CN113344762B - 基于afd自适应分解的双重置乱图像加密方法 - Google Patents

基于afd自适应分解的双重置乱图像加密方法 Download PDF

Info

Publication number
CN113344762B
CN113344762B CN202110566827.9A CN202110566827A CN113344762B CN 113344762 B CN113344762 B CN 113344762B CN 202110566827 A CN202110566827 A CN 202110566827A CN 113344762 B CN113344762 B CN 113344762B
Authority
CN
China
Prior art keywords
image
afd
scrambling
pixel
encryption method
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
CN202110566827.9A
Other languages
English (en)
Other versions
CN113344762A (zh
Inventor
吴永飞
支慧芳
周稻祥
岳俊宏
刘西林
郑文
李明
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.)
Taiyuan University of Technology
Original Assignee
Taiyuan University of 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 Taiyuan University of Technology filed Critical Taiyuan University of Technology
Priority to CN202110566827.9A priority Critical patent/CN113344762B/zh
Publication of CN113344762A publication Critical patent/CN113344762A/zh
Application granted granted Critical
Publication of CN113344762B publication Critical patent/CN113344762B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0021—Image watermarking
    • 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
    • G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Bioethics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Facsimile Transmission Control (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

本发明涉及一种基于AFD自适应分解的像素位置与比特双重置乱的图像加密方法，首先通过AFD方法将源图像进行自适应分解生成两组密钥流，然后对明文图像进行像素位置置乱和像素比特置乱操作。本方法采用的源图像可以是网络上的任意图像或者新生成的图像，其大小与明文图像保持一致，获得加密图像能够高效的抵抗选择明文攻击，选择密文攻击，统计攻击，同时对噪声攻击以及剪切攻击有较强的鲁棒性，该方法能够间接实现一次一密的加密效果，进一步提高加密图像的安全性和鲁棒性，可应用于图像安全、图像保密通信领域。

