CN113949783A - 一种基于纹理复杂度分类的遥感图像快速加密方法 - Google Patents
一种基于纹理复杂度分类的遥感图像快速加密方法 Download PDFInfo
- Publication number
- CN113949783A CN113949783A CN202111211805.7A CN202111211805A CN113949783A CN 113949783 A CN113949783 A CN 113949783A CN 202111211805 A CN202111211805 A CN 202111211805A CN 113949783 A CN113949783 A CN 113949783A
- Authority
- CN
- China
- Prior art keywords
- image
- information
- image block
- encryption
- matrix
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/44—Secrecy systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/001—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using chaotic signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/14—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using a plurality of keys or algorithms
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Facsimile Transmission Control (AREA)
Abstract
本公开实施例中提供了一种基于纹理复杂度分类的遥感图像快速加密方法,属于图像处理技术领域,具体包括:获取目标图像的波段数以及每个波段的二维像素值矩阵,并根据预设图像分块大小对每个二维像素值矩阵进行扩充及图像分块,得到每个二维像素值矩阵对应的图像分块集合;根据信息熵对每个图像块进行分类;分别对不同类型的图像块进行分等级加密,并将加密后的图像块按照图像分块的顺序进行拼接,得到加密矩阵;整体置乱,得到密文图像。通过本公开的方案,根据预设图像分块大小进行图像分块,并针对遥感图像本身的纹理特征,进行图像纹理复杂度分类,进而针对不同复杂度类型的图像,采取不同的加密算法,提高了遥感图像的加密效率和安全性。
Description
技术领域
本公开实施例涉及图像处理技术领域,尤其涉及一种基于纹理复杂度分类的遥感图像快速加密方法。
背景技术
目前,随着信息技术的不断发展,网络安全问题受到越来越多学者以及用户的关注,相较于文本数据而言,图像数据有着独特的数据格式,富含大量的信息,由于图像数据具有数据大且冗余、相关性强、数据呈二维分布等特点,导致传统的数据加密方法,如DES、AES、RAS等加密技术已经无法适应于图像数据的加密需求,且加密后的安全性较低。
可见,亟需一种加密效率和安全性高的基于纹理复杂度分类的遥感图像快速加密方法。
发明内容
有鉴于此,本公开实施例提供一种基于纹理复杂度分类的遥感图像快速加密方法,至少部分解决现有技术中存在加密效率和安全性较差的问题。
第一方面,本公开实施例提供了一种基于纹理复杂度分类的遥感图像快速加密方法,包括:
获取目标图像的波段数以及每个波段的二维像素值矩阵,并根据预设图像分块大小对每个所述二维像素值矩阵进行扩充及图像分块,得到每个所述二维像素值矩阵对应的图像分块集合;
计算全部所述图像分块集合中每个图像块的信息熵,并根据所述信息熵对每个所述图像块进行分类;
分别对不同类型的图像块进行分等级加密,并将加密后的图像块按照图像分块的顺序进行拼接,得到加密矩阵;
将加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息存储至所述加密矩阵中并进行整体置乱,得到密文图像。
根据本公开实施例的一种具体实现方式,所述获取目标图像的波段数以及每个波段的二维像素值矩阵,并根据预设图像分块大小对每个所述二维像素值矩阵进行扩充及图像分块,得到每个所述二维像素值矩阵对应的图像分块集合的步骤,包括:
根据所述预设图像分块大小和预设公式,计算所述目标图像的分块数量;
根据所述分块数量得到所述目标图像的原始规格信息和所述图像块的分块信息;
所述目标图像的原始规格信息和所述图像块的分块信息对每个所述二维像素值矩阵的行/列进行扩充;
根据所述分块数量对扩充后的二维像素值矩阵进行分块,得到每个所述二维像素值矩阵对应的图像分块集合。
