CN111832052B - 一种基于显著性检测的非对等图像加密方法 - Google Patents
一种基于显著性检测的非对等图像加密方法 Download PDFInfo
- Publication number
- CN111832052B CN111832052B CN202010667583.9A CN202010667583A CN111832052B CN 111832052 B CN111832052 B CN 111832052B CN 202010667583 A CN202010667583 A CN 202010667583A CN 111832052 B CN111832052 B CN 111832052B
- Authority
- CN
- China
- Prior art keywords
- image
- important
- encryption
- important area
- sequence
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 title claims abstract description 14
- 238000013507 mapping Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 28
- 108020004414 DNA Proteins 0.000 claims description 15
- 108091026890 Coding region Proteins 0.000 claims description 13
- 108091028043 Nucleic acid sequence Proteins 0.000 claims description 8
- 230000006835 compression Effects 0.000 claims description 7
- 238000007906 compression Methods 0.000 claims description 7
- 230000000739 chaotic effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011410 subtraction method Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F2221/2107—File encryption
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- Facsimile Transmission Control (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种基于显著性检测的非对等图像加密方法,包括获取原始图像,根据原始图像的预设特征的显著性映射结合生成显著性图;根据显著性图将原始图像划分为重要区域和非重要区域;对重要区域采用DNA加密算法进行加密,获取第一加密图像;对非重要区域进行压缩感知加密,获取第二加密图像;对第一加密图像与第二加密图像重组获得最终加密图像。本发明提出的方法能够保障图像的安全性,还能够减少图像加密运算的计算量,同时减少图像传输、存储的数据量。
Description
技术领域
本发明涉及数字图像和数字视频处理技术领域,具体的,涉及一种基于显著性检测的非对等图像加密方法。
背景技术
物联网技术广泛应用于人们生活的方方面面,规模巨大的网络结合各种信息传感设备形成了计算机和现实事物在任何时间和任何地方进行实时互联,在这个过程中产生了大量的图像数据,而这些图像数据中包含了大量的个人信息,图像数据的隐私安全成为人们关注和迫切需要解决的问题。
图像加密技术可以防止图像中涉及个人的隐私信息泄露,确保安全的图像数据在云端服务器上共享。传统的图像加密技术可以分为两类:完全加密和选择加密。完全加密是对整个图像进行加密,在加密后的图像上不能获得任何可视信息。例如,一些研究人员提出了自适应的二维正弦逻辑映射应用于图像加密的技术,这种技术所使用的加密算法为完全加密的算法,由于是对整个图像进行加密,这种方法的加密计算量大,加密速度慢。选择加密是选择图像的一部分区域进行加密,通常会选择图像中的重要区域进行加密,对于非重要区域不做处理。例如,发明人在2015年在《光学通信》期刊341期中发表了“基于混沌映射的红外目标选择性加密”的文章,该加密算法为选择加密的算法,选择加密的优点是计算量可以大大减少,其缺点是图像仍然保留视觉信息,安全性不足。
但随着图像数据的数量呈指数方式的增长,大量的数据需要加密,现在的加密方法存在明显的局限性。一些强度大的加密算法,虽然它的安全性较高,但是它的计算量很大,加密速度慢;对于少量的数据,这种方法可以很好的处理,然而随着数据骤然增多,需要很大的计算量,消耗了很多的计算资源。因为图像不是所有区域都非常重要,或者涉及隐私信息,所以并不是图像上的所有区域都需要高强度的加密。对于图像的非重要区域,则可以采取轻度加密方法,这些算法的加密速度快,计算量小,可以大大的减少计算资源。