Description

基于AFD自适应分解的双重置乱图像加密方法
技术领域
本发明涉及通信领域中的图像加密技术，更具体地说，涉及一种基于AFD自适应分解的双重置乱图像加密方法。
背景技术
随着Internet通信技术和社交媒体网络的飞速发展，越来越多的带有私有和机密信息的图像和视频在公共网络与云平台上生成，交换和存储。图像和视频急剧增长，使得人们越来越关注如何确保其机密性和完整性以及如何防止它们泄漏信息和进行各种安全分析。因此，在过去的几十年中，图像和视频的隐私保护引起了密码学家的广泛关注。
数字图像不同于传统的文本消息，其具有数据容量大、相邻像素间相关性强、冗余度高等特性，因此，传统文本加密算法如AES、DES等不再适用于图像加密。一个安全性高的图像加密系统应该对明文图像进行置乱和扩散操作，基于此，研究人员根据不同的数学方法和结构，设计并广泛研究了许多不同类型的密码系统已经中提出了不同类型的图像安全技术，包括混沌密码技术，椭圆曲线，DNA编码，傅立叶/小波变换，元胞自动机，压缩传感技术。在这些密码系统中，通常通过混沌系统或椭圆曲线等方法产生一个密钥流或多个密钥流用于私有图像的置乱和扩散。随机密钥流的加密效率高度依赖于所采用密钥流系统的的周期。但是，受限于计算精度的性质，混沌序列具有较短的周期。与基于混沌的加密相比，椭圆曲线加密具有较高的安全性。此外，混沌和椭圆曲线在产生多个密钥流时需要设置多组参数。这些参数将将作为密钥发送全部发送给第三方，以便进行解密。这虽然增加了图像的安全性，但是增加了密钥传输的数据量。
为了设计安全性强的图像加密方法，基于传统的产生密钥流的方法要对图像进行加密很难进一步提高算法的安全性和可靠性。
发明内容
为克服现有技术的不足，提出一种基于AFD自适应分解的双重置乱图像加密方法，该方法对统计分析，剪切和差分攻击方面有较强的鲁棒性，可应用于图像加密保护、图像保密通信领域。
本发明通过以下技术方案实现：本发明提供一种基于AFD自适应分解的双重置乱图像加密方法，包括步骤：
步骤1)选取任意一幅与明文图像具有相同分辨率的源图像，对其向量化，并进行AFD分解，生成两组密钥流；
步骤2)取待加密的原始明文图像，对其向量化，采用像素位置与像素比特的双重置乱操作对其进行加密，采用的密钥分别为步骤1)生成的两组密钥流，最终将其反向量化产生二维数组，得到密文图像。
其中，步骤1)选取与明文图像相同分辨率的源图像，是网络上任意一副图像或者新生成的图像。
其中，步骤1)获取源图像之后，对其向量化并进行AFD自适应分解，得到两个一维密钥流
其中，步骤2)具体包括以下步骤：
步骤2a)对要加密的原始明文图像向量化，采用按列向量化的操作方式；
步骤2b)使用全局像素位置置乱算法将向量化的原始明文图像的像素值进行全局置乱，改变相邻像素的相似性关系；
步骤2c)采用像素比特置乱算法，对全局像素位置置乱后的序列的像素值进行改变，使得加密后的像素值与初始二维分量像素值不同，保证图像的安全性；
步骤2d)将加密序列转变成2维数组，得到加密图像。
其中，全局像素位置置乱算法与比特置乱算法为索引排序映射。
其中，加密算法与解密算法相对应，在图像解密算法中，相反操作来正确恢复解密图像。
其中，源图像的AFD分解算法包括如下步骤：
Step 1.1：选择分解次数N，将源图像S进行如下分解，生产两组密钥流，分别为K1和K2；
S＝K1+K2
Step 1.2：将分解后得到密钥流K1进行如下的排序并返回排序后的位置索引；
[I,～]＝sort(K1)
Step 1.3:将分解后得到的密钥流K2中所有值的小数点后八位数字提取出来，形成一个长度为8的序列
Figure BDA0003081221950000031
Step 1.4:对Step 1.3中提取的K2中所有值的小数点后八位数字形成的序列
Figure BDA0003081221950000032
进行如下排序并返回排序后的位置索引；
Figure BDA0003081221950000033
与现有技术相比，本发明具有如下有益效果：
本发明提出基于AFD自适应分解的双重置乱图像加密方法，通过选取任意自然图像或新生成的图像作为源图像，同时由于AFD分解方法的自适应属性，对于不同的源图像，得到的两组密钥流完全不同。即使对于同一幅图像，也可以通过设置不同的分解次数，使得图像分解后得到密钥流不同。因此，可以在不增加密钥传输量的同时间接实现一次一密。该技术能够有效的抵抗选择明文攻击，选择密文攻击。对噪声攻击、剪切攻击以及差分攻击方面有较强的鲁棒性，具有较高的图像保密的安全性和鲁棒性，可应用于高级别的图像安全、图像保密通信领域。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明提供的一种基于AFD自适应分解的双重置乱图像加密方法的流程示意图。
图2是本发明提供的一种基于AFD自适应分解的双重置乱图像加密方法处理的原始图。
图3是本发明提供的一种基于AFD自适应分解的双重置乱图像加密方法中对原始图像加密后的图像。
图4是本发明提供的一种基于AFD自适应分解的双重置乱图像加密方法图2原始图像的直方图效果图。
图5是本发明提供的一种基于AFD自适应分解的双重置乱图像加密方法中图3加密后的图像的直方图效果图
图6是本发明提供的一种基于AFD自适应分解的双重置乱图像加密方法对加密图像添加高斯噪声后的解密图像。
图7是本发明提供的一种基于AFD自适应分解的双重置乱图像加密方法对加密图像添加椒盐噪声后的解密图像。
图8是本发明提供的一种基于AFD自适应分解的双重置乱图像加密方法中对加密图像的裁剪区域示意图。
图9是本发明提供的一种基于AFD自适应分解的双重置乱图像加密方法按图8区域裁剪后的示意图。
图10是本发明提供的一种基于AFD自适应分解的双重置乱图像加密方法中原始明文图像经过一个随机bit改变的图像。
图11是本发明提供的一种基于AFD自适应分解的双重置乱图像加密方法中原始明文图像的密文图像。
图12是本发明提供的一种基于AFD自适应分解的双重置乱图像加密方法的改变图像后的密文图像。
图13是本发明提供的一种基于AFD自适应分解的双重置乱图像加密方法的两幅密文图像的绝对差值。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