根据本公开实施例的一种具体实现方式,所述计算全部所述图像分块集合中每个图像块的信息熵,并根据所述信息熵对每个所述图像块进行分类的步骤,包括:
根据预设的熵公式计算每个所述图像块的信息熵;
将每个所述图像块的信息熵与预设区间进行比对,确定每个所述图像块的类型,形成所述加密后的图像块的等级信息和图像类型集合,其中,所述类型包括简单纹理图像集合、中等纹理图像集合和复杂纹理图像集合。
根据本公开实施例的一种具体实现方式,所述分别对不同类型的图像块进行分等级加密,并将加密后的图像块按照图像分块的顺序进行拼接,得到加密矩阵的步骤,包括:
对所述简单纹理图像集合的每个所述图像块进行非等长Arnold变换,得到第一加密图像集合;
对所述中等纹理图像集合的每个所述图像块,利用Logistic混沌函数生成伪随机数序列,并将所述伪随机数序列的所有元素乘以像素最大值并取整,得到加密序列;
根据所述中等纹理图像集合的每个所述图像块对应的二维矩阵和所述加密序列进行异或加密,得到第二加密图像集合;
对所述复杂纹理图像集合的每个图像块分别进行多层整数小波变换,得到每个图像块的初始低频数据和其他分量数据;
将所述初始低频数据和所述加密序列进行异或加密,得到加密低频数据;
将所述加密低频数据和其他分量数据进行整数小波重构和非等长Arnold变换,得到第三加密图像集合;
将所述第一加密图像集合、所述第二加密图像集合和所述第三加密图像集合按照图像分块的顺序进行拼接,得到所述加密矩阵。
根据本公开实施例的一种具体实现方式,所述将加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息存储至所述加密矩阵中并进行整体置乱,得到密文图像的步骤,包括:
在所述加密矩阵添加全为0的两列矩阵,将所述加密后的图像块的等级信息和所述图像块的分块信息分别添加至一列矩阵中并进行非等长Arnold置乱,得到密文矩阵;
根据所述目标图像的原始规格信息对每个所述波段的密文矩阵进行合并,得到所述密文图像。
根据本公开实施例的一种具体实现方式,所述将加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息存储至所述加密矩阵中并进行整体置乱,得到密文图像的步骤之后,所述方法还包括:
对所述密文图像进行置乱解密,得到所述加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息,并进行加密逆操作,得到解密图像。
根据本公开实施例的一种具体实现方式,所述对所述密文图像进行置乱解密,得到所述加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息,并进行加密逆操作,得到解密图像的步骤,包括:
将所述密文图像转换为二维矩阵,并进行置乱解密,得到所述加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息;
根据所述加密后的图像块的等级信息和所述图像块的分块信息对所述密文矩阵进行所述加密逆操作,得到解密矩阵;
根据所述目标图像的原始规格信息遍历所述解密矩阵,剔除冗余矩阵后生成所述解密图像。
本公开实施例中的基于纹理复杂度分类的遥感图像快速加密方案,包括:获取目标图像的波段数以及每个波段的二维像素值矩阵,并根据预设图像分块大小对每个所述二维像素值矩阵进行扩充及图像分块,得到每个所述二维像素值矩阵对应的图像分块集合;计算全部所述图像分块集合中每个图像块的信息熵,并根据所述信息熵对每个所述图像块进行分类;分别对不同类型的图像块进行分等级加密,并将加密后的图像块按照图像分块的顺序进行拼接,得到加密矩阵;将加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息存储至所述加密矩阵中并进行整体置乱,得到密文图像。
本公开实施例的有益效果为:通过本公开的方案,根据预设图像分块大小进行图像分块,并针对遥感图像本身的纹理特征,采用信息熵进行图像纹理复杂度分类,进而针对不同复杂度类型的图像,采取不同的加密算法,提高了遥感图像的加密效率和安全性。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本公开实施例提供的一种基于纹理复杂度分类的遥感图像快速加密方法的流程示意图;
图2为本公开实施例提供的一种基于纹理复杂度分类的遥感图像快速加密方法涉及的图像分块加密流程示意图;
图3为本公开实施例提供的一种遥感影像图;
图4为本公开实施例提供的一种遥感影像扩充图;
图5和图6为本公开实施例提供的一种加密过程图;
图7为本公开实施例提供的一种密文图像;
图8为本公开实施例提供的一种基于纹理复杂度分类的遥感图像快速加密方法涉及的图像解密流程示意图;
图9为本公开实施例提供的一种解密图像。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本公开的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