发明内容
针对现有技术的不足,本发明提供一种基于显著性检测的非对等图像加密方法,以解决现有图像加密算法计算量过大或者经过加密后图像仍保留图像中隐私信息的问题。
为实现上述目的,本发明通过以下技术方案予以实现:一种基于显著性检测的非对等图像加密方法,包括:获取原始图像,根据原始图像的预设特征的显著性映射结合生成显著性图;根据显著性图将原始图像划分为重要区域和非重要区域;对重要区域采用DNA加密算法进行加密,获取第一加密图像;对非重要区域进行压缩感知加密,获取第二加密图像;对第一加密图像与第二加密图像重组获得最终加密图像。
优选的,根据原始图像的预设特征的显著性映射结合生成显著性图包括:根据原始图像的强度、颜色和方向的显著性映射结合生成显著性图。
优选的,根据显著性图将原始图像划分为重要区域和非重要区域包括:将显著性图进行二值化处理,根据二值化后的图像进行识别并获取重要区域和非重要区域。
优选的,对重要区域采用DNA加密算法进行加密包括:将重要区域的像素使用DNA序列进行编码获得第一编码序列,使用预设的规则对第一编码序列进行解码,获得第一加密图像。
可选的,对重要区域采用DNA加密算法进行加密包括:将重要区域的像素使用DNA序列进行编码获得第一编码序列,使用预设的规则将第一编码序列进行重新排序获得第二编码序列,对第二编码序列进行解码,获得第一加密图像。
优选的,使用预设的规则将第一编码序列进行重新排序获得第二编码序列包括:第一编码序列为重要区域的图像以DNA序列为元素的第一矩阵,生成一个与重要区域的图像的像素大小相同的第二矩阵,对第一矩阵与第二矩阵进行预设逻辑运算,获得第二编码序列。
优选的,预设逻辑运算至少包括以下一种:加法运算、减法运算、异或运算。
优选的,逻辑运算包括二种以上;对第一矩阵与第二矩阵进行预设逻辑运算包括:生成一随机序列,应用随机序列确定逻辑运算的类型。
优选的,随机序列为混沌系统所产生的随机序列。
优选的,对非重要区域进行压缩感知加密包括:对非重要区域在低采样率下压缩样本,对非重要区域的图像进行压缩同时进行加密。
优选的,对非重要区域进行压缩感知加密时,压缩率为0.5。
与现有技术相比,本发明的有益效果是:
本发明通过对图像进行识别,将图像划分为重要区域以及非重要区域,对于重要区域采用强度较大的加密算法,例如采用DNA加密算法进行加密,对于重要区域能够获得良好的加密效果,避免图像中涉及隐私的信息泄露。对于图像中的非重要区域,采用压缩感知的加密算法,在对图像进行加密的同时还对图像进行压缩,使得压缩后的图像数据量减少,从而减少了图像传输、存储的数据量。
此外,由于图像中非重要区域的面积往往较大,采用本发明的算法能够减少图像加密过程中的计算量,提高图像加密的速度。因而,本发明能够获得良好的图像加密效果,而且很大程度上减少了数据的运算量以及节省了数据的存储资源,适合对大量的图像数据进行加密的场合。
另外,本发明采用DNA加密算法对重要区域进行加密,即将图像的灰度值转换成DNA碱基序列并且对DNA碱基序列进行重新排序、解码,能够大幅度提高加密的强度,使得加密的图像不容易被破解,加密效果好。另外,本发明加密过程中并不需要进行非常复杂的计算,大部分计算都是编码、解码以及逻辑运行,运算量不大,能够提高图像加密的效率。
附图说明
图1为本发明方法实施例的流程图。
图2为本发明方法实施例的流程框图。
图3为应用本发明方法实施例进行加密过程中各阶段图像处理的示意图,其中,图3(a)为原始图像,图3(b)为显著性图,图3(c)为第一加密图像,图3(d)为第二加密图像,图3(e)为恢复图像。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明是一种基于显著性检测的非对等图像加密方法,参见图1,本发明采用以下步骤实现:首先,执行步骤S1,获取原始图像。具体的,通过电子设备的CCD传感器或者CMOS传感器获取拍摄的原始图像,优选的,原始图像包括大量的像素,每一个像素具有自己的像素值,该像素值可以是该像素的灰度值。
然后,执行步骤S2,根据原始图像的预设特征的显著性映射结合生成显著性图。本实施例中,根据原始图像的三个预设特征,即强度、颜色和方向的显著性映射结合生成显著性图。具体的,可以采用下面的公式进行三个预设特征的显著性映射的结合计算:
式1中,R是规范化操作,θ为强度、颜色和方向三个预设特征的显著性映射,和κ为预先设定的权重参数,优选的,设置为/>
生成显著性图后,执行步骤S3,根据显著性图将原始图像划分为重要区域以及非重要区域。具体的,将显著性图进行二值化处理,即获得黑白图像,然后根据二值化处理后的图像进行识别,识别出原始图像中的重要区域以及非重要区域。
本实施例中,对于重要区域采用强度较大的加密算法,确保重要区域中的图像信息不容易被破解,保障隐私信息不会泄露,而对于非重要区域,则采用强度较小的加密算法,并且在加密的同时对图像进行压缩,降低图像加密的计算量,并且减少加密后的图像的数据量,有利于加密后的图像数据的传输与存储。
