CN113222829B - 基于Bernstein基的数字图像分存方法及图像复原方法 - Google Patents
基于Bernstein基的数字图像分存方法及图像复原方法 Download PDFInfo
- Publication number
- CN113222829B CN113222829B CN202110212113.8A CN202110212113A CN113222829B CN 113222829 B CN113222829 B CN 113222829B CN 202110212113 A CN202110212113 A CN 202110212113A CN 113222829 B CN113222829 B CN 113222829B
- Authority
- CN
- China
- Prior art keywords
- image
- sub
- bernstein
- images
- splitting
- 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 40
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000010606 normalization Methods 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 15
- 230000000694 effects Effects 0.000 abstract description 12
- 238000011084 recovery Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000370 acceptor Substances 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Facsimile Transmission Control (AREA)
- Image Processing (AREA)
Abstract
本发明公开一种基于Bernstein基的数字图像分存方法及图像恢复方法,数字图像分存方法包括如下步骤:S1、基于带形状参数的Bernstein基函数构建图像分存模型,设置形状参数,包括n值和参数δi;S2、对输入的M×N原始灰度图像I进行归一化处理,形成图像I';S3、图像分存模型将图像I'分解为n+1个子图像。图像分存模型给出了将一幅图像表示成n幅子图像的线性组合,形式简洁,计算非常简单。无需加密,仅仅通过调节形状参数的取值,使得每个子图像的灰度非常小,从而达到良好的分存效果,即使在传输过程中个别子图像被破坏或丢失,也能够较好的恢复图像,而且分解的子图像数目越多,恢复效果越好,即使个别子图像被攻击者获取也无法获取任何有实际意义的图像信息。
Description
技术领域
本发明属于图像处理技术领域,更具体地,本发明涉及一种基于Bernstein基的数字图像分存方法及图像复原方法。
背景技术
数字图像分存算法是一种重要的图像信息加密技术,是图像信息安全领域中研究的主要内容之一。该技术主要是研究把一幅数字图像分解成几幅无意义或者杂乱无章的图像进行存储或传输,它可以避免由于少数图像信息的丢失或者被攻击者非法获取而造成严重的事故,具有重要的应用价值。
由于子图像在转播过程中可能被非法攻击者截获,也有可能丢失,所以分存与复原算法不仅要求简单高效,还应当考虑如下两个问题:一是当少数子图像被非法截获时,攻击者也无法获取原图像的任何有意义的信息,二是如果少数子图像在传输过程中丢失,也不影响合法接受者理解原图像信息。目前主流的图像分存算法中,基于(k,n)门限方案的图像分存技术仍一定程度存在像素膨胀和失真的问题;采用逻辑异或方法的图像分存算法,虽然在效率和数据膨胀率方面具有不错的结果,但各分存图像之间存在一种线性相关性;应用拉格朗日多项式插值曲线进行数字图像信息分存,如果次数选得过高,将会使运算的数据量和计算量增大,同时会使计算过程产生数值不稳定的病态现象,同时算法中增加了非均匀三角剖分的计算过程和剖分网格的存储带来额外的时空开销,算法过程也比较复杂。另外,针对子图像得到与原图像具有相似轮廓的问题,大多是先对原图像进行分解,再分别对每个子图像置乱加密,使得分存效果的好坏主要取决于加密算法作用的结果,分存算法本身的价值无法体现,同时也大大增加了时间消耗。
发明内容
本发明提供一种基于Bernstein基的数字图像分存方法,旨在改善上述问题。
本发明是这样实现的,一种基于Bernstein基的数字图像分存方法,所述方法具体包括如下步骤:
S1、基于带形状参数的Bernstein基函数构建图像分存模型,设置形状参数,包括n值和参数δi;
S2、对输入的M×N原始灰度图像I进行归一化处理,形成图像I';
进一步的,图像分存模型表示如下:
本发明是这样实现的,一种基于Bernstein基的数字图像复原方法,所述方法具体包括如下步骤:
S2、检测接收到的子图像序列是否存在子图像的丢失,若检测结果为是,则将丢失子图像的像素灰度值设为零,执行步骤S3,若检测结果为否,则直接执行步骤S3;
S3、基于子图像序列来进行图像的恢复,输出恢复后的图像,恢复后的图像即为归一化处理后的原始灰度图像。
进一步的,基于如下公式进行图像的恢复:
进一步的,基于子图像标识来检测子图像是否存在丢失。
本发明提出的图像分存模型给出了将一幅图像表示成n幅子图像的线性组合,形式简洁,计算非常简单。无需加密,仅仅通过调节形状参数的取值,使得每个子图像的灰度非常小,从而达到良好的分存效果,即使个别子图像被攻击者获取也无法获取任何有实际意义的图像信息。反过来也可以根据n幅子图像信息无损地恢复原图像,即使个别子图像在传输过程中丢失,通过余下子图像也能够较好的恢复图像,而且从理论上,n值越大,恢复效果越好。有效保护了图像信息传输的安全。