需要说明的是,下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见,本文中所描述的方面可体现于广泛多种形式中,且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开,所属领域的技术人员应了解,本文中所描述的一个方面可与任何其它方面独立地实施,且可以各种方式组合这些方面中的两者或两者以上。举例来说,可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外,可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是,以下实施例中所提供的图示仅以示意方式说明本公开的基本构想,图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
另外,在以下描述中,提供具体细节是为了便于透彻理解实例。然而,所属领域的技术人员将理解,可在没有这些特定细节的情况下实践所述方面。
目前,随着信息技术的不断发展,网络安全问题受到越来越多学者以及用户的关注,相较于文本数据而言,图像数据有着独特的数据格式,富含大量的信息,由于图像数据具有数据大且冗余、相关性强、数据呈二维分布等特征,导致传统的数据加密方法,如DES、AES、RAS等加密技术已经无法适应于图像数据的加密需求,且加密后的安全性较低。遥感图像信息在很大程度上关乎着国家安全,在网络环境日益复杂的今天,如何更好的保证遥感图像数据在网络传输以及存储中的安全性是我们迫在眉睫需要解决的问题之一。
本公开实施例提供一种基于纹理复杂度分类的遥感图像快速加密方法,所述方法可以应用于图像数据加密场景的遥感图像快速加密过程中。
参见图1,为本公开实施例提供的一种基于纹理复杂度分类的遥感图像快速加密方法的流程示意图。如图1所示,所述方法主要包括以下步骤:
S101,获取目标图像的波段数以及每个波段的二维像素值矩阵,并根据预设图像分块大小对每个所述二维像素值矩阵进行扩充及图像分块,得到每个所述二维像素值矩阵对应的图像分块集合;
具体实施时,考虑到大多针对普通图像数据,对于覆盖广、波段多、数据量大的遥感图像数据加密效率较低,且现有图像数据加密方法针对具有不同纹理特征的图像数据采用全局一致的加密策略,没有分区域的数据加密策略安全,相比于分区域的局部数据加密而言,全局加密策略被破解的可能性更大,可以在需要对任一遥感图像进行加密时,将其作为所述目标图像,然后获取目标图像的波段数以及每个波段的二维像素值矩阵,并根据预设图像分块大小对每个所述二维像素值矩阵进行扩充及图像分块,得到每个所述二维像素值矩阵对应的图像分块集合。
S102,计算全部所述图像分块集合中每个图像块的信息熵,并根据所述信息熵对每个所述图像块进行分类;
具体实施时,考虑到现有遥感图像数据加密算法未充分考虑图像本身的纹理特征,对于不同复杂度的图像数据不加以区分处理,算法适应不同数据场景的能力低,可伸缩性差,在将所述目标图像进行图像分块得到所述图像分块集合后,可以计算全部所述图像分块集合中每个图像块的信息熵,每个所述图像块的信息熵代表了图像块对应的纹理复杂度,然后可以根据所述信息熵对每个所述图像块进行分类。
S103,分别对不同类型的图像块进行分等级加密,并将加密后的图像块按照图像分块的顺序进行拼接,得到加密矩阵;
在将每个所述图像块进行分类后,可以根据每个所述图像块的纹理复杂度对应的类型选择不同的加密算法,进行分块加密,提高了加密效率。然后再将加密完成后的图像块按照图像分块的顺序进行拼接,得到所述加密矩阵,分块加密再拼接,提高了加密后的安全性。
S104,将加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息存储至所述加密矩阵中并进行整体置乱,得到密文图像。
具体实施时,在将全部所述图像块进行加密得到所述加密矩阵后,还可以将所述加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息存储至所述加密矩阵中,并进行整体置乱,得到密文图像,进一步提高安全性,同时,将所述加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息存储至所述加密矩阵中,以便于后续的解密流程能直接通过读取所述密文图像进行对应解密操作即可。
本实施例提供的基于纹理复杂度分类的遥感图像快速加密方法,通过根据预设图像分块大小进行图像分块,并针对遥感图像本身的纹理特征,采用信息熵进行图像纹理复杂度分类,进而针对不同复杂度类型的图像,采取不同的加密算法,提高了遥感图像的加密效率和安全性。
在上述实施例的基础上,步骤S101所述的,获取目标图像的波段数以及每个波段的二维像素值矩阵,并根据预设图像分块大小对每个所述二维像素值矩阵进行扩充及图像分块,得到每个所述二维像素值矩阵对应的图像分块集合,包括:
根据所述预设图像分块大小和预设公式,计算所述目标图像的分块数量;
根据所述分块数量得到所述目标图像的原始规格信息和所述图像块的分块信息;
所述目标图像的原始规格信息和所述图像块的分块信息对每个所述二维像素值矩阵的行/列进行扩充;
根据所述分块数量对扩充后的二维像素值矩阵进行分块,得到每个所述二维像素值矩阵对应的图像分块集合。
例如,如图2、图3和图4所示,根据遥感图像尺寸对图像M(m*n)进行自定义分块,首先定义图像尺寸分块标准,以m′*n′作为图像的最小尺寸对图像进行分块计算,约束m′*n′必须为256的倍数,并以数组形式记录图像尺寸信息和分块信息Info={m1,m2,n1,n2,m′1,n1′}。利用以下公式计算出分块的数量S=Row*Col,各个波段的S相等,其中m2=m%256,n2=n%256,
然后判断m、n是否能分别被最小尺寸m′、n′整除,若不能,则扩展图尺寸,addrows=n′-N%n′,addcols=m′-M%m′,其中,addrows为图像矩阵增加的行数量,addcols为图像矩阵增加的列数量,%表示取余。然后将图像M按照上述步骤计算出的Row和Col对图像进行分块,并标记每个所述图像块的序号,ImgSet={M1,M1,M3,……,Ms}。
进一步的,步骤S102所述的,计算全部所述图像分块集合中每个图像块的信息熵,并根据所述信息熵对每个所述图像块进行分类,包括:
根据预设的熵公式计算每个所述图像块的信息熵;
将每个所述图像块的信息熵与预设区间进行比对,确定每个所述图像块的类型,形成所述加密后的图像块的等级信息和图像类型集合,其中,所述类型包括简单纹理图像集合、中等纹理图像集合和复杂纹理图像集合。
具体实施时,在得到全部所述图像分块集合后,可以根据预设的熵公式计算每个所述图像块的信息熵,然后将每个所述图像块的信息熵与预设区间进行比对,确定每个所述图像块的类型,形成所述加密后的图像块的等级信息和图像类型集合。
例如,如图5利用以下公式分别计算各个图像块的信息熵集合,经计算,其中R波段的某一个图像块的信息熵为HR={2.874,4.205,6.789,......,3.997}:
其中,表示图像块Ms信息熵,pi表示像素值i在图像像素值中的概率。考虑到图像信息熵的范围为可以将纹理复杂度分为三个等级,图像信息熵的图像块归类为简单纹理图像集合,图像信息熵的图像块归类为中等纹理图像集合,图像信息熵的图像块归类为复杂纹理图像集合。通过上述步骤计算得到的各个图像块的信息熵,将所有图像块归类到上述的三个等级集合中,例如:ImgSetsimp={M1,M3,......,Ml},ImgSetmid={M2,M5......Mq},ImgSetcomp={M4,M6,......,Ms},其中ImagSetsimp、ImagSetmid、ImagSetcomp分别对应为简单纹理图像集合,中等纹理图像集合以及复杂纹理图像集合,并将简单纹理图像集合等级用数字1标识,中等纹理图像集合等级用数字2标识,复杂纹理图像集合等级用数字3标识,将各个图像块的等级标识按照分块顺序存储为一维数组,例如Sign={1,2,3,2,......,1,3}。
在上述实施例的基础上,步骤S103所述的,分别对不同类型的图像块进行分等级加密,并将加密后的图像块按照图像分块的顺序进行拼接,得到加密矩阵的步骤,包括:
对所述简单纹理图像集合的每个所述图像块进行非等长Arnold变换,得到第一加密图像集合;
对所述中等纹理图像集合的每个所述图像块,利用Logistic混沌函数生成伪随机数序列,并将所述伪随机数序列的所有元素乘以像素最大值并取整,得到加密序列;
根据所述中等纹理图像集合的每个所述图像块对应的二维矩阵和所述加密序列进行异或加密,得到第二加密图像集合;
对所述复杂纹理图像集合的每个图像块分别进行多层整数小波变换,得到每个图像块的初始低频数据和其他分量数据;
将所述初始低频数据和所述加密序列进行异或加密,得到加密低频数据;
将所述加密低频数据和其他分量数据进行整数小波重构和非等长Arnold变换,得到第三加密图像集合;
将所述第一加密图像集合、所述第二加密图像集合和所述第三加密图像集合按照图像分块的顺序进行拼接,得到所述加密矩阵。
例如,如图6所示,对简单纹理图像集合中的图像块Mi,采用以下公式进行非等长Arnold变换,得到加密矩阵Mi′。其中变换次数t=10,
对中等纹理图像集合中的图像块Mi,采用Logistic混沌系统产生伪随机数序列X={0.149408212,0.503270834,......,0.371729617},并将伪随机序列所有元素乘以像素最大值255且取整,得到所述加密序列X′={38,128,......,94},