执行步骤S3后,执行步骤S4,对重要区域采用DNA加密算法进行加密,并生成第一加密图像。具体的,采用动态DNA加密算法进行加密。首先,设定DNA编码序列的四个碱基,分别为A、T、C、G。然后,设定DNA加密算法的编码规则,例如设定如表1所示的编码规则。
表1
规则 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
A | 00 | 00 | 10 | 11 | 00 | 01 | 10 | 11 |
C | 10 | 01 | 11 | 01 | 01 | 11 | 00 | 10 |
G | 01 | 11 | 00 | 10 | 10 | 00 | 11 | 01 |
T | 11 | 10 | 01 | 00 | 11 | 10 | 01 | 00 |
从表1可见,本实施例设定了8条规则,每一条规则中,每一碱基A、T、C、G分别对应两位二进制数,且每一条规则下每一碱基A、T、C、G对应的数值均不相同,例如,在规则1中,碱基A对应二进制数“00”,碱基C对应二进制数“10”,碱基G对应二进制数“01”,碱基T对应二进制数“11”,在规则2中,碱基A对应二进制数“00”,碱基C对应二进制数“01”,碱基G对应二进制数“11”,碱基T对应二进制数“10”,以此类推。
根据上述的编码规则,可以对重要区域的图像的像素进行编码。例如,重要区域的图像的某一个像素的灰度值为68,对应的二进制序列为“01000100”,如果使用规则2进行编码,则编码获得对应的碱基序列为“CACA”,该序列为第一编码序列。然后,采用规则6对第一编码序列进行解码,获得的二进制序列为“11011101”,对应的十进制数为221。解码后的数值即作为第一加密图像中该像素的灰度值。可见,经过上述计算,原始图像中某一个像素的灰度值,从原先的68变成了221。
为了提高加密的效果,本实施例采用一个随机序列实现编码、解码过程中的规则的选取。例如,应用混沌系统产生的一个随机序列,该随机序列是一个无序的序列,序列中每一个数值是1至8中的任一个。这样,对重要区域进行加密时,从该随机序列中依次获取数值,使用随机序列中的数值作为像素编码、解码的规则编号,例如随机序列中连续的四个数字分别是1587,则表示对于第一个像素,使用规则1进行编码获得第一编码序列,然后使用规则5进行解码获得解码后的数值,对于下一个像素,则使用规则8进行编码获得第一编码序列,再使用规则7进行解码,以此类推。
当然,也可以生成2个随机序列,其中第一个随机序列用于选取各像素的编码规则,第二随机序列用于选取各像素的解码规则。
此外,提高对重要区域的加密强调,本发明还引入了对DNA序列的进行加法、减法、异或等逻辑操作,加法、减法、异或操作的具体计算规则是预先设定的,加法、减法、异或操作的具体计算规则分别如表2、表3、表4所示。
表2
表3
减法 | A | T | C | G |
A | A | G | C | T |
T | T | A | G | C |
C | C | T | A | G |
G | G | C | T | A |
表4
异或 | A | T | C | G |
A | A | T | C | G |
T | T | A | G | C |
C | C | G | A | T |
G | G | C | T | A |
例如,将重要区域的图像的多个像素看成是一个二维的矩阵,二维矩阵内的每一个元素对应图像中的一个像素,并且根据表1所示的DNA编码规则,将重要区域的图像的每一个像素的灰度值进行编码形成每一个像素对应的第一编码序列,多个像素形成的矩阵即形成以DNA序列为元素的二维矩阵,该矩阵为第一矩阵。
然后,应用混沌系统生成一个二维矩阵,该矩阵为第二矩阵,第二矩阵的大小与第一矩阵的大小相同。然后,对第一矩阵与第二矩阵进行预设逻辑运算,从而获得第二编码序列。
本实施例中,预设逻辑运算可以是加法运算、减法运算或者异或运算,每一种逻辑运算的规则都是预先设定的,即按照表2至表4的规则设定。进行运算时,可以根据表2至表4的规则查找运算后的碱基。经过预设的逻辑运算后,每一个像素对应的第一编码序列将重新排序形成第二编码序列,对第二编码序列进行解码后,即可以获得该像素加密后的灰度值。
本实施例中,预设逻辑运算一共有三种,为了进一步提高加密的效果,可以产生一个随机序列,例如通过混沌系统产生一个随机序列,该随机序列是由数字1至3组成的随机序列,当某一个像素对应于该序列上的一个数字。然后,根据序列上的数字来确定进行逻辑运算的类型,例如随机序列中,数字“1”代表加法运算,数字“2”代表减法运算,数字“3”代表异或运算。这样,不同像素之间所采用的逻辑运算类型也是不相同的,也就是采用了不完全相同的规则进行加密,大大增加了不法分子获取原始图像的难度。
接着,执行步骤S5,对非重要区域进行压缩感知加密从而获得第二加密图像。本实施例采用压缩感知的方式对非重要区域的图像进行加密,即在低采样率下压缩样本,对非重要区域的图像进行压缩同时进行加密。压缩感知是将高维信号压缩成低维信号,并能够很好的恢复原始信号的一种数据处理方法。
具体的,在确定重要区域的图像后,将原始图像中重要区域的像素的灰度值置0,并且不改变非重要区域的像素的灰度值。然后再应用压缩感知加密的算法对经过上述处理的图像进行加密计算。优选的,本实施例采用下面的公式进行压缩感知加密:
ν=φω (式2)
其中,φ为预先设定的m×n的高斯矩阵,ν为压缩后的向量,ω为被压缩的信号,也就是非重要区域的图像。当ω不是稀疏信号时,需要将其稀疏正交化,将ω稀疏正交化可以采用下面的公式表达:
ω=βx (式3)
其中,β为n×n的稀疏矩阵,x为稀疏基。这样,采样信号可以表达为:
ν=φβx=Ψx (式4)
其中,Ψ=φβ为感知矩阵,其大小为m×n。本实施例中,通过压缩感知加密可以改变图像的大小,例如,设定压缩感知加密的压缩率为0.5,即经过压缩感知加密后,获得的第二加密图像的大小只有原始图像的一半。
通过对非重要区域进行压缩感知加密计算获得第二加密图像后,执行步骤S6,将第一加密图像与第二加密图像进行重组生成最终加密图像,下面结合图2介绍对原始图像进行加密、恢复的流程。在获取原始图像10后,通过对原始图像的多个预设特征进行显著性映射结合的方式获得显著性图,并且根据显著性图将原始图像划分为重要区域11以及非重要区域21。其中,重要区域11是包含有隐私信息的图像,非重要区域21是重要区域11以外的区域,非重要区域21往往并不包含有隐私信息。如图3所示,图3(a)为原始图像,图3(b)为显著性图,即将原始图像划分为重要区域11以及非重要区域21的图像。从显著性图可以看出,本实施例的算法能够很好的识别出原始图像中的重要区域11和非重要区域21。
对于重要区域,采用强度较大的加密算法,例如DNA编码算法获得第一加密图像12,对于非重要区域,则采用强度较低的加密算法获得第二加密图像22,优选的,第二加密图像22是经过压缩的图像。图3(c)为重要区域11后获得的第一加密图像12,从图中可以看出,重要区域的信息被完全加密,看不到任何可视信息。图3(d)为采用压缩感知加密对非重要区域21进行加密获得的第二加密图像22。优选的,第二加密图像22的压缩率可调,压缩率越低,其恢复原图的质量越好,本实施例所设定的压缩率为0.5,因此,图3(d)的像素大小只有原始图像的一半。在获得第一加密图像12以及第二加密图像22后,将第一加密图像12、第二加密图像22进行重组,例如将第一加密图像12、第二加密图像22合并存储在一个数据包中,该数据包可以视为最终加密图像25。
最终加密图像25可以被传输至云端服务器30,当用户需要查看图像时,需要对加密的图像进行解密,例如,采用与生成第一加密图像12相反的方式进行解密,获得解密部分31的图像,同时,针对第二加密图像22进行恢复,获得重建部分32,最后将解密部分31与重建部分32进行结合获得恢复图像35。
对非重要区域进行恢复等价于解一个优化问题,其表达式如下:
Minimize||x||0subject to ν=Ψx (式5)
其中||x||0表示0范数,Subject to表示“受约束于”。通过解一个优化问题,第二加密图像可以通过下面的公式实现重建:
其中,为重建的图像,/>为第二加密图像。由于第二加密图像22经过恢复后得到的重建部分32,在重要区域的像素的灰度值均为0,因此,对第一加密图像与第二加密图像进行重建就是将解密部分31叠加到重建部分32相应的区域上,从而获得恢复图像35。图3(e)为经过恢复后的恢复图像35。
可见,本发明可以在保证图像重要区域安全性的同时,提高图像的加密速度和减少图像的存储数据量,即使对大量的数据进行加密,本发明相对于完全加密的方法和选择加密的方法,都体现了其优越性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于显著性检测的非对等图像加密方法,其特征在于,包括:
获取原始图像,根据所述原始图像的预设特征的显著性映射结合生成显著性图;
根据所述显著性图将所述原始图像划分为重要区域和非重要区域;
对所述重要区域采用DNA加密算法进行加密,获取第一加密图像;
对所述非重要区域进行压缩感知加密,获取第二加密图像;
对所述第一加密图像与所述第二加密图像重组获得最终加密图像;
其中,对所述非重要区域进行压缩感知加密包括:对所述非重要区域在低采样率下压缩样本,对所述非重要区域的图像进行压缩同时进行加密,设定压缩感知加密的压缩率为0.5;
对所述重要区域采用DNA加密算法进行加密包括:将所述重要区域的像素使用DNA序列进行编码获得第一编码序列,使用预设的规则将所述第一编码序列进行重新排序获得第二编码序列,对所述第二编码序列进行解码,获得所述第一加密图像;
使用预设的规则将所述第一编码序列进行重新排序获得第二编码序列包括:第一编码序列为所述重要区域的图像以DNA序列为元素的第一矩阵,生成一个与所述重要区域的图像的像素大小相同的第二矩阵,对所述第一矩阵与所述第二矩阵进行预设逻辑运算,获得所述第二编码序列;
所述逻辑运算包括二种以上;
对所述第一矩阵与所述第二矩阵进行预设逻辑运算包括:生成一随机序列,应用所述随机序列确定逻辑运算的类型。
2.根据权利要求1所述的一种基于显著性检测的非对等图像加密方法,其特征在于:
根据所述原始图像的预设特征的显著性映射结合生成显著性图包括:根据所述原始图像的强度、颜色和方向的显著性映射结合生成所述显著性图。
3.根据权利要求2所述的一种基于显著性检测的非对等图像加密方法,其特征在于:
根据所述显著性图将所述原始图像划分为重要区域和非重要区域包括:将所述显著性图进行二值化处理,根据二值化后的图像进行识别并获取所述重要区域和所述非重要区域。
4.根据权利要求1至3任一项所述的一种基于显著性检测的非对等图像加密方法,其特征在于:
对所述重要区域采用DNA加密算法进行加密包括:将所述重要区域的像素使用DNA序列进行编码获得第一编码序列,使用预设的规则对所述第一编码序列进行解码,获得所述第一加密图像。
5.根据权利要求1所述的一种基于显著性检测的非对等图像加密方法,其特征在于:
所述预设逻辑运算至少包括以下一种:加法运算、减法运算、异或运算。
6.根据权利要求5所述的一种基于显著性检测的非对等图像加密方法,其特征在于:
所述随机序列为混沌系统所产生的随机序列。
7.根据权利要求1至3任一项所述的一种基于显著性检测的非对等图像加密方法,其特征在于:
对所述非重要区域进行压缩感知加密包括:对所述非重要区域在低采样率下压缩样本,对所述非重要区域的图像进行压缩同时进行加密。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010667583.9A CN111832052B (zh) | 2020-07-13 | 2020-07-13 | 一种基于显著性检测的非对等图像加密方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010667583.9A CN111832052B (zh) | 2020-07-13 | 2020-07-13 | 一种基于显著性检测的非对等图像加密方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111832052A CN111832052A (zh) | 2020-10-27 |
CN111832052B true CN111832052B (zh) | 2024-02-20 |
Family
ID=72900593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010667583.9A Active CN111832052B (zh) | 2020-07-13 | 2020-07-13 | 一种基于显著性检测的非对等图像加密方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111832052B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113160944B (zh) * | 2021-02-03 | 2023-11-14 | 江西财经大学 | 一种基于区块链的医疗图像共享方法 |
CN112906587A (zh) * | 2021-02-26 | 2021-06-04 | 上海云从企业发展有限公司 | 一种数据处理方法、装置、机器可读介质及设备 |
CN112699400B (zh) * | 2021-03-24 | 2021-06-25 | 北京惠风智慧科技有限公司 | 一种图像信息安全处理方法及装置 |
CN112991474B (zh) * | 2021-04-09 | 2023-05-09 | 中国矿业大学 | 基于预计算的dna快速解码方法 |
CN113099234B (zh) * | 2021-04-09 | 2022-04-19 | 中国矿业大学 | 基于预计算的dna快速编码方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706946A (zh) * | 2009-11-26 | 2010-05-12 | 大连大学 | 基于dna序列与多混沌映射的数字图像加密方法 |
CN101719908A (zh) * | 2009-11-26 | 2010-06-02 | 大连大学 | 基于混沌理论和dna剪接模型的图像加密方法 |
CN104851070A (zh) * | 2015-05-08 | 2015-08-19 | 陕西师范大学 | 一种基于前景和背景分离的图像加密和解密方法 |
CN105701755A (zh) * | 2015-08-20 | 2016-06-22 | 大连大学 | 一种基于分形和dna序列操作的图像加密方法 |
CN105975869A (zh) * | 2016-02-05 | 2016-09-28 | 四川长虹电器股份有限公司 | 基于显著性区域的自适应选择加密方法 |
CN108513135A (zh) * | 2017-02-27 | 2018-09-07 | 诺基亚技术有限公司 | 图像加密和解密 |
CN109214972A (zh) * | 2018-08-16 | 2019-01-15 | 电子科技大学 | 一种基于混沌伪随机dna增强的图像加密方法 |
CN109918923A (zh) * | 2019-01-25 | 2019-06-21 | 哈尔滨理工大学 | 一种基于dna编码的多通道彩色图像混沌加密方法 |