如图1所示，本实施例所述的一种基于AFD自适应分解的双重置乱图像加密方法，包括如下步骤：
步骤1)选取任意一幅与明文图像具有相同分辨率的源图像，对其向量化，并进行AFD分解，生成两组密钥流。
随机选取一幅与原始明文图像相同分辨率的源图像，并按列序列的方式向量化；采用AFD自适应分解技术对向量化的源图像进行分解，得到两组密钥流；
步骤2)取待加密的原始明文图像，对其向量化，采用像素位置与像素比特的双重置乱操作对其进行加密，并进行多次迭代，采用的密钥分别为步骤1)生成的两组密钥流，最终将其反向量化产生二维数组，得到密文图像。
优选地，所述步骤1)具体包括以下步骤：
步骤1a)将选取的源图像按列向量化。
步骤1b)将向量化的源图像进行AFD分解，得到两组密钥流。
优选地，所述步骤2)具体包括以下步骤：
步骤2a)将原始明文图像向量化操作。
步骤2b)针对向量化的原始明文图像的空间像素进行置乱操作，得到置乱序列；优选地，所采用的置乱算法为索引排序映射；
步骤2c)针对全局置乱后的序列中的每一个像素值进行比特置乱，实现图像像素值的改变，得到加密图像。
优选地，所述的像素位置与比特置乱的图像加密方法，在图像加密过程中需要设置分解次数，对于同一幅源图像，可以设置不同的分解次数，以便产生完全不同的密钥流，进一步产生完全不同的加密图像。
具体的，步骤1)中具体包括源图像的AFD分解算法，包括步骤如下：
Step 1.1：选择分解次数N，将源图像S进行如下分解，生产两组密钥流，分别为K1和K2。
S＝K1+K2
Step 1.2：将分解后得到密钥流K1进行如下的排序并返回排序后的位置索引；
[I,～]＝sort(K1)
Step 1.3：将分解后得到的密钥流K2中所有值的小数点后八位数字提取出来，形成一个长度为8的序列
Figure BDA0003081221950000061
Step 1.4：对Step 1.3中提取的K2中所有值的小数点后八位数字形成的序列
Figure BDA0003081221950000062
进行如下排序并返回排序后的位置索引；
Figure BDA0003081221950000063
所述的步骤2)中具体包括图像加密算法，包括步骤如下：
Step 2.1：将原始明文图像O向量化，得到序列OS。
Step 2.2：对向量化的明文图像的像素位置，利用索引排序映射进行如下方式的置乱变换，得到置乱后的序列P'。
P'＝OS(I)
Step 2.3：针对置乱图像P'中的每一个像素进行比特分解操作，得到一个8位的二进制序列，采用序列
Figure BDA0003081221950000064
排序后索引排序按照如下方式对每一个像素的8位二进制序列排序，得到像素比特置乱序列C'；
C'i＝P'i(s)
Step 2.4：将序列C'转换成2维矩阵，最终得到加密图像。
具体的，选取如图2所示的Lena图像作为原始明文图像。
所述的步骤一中具体包括源图像的选择与AFD自适应分解，包括步骤如下：
Step 1：任选一幅与Lena图像相同大小的自然图像作为源图像，并将其向量化；
以实验为例，将256×256大小的源图像向量化将得到1×65536大小的一维序列IS；
本步骤采用如图3所示的自然图像作为源图像。
Step 2：选择分解次数为N＝5，将输入的源图像序列分解，得到两组分量K1,K2。
IS＝K1+K2
以实验为例，将得到1×65536大小的一维序列IS进行5次分解，将得到两组65536长的一维分量K1,K2。本步骤实现了加密密钥流的生成.
Step 3：将分解后得到密钥流K1进行如下的排序并返回排序后的位置索引；
[I,～]＝sort(K1)
Step 4：将分解后得到的密钥流K2中所有值的小数点后八位数字提取出来，形成一个长度为8的序列
Figure BDA0003081221950000071
Step 5：对每一个8位序列
Figure BDA0003081221950000072
进行如下排序并返回排序后的位置索引；
Figure BDA0003081221950000073
所述的步骤二中具体包括图像的像素位置与比特置乱操作，包括步骤如下：
Step 1：将原始明文图像序O向量化，得到序列OS；
Step 2：对向量化的明文图像的像素位置，利用索引排序映射进行如下方式的置乱变换，得到置乱后的序列P'。
P'＝OS(I)
Step 3：针对置乱图像P'中的每一个像素进行比特分解操作，得到一个8位的二进制序列，采用序列
Figure BDA0003081221950000074
排序后索引排序按照如下方式对每一个像素的8位二进制序列排序，得到像素比特置乱序列C'；
C'i＝P'i(s)
从序列的第1元素到第m×n个元素依次进行比特置乱操作：
For i＝1:mn
C'i＝P'i(s)；
end
Step 4：对双重置乱后的序列C'再次进行像素位置和像素比特的双重置乱操作，经过r次迭代后输出序列C'；
Step5：将序列C'转换成2维矩阵，最终得到加密图像C。
如图2-4所示，其中图2为原始图像,图3为源图像，图4为加密后的图像。
结合图5-6来看，图5为Lena原始明文图像的直方图，可以看出像素值的分布波动比较大，而加密后的密文图像的直方图如图6所示，图像的灰度直方图与原始图像的灰度直方图完全不一样，可以看出本实施例所述的加密方法能够较好的抵抗统计攻击，加密效果较好。
图7和图8为对密文图像添加高斯噪声和椒盐噪声后得到的解密效果，图7为添加高斯噪声后的解密图像，图8为添加椒盐噪声后的解密图像，可以看出本实施例所述的加密方法能抵抗噪声攻击。
图9和图10为对密文图像进行裁剪后的得到解密效果，图9为对密文图像的裁剪区域，图10为对裁剪后的解密图像，可以看出本实施例所述的加密方法能剪切攻击。
图11-13为对密文图像的邻域像素相关性分析，图11为水平方向的邻域像素相关性分析，图12为竖直方向的邻域像素相关性分析，图13为对角方向的邻域像素相关性分析，可以看出本实例所述的加密方法能够抵抗相关性分析。
由此可见，本发明对这几中图像攻击操作都具有很强的鲁棒性。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (6)