附图说明
图1为本发明实施例提供的δ1=0.3,δ2=0.5,δ3=2时的基函数曲线图;
图2为本发明实施例提供的δ1=-0.5,δ2=-0.15,δ3=1时的基函数曲线图;
图3为本发明实施例提供的基于Bernstein基的数字图像分存方法流程图;
图4为本发明实施例提供的数字图像分存后的子图像,其中(a)为256×256Lena原始图像I,(b)为子图像1,(c)为子图像2,(d)为子图像3,(e)为子图像4;
图5为本发明实施例提供的子图像1左上角16×8像素的灰度值;
图6为本发明实施例提供的子图像2左上角16×8像素的灰度值;
图7为本发明实施例提供的子图像3左上角16×8像素的灰度值;
图8为本发明实施例提供的子图像4左上角16×8像素的灰度值;
图9为本发明实施例提供基于Bernstein基的数字图像复原方法对子图像1至4恢复后的恢复图像;
图10为本发明实施例提供存在子图像丢失的恢复图像,其中,(a)是子图像2丢失后的恢复图像,(b)是子图像1丢失后的恢复图像,(c)是子图像1和子图像2丢失后的恢复图像,(d)是子图像1、子图像2及子图像3丢失后的恢复图像。
具体实施方式
下面对照附图,通过对实施例的描述,对本发明的具体实施方式作进一步详细的说明,以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。
本发明提出了一种基于Bernstein基的数字图像分存算法。通过给出Bernstein(简称Bezier)基函数的一种带n个形状参数的扩展形式,并在此基础上得到一种图像分存模型,进而提出了一种数字图像分存和复原算法。分存模型给出了将一幅图像表示成n幅子图像的线性组合,形式简洁,计算非常简单。无需加密,仅仅通过调节形状参数的取值,使得每个子图像的灰度非常小,从而达到良好的分存效果,即使个别子图像被攻击者获取也无法获取任何有实际意义的图像信息。反过来也可以根据n幅子图像信息无损地恢复原图像,即使个别子图像在传输过程中丢失,通过余下子图像也能够较好的恢复图像,而且从理论上,n值越大,恢复效果越好。有效保护了图像信息传输的安全。
Bernstein基函数理论:给定n个形状参数δi,i=1,2,…,n,定义如下n+1次多项式函数:
3.端点性质
实际上,是Bernstein基函数的一种带n个参数的扩展,当δi=0时,即为Bi,n(t)。在工程应用中,可以通过改变δi的值,调节基函数的形状,进而达到对曲线形状进行修改的目的。例如,当n=3时,4个四次带形状参数的Bernstein基函数为:
图1和图2分别给出了取δ1=0.3,δ2=0.5,δ3=2和δ1=-0.5,δ2=-0.15,δ3=1时基函数曲线的形状。
接下来对图像分存模型进行说明,记
且有
(6)给出了一种图像分存模型。
设I为M×N灰度图像,首先将像素的灰度值作归一化处理,然后通过下式
I’i=Gi(I)(i=1,2…,n,n+1) (7)
便将图像I分存为n+1个子图像I’i(i=1,2…,n,n+1)。
图3为本发明实施例提供的基于Bernstein基的数字图像分存方法流程图,该方法具体包括如下步骤:
Step2:对输入的M×N原始灰度图像I进行归一化处理,形成图像I',即将像素灰度变换为(0,1)内;
利用图像分存模型对图像I'的所有像素点逐个进行分存,最终分存成了n+1子图像;接收方在接收到发送方发送的子图像后,进行图像复原,图像的复原是分存的逆过程,即对所有子图像的像素点进行合成,来恢恢复图像I',基于Bezier的数字图像复原方法具体包括如下步骤:
Step1:检测接收到的子图像序列中是否存在子图像丢失,若检测结果为是,则将丢失子图像的像素灰度值设为零,执行Step2,若检测结果为否,则直接执行Step2;
Step2:基于子图像序列来进行图像的恢复,输出恢复后的图像,恢复后的图像即为归一化处理后的原始灰度图像,基于如下公式进行图像的恢复:
可以看出,本发明提出的分存及复原算法仅仅使用了(6)式给出的模型,而无需使用额外耗时的加密、解密操作,因而非常简单高效。
取n=3,为了保证分存效果,将参数在取值范围内取值越大越好,例如取δ1=0.3,δ2=0.9,δ3=2.9,此时:
选择原始图像I为256×256Lena图像,如图4(a)所示。运用基于Bezier方法的数字图像分存方法,将图像I分解为如图4(b),4(c),4(d),4(e)所示的4个子图像。
子图像像素的取值在[0,1]内。图5-图8分别给出了各子图像左上角16×8像素阵列的灰度值,可以看出,由于可以通过调节参数的取值,使得每个子图像的灰度非常小,从而达到良好的分存效果,而且n的值越大,分存效果越好。即使在传输过程中子图像被攻击者截获,图像也没有任何应用价值,有效保护了图像信息传输的安全。
对接收到的子图像采用基于Bezier的数字图像恢复方法,得到正确复原的图像,如图9所示。为了衡量利用复原图像的质量,运用广泛使用的一种图像客观评价指标——PSNR,即峰值信噪比。
对于本文实例,M=N=256,I为图4(a)所示的原图像,I'为图9所示的复原图像。通过计算可得:PSNR=INF,表明复原图像和原始图像完全一样。可以看出,本发明提出的不仅简单高效,而且可以根据n幅子图像信息无损地恢复原图像。
子图像在传输过程中,由于各种原因,一方面可能会有个别图像信息被丢失,另一方面攻击者非法获取了个别图像。不失一般性,假设在传输过程中子图像2丢失,如果使用默认参数值δ1=0.3,δ2=0.9,δ3=2.9进行复原,则复原图像如图10(a)所示。如果子图像1丢失,则复原图像如图10(b)所示,同时丢失子图像1和子图像2,则复原图像如图10(c)所示,同时丢失子图像1,子图像2和子图像3,则复原图像如图10(d)所示。
可以看出,即使图像在传输过程中,个别子图像被破坏或丢失,利用本发明所提供的方法也能够较好的恢复图像,而且分解的子图像数目越多(n越大),恢复效果越好。