CN110148189A (zh) * | 2019-05-23 | 2019-08-20 | 江西财经大学 | 一种基于dna序列和混沌系统的光场图像加密方法 |
CN110390622A (zh) * | 2019-07-18 | 2019-10-29 | 江西财经大学 | 一种基于半张量积压缩感知的加密方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104966286B (zh) * | 2015-06-04 | 2018-01-09 | 电子科技大学 | 一种3d视频显著性检测方法 |
KR20170032776A (ko) * | 2015-09-15 | 2017-03-23 | 삼성전자주식회사 | 선택적으로 영상을 암호화하는 영상 처리 장치 및 영상 처리 방법 |
AU2020100421A4 (en) * | 2020-03-19 | 2020-04-30 | Yuming Fang | A multi-level encryption scheme for H.265/HEVC based on syntax elements scrambling |
-
2020
- 2020-07-13 CN CN202010667583.9A patent/CN111832052B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101706946A (zh) * | 2009-11-26 | 2010-05-12 | 大连大学 | 基于dna序列与多混沌映射的数字图像加密方法 |
CN101719908A (zh) * | 2009-11-26 | 2010-06-02 | 大连大学 | 基于混沌理论和dna剪接模型的图像加密方法 |
CN104851070A (zh) * | 2015-05-08 | 2015-08-19 | 陕西师范大学 | 一种基于前景和背景分离的图像加密和解密方法 |
CN105701755A (zh) * | 2015-08-20 | 2016-06-22 | 大连大学 | 一种基于分形和dna序列操作的图像加密方法 |
CN105975869A (zh) * | 2016-02-05 | 2016-09-28 | 四川长虹电器股份有限公司 | 基于显著性区域的自适应选择加密方法 |
CN108513135A (zh) * | 2017-02-27 | 2018-09-07 | 诺基亚技术有限公司 | 图像加密和解密 |
CN109214972A (zh) * | 2018-08-16 | 2019-01-15 | 电子科技大学 | 一种基于混沌伪随机dna增强的图像加密方法 |
CN109918923A (zh) * | 2019-01-25 | 2019-06-21 | 哈尔滨理工大学 | 一种基于dna编码的多通道彩色图像混沌加密方法 |
CN110148189A (zh) * | 2019-05-23 | 2019-08-20 | 江西财经大学 | 一种基于dna序列和混沌系统的光场图像加密方法 |
CN110390622A (zh) * | 2019-07-18 | 2019-10-29 | 江西财经大学 | 一种基于半张量积压缩感知的加密方法 |
Non-Patent Citations (3)
Title |
---|
Colour light field image encryption based on DNA sequences and chaotic systems;W. Wen,等;Nonlinear Dynamics;第99卷(第2期);1587–1600 * |
Saliency detection in the compressed domain for adaptive image retargeting;Y. Fang, Z等;IEEE Transactions on Image Processing;第21卷(第9期);3888-3901 * |
Video frames encryption based on DNA sequences and chaos;Rongxin Tu等;Eleventh International Conference on Digital Image Processing(ICDIP 2019);第11179卷 * |
Also Published As
Publication number | Publication date |
---|---|
CN111832052A (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111832052B (zh) | 一种基于显著性检测的非对等图像加密方法 | |
Dhawan et al. | Analysis of various data security techniques of steganography: A survey | |
