本发明实施例的方法进行图像加密后，在缺失密钥的情况下，即使拿到所有数据也无法还原出人脸图像，有效降低被攻击而造成数据泄露的风险。

基于同一发明构思，本发明实施例还提供了一种图像的加密存储装置，用于支持上述任意一个实施例或其组合所提供的图像的加密存储方法。图3示出了根据本发明一实施例的图像的加密存储装置300的结构示意图。参见图3，该装置300至少可以包括：图像分块模块310、位置置乱模块320、像素值置乱模块330以及图像存储模块340。

现介绍本发明实施例的图像的加密存储装置300的各组成或器件的功能以及各部分间的连接关系：

图像分块模块310，适于对获取的原始图像进行均匀分块，得到多个图像块。

位置置乱模块320，与图像分块模块310连接，适于对多个图像块进行像素位置置乱，生成位置置乱图像。

像素值置乱模块330，与位置置乱模块320连接，适于对位置置乱图像进行像素值的混沌置乱，生成最终加密图像。

图像存储模块340，与像素值置乱模块330连接，适于保存最终加密图像。

在一个可选的实施例中，位置置乱模块320还适于：

利用二维Fibonacci变换矩阵对该多个图像块进行指定次数的位置置乱。

进一步的，该指定次数可由用户自定义。

在一个可选的实施例中，像素值置乱模块330还适于：

基于logistic混沌序列对位置置乱图像进行像素值的混沌置乱。

进一步地，像素值置乱模块330还适于：

给定分支参数μ和初值x₀，利用logistic映射生成混沌序列x_k(k＝1,2,3…)；

将混沌序列转化为二维混沌矩阵；

将二维混沌矩阵与位置置乱图像进行异或运算，得到最终加密图像。

在一个可选的实施例中，参照图4所示，装置300还可以包括图像转变模块350。图像转变模块350与图像分块模块310连接，适于在图像分块模块310对获取的原始图像进行均匀分块之前，将所获取的原始图像转变为灰度图。

在一个可选的实施例中，仍然参照图4所示，装置300还可以包括图像解密模块360。图像解密模块360与图像存储模块340连接，适于获取保存的最终加密图像；然后，对该最终加密图像进行基于logistic混沌序列的像素值置乱还原，生成该位置置乱图像；最后，以该指定次数为密钥，对该位置置乱图像进行Fibonacci反变换，得到原始图像。该密钥可由用户输入，也可从预先存储了密钥的存储器读取，本发明对此不做限制。

进一步地，图像解密模块360还适于：

将该二维混沌矩阵与最终加密图像进行异或运算，来还原基于logistic混沌序列的像素值置乱过程。

在一个可选的实施例中，上述原始图像可以是人脸识别过程中获取的人脸图像。

根据上述任意一个可选实施例或多个可选实施例的组合，本发明实施例能够达到如下有益效果：

本发明实施例提出的图像的加密存储方法和装置，在获取到原始图像后，首先对原始图像进行均匀分块，然后对分块图像进行像素位置置乱，得到位置置乱图像，进而对位置置乱图像进一步进行像素值的混沌置乱，以得到最终加密图像进行保存。通过对图像进行像素位置置乱和像素值置乱的双重加密，极大地提高了图像存储的安全性，有效防止信息泄露。

进一步地，本发明实施例提出的图像的加密存储方法和装置可应用于对人脸识别过程中获取的人脸图像进行加密存储，既可以保持人脸图像原有的所有特征以满足后续人脸识别系统的应用需求，又可以有效保护顾客的隐私，极大地降低数据泄露的风险。

所属领域的技术人员可以清楚地了解到，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，为简洁起见，在此不另赘述。

另外，在本发明各个实施例中的各功能单元可以物理上相互独立，也可以两个或两个以上功能单元集成在一起，还可以全部功能单元都集成在一个处理单元中。上述集成的功能单元既可以采用硬件的形式实现，也可以采用软件或者固件的形式实现。

本领域普通技术人员可以理解：所述集成的功能单元如果以软件的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，其包括若干指令，用以使得一台计算设备(例如个人计算机，服务器，或者网络设备等)在运行所述指令时执行本发明各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)，磁碟或者光盘等各种可以存储程序代码的介质。

或者，实现前述方法实施例的全部或部分步骤可以通过程序指令相关的硬件(诸如个人计算机，服务器，或者网络设备等的计算设备)来完成，所述程序指令可以存储于一计算机可读取存储介质中，当所述程序指令被计算设备的处理器执行时，所述计算设备执行本发明各实施例所述方法的全部或部分步骤。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：在本发明的精神和原则之内，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案脱离本发明的保护范围。

Claims (10)

1.一种图像的加密存储方法，包括：

对获取的原始图像进行均匀分块，得到多个图像块；

对所述多个图像块进行像素位置置乱，生成位置置乱图像；

对所述位置置乱图像进行像素值的混沌置乱，生成最终加密图像；

保存所述最终加密图像。

2.根据权利要求1所述的方法，其中，对所述多个图像块进行像素位置置乱，包括：

利用二维Fibonacci变换矩阵对所述多个图像块进行指定次数的位置置乱。

3.根据权利要求2所述的方法，其中，所述指定次数由用户自定义。

4.根据权利要求2所述的方法，其中，对所述位置置乱图像进行像素值的混沌置乱，包括：

基于logistic混沌序列对所述位置置乱图像进行像素值的混沌置乱。

5.根据权利要求4所述的方法，其中，基于logistic混沌序列对所述位置置乱图像进行像素值的混沌置乱，生成最终加密图像，包括：

给定分支参数μ和初值x₀，利用logistic映射生成混沌序列x_k(k＝1,2,3…)；

将所述混沌序列转化为二维混沌矩阵；

将所述二维混沌矩阵与所述位置置乱图像进行异或运算，得到所述最终加密图像。

6.根据权利要求1所述的方法，其中，在对获取的原始图像进行均匀分块之前，还包括：

将所获取的原始图像转变为灰度图。

7.根据权利要求5所述的方法，其中，还包括：

获取保存的所述最终加密图像；

对所述最终加密图像进行基于logistic混沌序列的像素值置乱还原，生成所述位置置乱图像；

以所述指定次数为密钥，对所述位置置乱图像进行Fibonacci反变换，得到所述原始图像。

8.根据权利要求7所述的方法，其中，对所述最终加密图像进行基于logistic混沌序列的像素值置乱还原，包括：

将所述二维混沌矩阵与所述最终加密图像进行异或运算。

9.根据权利要求1-8中任一项所述的方法，其中，所述原始图像为人脸识别中获取的人脸图像。

10.一种图像的加密存储装置，包括：

图像分块模块，适于对获取的原始图像进行均匀分块，得到多个图像块；

位置置乱模块，适于对所述多个图像块进行像素位置置乱，生成位置置乱图像；

像素值置乱模块，适于对所述位置置乱图像进行像素值的混沌置乱，生成最终加密图像；以及

图像存储模块，适于保存所述最终加密图像。

Images