本发明提出的基于Bernstein基的数字图像分存方法,无需额外的加密处理,不仅算法效率高,简单易行,而且将图像分解成系列子图像后进行传播,能够有效避免上述风险。由系列子图像,根据正确的初始参数可以完全恢复原图像;即使图像在传输过程中个别子图像被破坏或丢失,利用本发明提供的模型也能够较好的恢复图像,而且分解的子图像数目越多,恢复效果越好;即使个别子图像信息被攻击者截获,所获得的子图像也没有任何应用价值,有效保护了图像信息传输的安全。
上面结合附图对本发明进行了示例性描述,显然本发明具体实现并不受上述方式的限制,只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进,或未经改进将本发明的构思和技术方案直接应用于其它场合的,均在本发明的保护范围之内。
Claims (4)
3.一种基于Bernstein基的数字图像复原方法,其特征在于,所述方法具体包括如下步骤:
S2、检测接收到的子图像序列是否存在子图像的丢失,若检测结果为是,则将丢失子图像的像素灰度值设为零,执行步骤S3,若检测结果为否,则直接执行步骤S3;
S3、对接收的子图像序列进行图像的恢复,并输出恢复后的图像,恢复后的图像即为归一化处理后的原始灰度图像;
基于如下公式进行图像的恢复:
4.如权利要求3所述基于Bernstein基的数字图像复原方法,其特征在于,基于子图像标识来检测子图像是否存在丢失。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110212113.8A CN113222829B (zh) | 2021-02-25 | 2021-02-25 | 基于Bernstein基的数字图像分存方法及图像复原方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110212113.8A CN113222829B (zh) | 2021-02-25 | 2021-02-25 | 基于Bernstein基的数字图像分存方法及图像复原方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113222829A CN113222829A (zh) | 2021-08-06 |
CN113222829B true CN113222829B (zh) | 2023-04-25 |
Family
ID=77084723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110212113.8A Active CN113222829B (zh) | 2021-02-25 | 2021-02-25 | 基于Bernstein基的数字图像分存方法及图像复原方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113222829B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110136045A (zh) * | 2019-04-18 | 2019-08-16 | 电子科技大学 | 一种基于两图像互置乱隐藏及恢复的方法 |
CN112188030A (zh) * | 2020-09-17 | 2021-01-05 | 苏州科技大学 | 像素组合与复数变换的灰度图像加密编码与解码技术 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7346580B2 (en) * | 1998-08-13 | 2008-03-18 | International Business Machines Corporation | Method and system of preventing unauthorized rerecording of multimedia content |
CN104702814B (zh) * | 2014-12-03 | 2017-10-20 | 陕西师范大学 | 基于三重备份的(k,n)有意义图像分存及恢复方法 |
WO2018052726A1 (en) * | 2016-09-15 | 2018-03-22 | Nuts Holdings, Llc | Encrypted userdata transit and storage |
US20190130058A1 (en) * | 2017-06-20 | 2019-05-02 | Coreform Llc | U-splines: splines over unstructured meshes |
CN108924379B (zh) * | 2018-06-08 | 2020-07-28 | 安徽师范大学 | 一种数字图像加密方法 |
CN109214971B (zh) * | 2018-08-08 | 2019-05-28 | 山东科技大学 | 一种灰度图像可视加密方法 |
CN109447886B (zh) * | 2018-10-08 | 2023-04-11 | 陕西师范大学 | 结合emd-21嵌入的带恢复多载体密图分存方法 |
CN109871841B (zh) * | 2019-02-14 | 2023-04-21 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、终端及存储介质 |
CN111028308B (zh) * | 2019-11-19 | 2022-11-04 | 珠海涵辰科技有限公司 | 一种图像中信息的隐写及读取方法 |
-
2021
- 2021-02-25 CN CN202110212113.8A patent/CN113222829B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110136045A (zh) * | 2019-04-18 | 2019-08-16 | 电子科技大学 | 一种基于两图像互置乱隐藏及恢复的方法 |