Lathey et al. | Image enhancement in encrypted domain over cloud | |
Qasim et al. | Review on techniques and file formats of image compression | |
Hashim et al. | A REVIEW AND OPEN ISSUES OF MULTIFARIOUS IMAGE STEGANOGRAPHY TECHNIQUES IN SPATIAL DOMAIN. | |
Zhang et al. | Harnessing the hybrid cloud for secure big image data service | |
CN110475038B (zh) | 一种结合最小闭包编码的字符画生成式隐藏及恢复方法 | |
CN111050022B (zh) | 一种高安全性图像传输系统及方法 | |
Sachdeva et al. | Colour image steganography based on modified quantization table | |
Bao et al. | Image scrambling adversarial autoencoder based on the asymmetric encryption | |
Nilizadeh et al. | Information Hiding in RGB Images Using an Improved Matrix Pattern Approach. | |
Kumar et al. | A reversible high capacity data hiding scheme using combinatorial strategy | |
Zhang et al. | Chaotic color multi-image compression-encryption/LSB data type steganography scheme for NFT transaction security | |
Liu et al. | Hiding multiple images into a single image via joint compressive autoencoders | |
Rawat et al. | A novel multi secret image sharing scheme for different dimension secrets | |
Su et al. | Visualized multiple image selection encryption based on log chaos system and multilayer cellular automata saliency detection | |
Mansour et al. | Steganography-Based Transmission of Medical Images Over Unsecure Network for Telemedicine Applications. | |
Himthani et al. | Comparative performance assessment of deep learning based image steganography techniques | |
Tanwar et al. | Privacy preserving image scaling using 2D bicubic interpolation over the cloud | |
Chu et al. | A multi-image compression and encryption scheme based on fractional chaotic map | |
Kich et al. | Image steganography by deep CNN auto-encoder networks | |
Mansoor et al. | Image Steganography Based on Chaos Function and Randomize Function | |
Muhammad et al. | Evaluating the suitability of color spaces for image steganography and its application in wireless capsule endoscopy | |
Lakshmi et al. | Reversible data hiding in videos for better visibility and minimal transfer | |
Solodukha et al. | Modification of RS-steganalysis to attacks based on known stego-program |
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 |