1.一种基于AFD自适应分解的双重置乱图像加密方法，其特征在于，所述方法包括如下步骤：
步骤1)选取任意一幅与明文图像具有相同分辨率的源图像，对其向量化，并进行AFD分解，生成两组密钥流；
步骤2)取待加密的原始明文图像，对其向量化，采用像素位置与像素比特的双重置乱操作对其进行加密，采用的密钥分别为步骤1)生成的两组密钥流，最终将其反向量化产生二维数组，得到密文图像；
源图像的AFD分解算法包括如下步骤：
Step 1.1：选择分解次数N，将源图像S进行如下分解，生产两组密钥流，分别为K1和K2；
S＝K1+K2
Step 1.2：将分解后得到密钥流K1进行如下的排序并返回排序后的位置索引；
[I,～]＝sort(K1)
Step 1.3:将分解后得到的密钥流K2中所有值的小数点后八位数字提取出来，形成一个长度为8的序列
Figure FDA0003894048820000011
Step 1.4:对Step 1.3中提取的K2中所有值的小数点后八位数字形成的序列
Figure FDA0003894048820000012
进行如下排序并返回排序后的位置索引；
Figure FDA0003894048820000013
2.根据权利要求1所述的基于AFD自适应分解的双重置乱图像加密方法，其特征在于，所述步骤1)选取与明文图像相同分辨率的源图像，是网络上任意一幅 图像或者新生成的图像。
3.根据权利要求1所述的基于AFD自适应分解的双重置乱图像加密方法，其特征在于，步骤1)获取源图像之后，对其向量化并进行AFD自适应分解，得到两个一维密钥流。
4.根据权利要求1所述的基于AFD自适应分解的双重置乱图像加密方法，其特征在于，所述步骤2)具体包括以下步骤：
步骤2a)对要加密的原始明文图像向量化，采用按列向量化的操作方式；
步骤2b)使用全局像素位置置乱算法将向量化的原始明文图像的像素值进行全局置乱，改变相邻像素的相似性关系；
步骤2c)采用像素比特置乱算法，对全局像素位置置乱后的序列的像素值进行改变，使得加密后的像素值与初始二维分量像素值不同，保证图像的安全性；
步骤2d)将加密序列转变成2维数组，得到加密图像。
5.根据权利要求4所述的基于AFD自适应分解的双重置乱图像加密方法，其特征在于，所述全局像素位置置乱算法与像素比特置乱算法均为索引排序映射变换。
6.根据权利要求1所述的基于AFD自适应分解的双重置乱图像加密方法，其特征在于，加密算法与解密算法相对应，在图像解密算法中，相反操作来正确恢复解密图像。
CN202110566827.9A 2021-05-24 2021-05-24 基于afd自适应分解的双重置乱图像加密方法 Active CN113344762B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110566827.9A CN113344762B (zh) 2021-05-24 2021-05-24 基于afd自适应分解的双重置乱图像加密方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110566827.9A CN113344762B (zh) 2021-05-24 2021-05-24 基于afd自适应分解的双重置乱图像加密方法