CN112188030A (zh) * | 2020-09-17 | 2021-01-05 | 苏州科技大学 | 像素组合与复数变换的灰度图像加密编码与解码技术 |
Also Published As
Publication number | Publication date |
---|---|
CN113222829A (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qin et al. | Separable reversible data hiding in encrypted images via adaptive embedding strategy with block selection | |
Sahu et al. | Digital image steganography using bit flipping | |
Hong | Adaptive reversible data hiding method based on error energy control and histogram shifting | |
CN109360141A (zh) | 基于压缩感知和三维猫映射的图像加密方法 | |
Ashwin et al. | Novel and secure encoding and hiding techniques using image steganography: A survey | |
CN110598430A (zh) | 基于改进的Logistic映射的图像加密方法 | |
Bikku et al. | Frequency Domain Steganography with Reversible Texture Combination. | |
Waleed et al. | A robust optimal zero-watermarking technique for secret watermark sharing | |
Bhardwaj et al. | An enhanced separable reversible and secure patient data hiding algorithm for telemedicine applications | |
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 | |
Ernawan et al. | Self-recovery in fragile image watermarking using integer wavelet transform | |
Gavini et al. | Lossless watermarking technique for copyright protection of high resolution images | |
Gulve et al. | An image steganography algorithm with five pixel pair differencing and gray code conversion | |
CN113222829B (zh) | 基于Bernstein基的数字图像分存方法及图像复原方法 | |
Vigila et al. | Hiding of Confidential Data in Spatial Domain Images using Image Interpolation. | |
Qu et al. | Reversible data hiding in encrypted image with secure multi-party for telemedicine applications | |
Sabokdast et al. | A steganographic method for images with modulus function and modified LSB replacement based on PVD | |
CN111179146A (zh) | 一种基于卫星通信的气象海洋资料加密系统 | |
CN109559269B (zh) | 一种图像加密的方法及终端 | |
Xiong et al. | Separable and reversible data hiding scheme for medical images using modified Logistic and interpolation | |
Halboos et al. | Improve steganography system using agents software based on statistical and classification technique | |
Shanthakumari et al. | Video Steganography using LSB matching revisited algorithm | |
Al-Tuwaijari | Image encryption based on fractal geometry and chaotic map | |
Bhattacherjee et al. | A review of Steganography techniques suitable for ECG signal | |
Rout et al. | Video steganography using curvelet transform and elliptic curve cryptography |
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 |