Publications (2)

Publication Number Publication Date
CN113344762A CN113344762A (zh) 2021-09-03
CN113344762B true CN113344762B (zh) 2022-11-29

Family

ID=77471128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110566827.9A Active CN113344762B (zh) 2021-05-24 2021-05-24 基于afd自适应分解的双重置乱图像加密方法

Country Status (1)

Country Link
CN (1) CN113344762B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116112646B (zh) * 2023-04-13 2023-06-20 河北远宏科技有限公司 一种污染源监测设备的智慧运维管理系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110084737B (zh) * 2019-05-10 2023-04-14 钱涛 一种基于二维自适应傅里叶分解的水印嵌入及提取方法
CN112261239B (zh) * 2020-09-18 2022-05-17 太原理工大学 一种基于pud自适应分解的明文相关图像加密方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
对像素置乱和比特替换混沌图像算法的破解;朱淑芹等;《计算机应用》;20171220;49-52 *

Also Published As

Publication number Publication date
CN113344762A (zh) 2021-09-03

Similar Documents

Publication Publication Date Title
Gan et al. A chaotic image encryption algorithm based on 3-D bit-plane permutation
El-Shafai et al. Robust medical image encryption based on DNA-chaos cryptosystem for secure telemedicine and healthcare applications
Ponuma et al. Compressive sensing based image compression-encryption using novel 1D-chaotic map
Seyedzadeh et al. A fast color image encryption algorithm based on coupled two-dimensional piecewise chaotic map
Khan et al. A literature review on image encryption techniques
Huang Novel scheme for image encryption combining 2d logistic-sine-cosine map and double random-phase encoding
Xiang et al. Cryptanalysis and improvement of a reversible data-hiding scheme in encrypted images by redundant space transfer
Liu et al. Cryptanalysis and enhancement of an image encryption scheme based on bit-plane extraction and multiple chaotic maps
Jawad et al. A review of color image encryption techniques
Elamrawy et al. An image encryption based on DNA coding and 2DLogistic chaotic map
Yang et al. A visually meaningful image encryption scheme based on lossless compression spiht coding
CN115580687A (zh) 基于变参数超混沌系统与s形扩散的多图像加密方法
Hua et al. Matrix-based secret sharing for reversible data hiding in encrypted images
Song et al. A secure image encryption algorithm based on multiple one-dimensional chaotic systems
Manikandan et al. On dual encryption with RC6 and combined logistic tent map for grayscale and DICOM
CN113344762B (zh) 基于afd自适应分解的双重置乱图像加密方法
Arora et al. Cryptanalysis and enhancement of image encryption scheme based on word-oriented feed back shift register
Liu Quantum image encryption based on Baker map and DNA circular shift operation
Mehmood et al. A time-efficient and noise-resistant cryptosystem based on discrete wavelet transform and chaos theory: An application in image encryption
Khan et al. A New Multi Chaos-Based Compression Sensing Image Encryption.
CN114615392A (zh) 一种基于比特联动的图像加密方法
Mondal et al. A multi-stage encryption technique to enhance the secrecy of image
Chinniyan et al. Image Steganography Using Deep Neural Networks.
Hua et al. Secure reversible data hiding in encrypted images using cipher-feedback secret sharing
Alli et al. A novel auto-encoder induced chaos based image encryption framework aiding DNA computing sequence

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