其中,初始值x0=0.9005964257313949,参数μ=3.96009958,迭代次数k=10000,得到的新的初始值为0.14940821277944993:xn+1=xn*μ(1-xn) xn∈(0,1)。
然后将每个图像块对应的二维矩阵Mi转换为一维数组,例如:转化为一维数组M2={13,14,...,12,13,14,...,13,...,23,23,...,23},将M2与X′进行异或加密,并转化为二维矩阵得到加密后的图像
对复杂纹理图像集合中的图像块Mi,可以只做一层整数小波变换,得到MiLL,其中
然后利用Logistic混沌函数生成的伪随机序列X′与低频数据MiLL进行异或处理,改变像素值的大小,得到加密的低频数据MiLL′,其中,再将加密的低频数据MiLL′与其他分量数据MiLH,MiHL,MiHH进行整数小波重构生成新的矩阵,并对新的矩阵进行非等长Arnold变换,得到置乱矩阵Mi′,Arnold变换次数t=10,其中,在遍历分等级加密后的ImagSets,ImagSetm,ImagSetc中的全部所述图像块,并按照每个所述图像块的序号进行图像拼接后,得到所述加密矩阵:
可选的,步骤S104所述的,将加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息存储至所述加密矩阵中并进行整体置乱,得到密文图像,包括:
在所述加密矩阵添加全为0的两列矩阵,将所述加密后的图像块的等级信息和所述图像块的分块信息分别添加至一列矩阵中并进行非等长Arnold置乱,得到密文矩阵;
根据所述目标图像的原始规格信息对每个所述波段的密文矩阵进行合并,得到所述密文图像。
具体实施时,可以在所述加密矩阵M′的最右边追加2列全为0的矩阵,遍历Info、Sign数组,将数组中的元素作为图像的像素值分别填入M′追加的第1、2列矩阵中,采用非等长Arnold变换对图像矩阵进行整体置乱,生成最终的密文矩阵:然后遍历所述目标图像的各波段密文矩阵M″,进行各个波段/通道密文矩阵的合并,生成彩色图像密文矩阵,将密文图像矩阵以原始图像.tif格式存储,得到所述密文图像如图7所示。
在上述实施例的基础上,步骤S104所述的,将加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息存储至所述加密矩阵中并进行整体置乱,得到密文图像之后,所述方法还包括:
对所述密文图像进行置乱解密,得到所述加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息,并进行加密逆操作,得到解密图像。
具体实施时,当需要对所述密文图像进行解密时,可以先读取所述密文图像,然后对所述密文图像进行置乱解密,得到所述加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息,然后利用所述加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息进行加密逆操作,得到所述解密图像。
进一步的,所述对所述密文图像进行置乱解密,得到所述加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息,并进行加密逆操作,得到解密图像的步骤,包括:
将所述密文图像转换为二维矩阵,并进行置乱解密,得到所述加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息;
根据所述加密后的图像块的等级信息和所述图像块的分块信息对所述密文矩阵进行所述加密逆操作,得到解密矩阵;
根据所述目标图像的原始规格信息遍历所述解密矩阵,剔除冗余矩阵后生成所述解密图像。
例如,如图8所示,可以读取密文图像,对图像进行R、G、B波段分离,得到密文矩阵M4098*4096″,本具体实施例采用R波段的矩阵进行说明。对矩阵M4098*4096″进行非等长Arnold逆变换,拆分逆变换后的矩阵最右边的2列像素值存储到两个一维数组中,获得图像原始尺寸信息及分块信息Info={14,217,14,56,2,2},Sign={1,2,3,......,3},并重新生成新的密文矩阵M4096*4096′,其中然后根据分块大小m′=2*256=512、n′=2*156=512对密文矩阵M4096*4096′进行分块,得到64个图像块。遍历所述图像块集合,从一维数组Sign={1,2,3,......,3}中获取对应图像块序号的加密等级,依次归类到简单纹理图像集合、中等纹理图像集合以及复杂纹理图像集合中。
对中等纹理图像集合中的图像块Mi′,采用Logistic混沌函数以及同加密相等的初始参数x0=0.9005964257313949,参数μ=3.96009958,迭代次数k=10000,得到的新的初始值为0.14940821277944993,生成伪随机序列X={0.149408212,0.503270834,……,0.371729617},并将随机序列所有元素乘以像素最大值255且取整,得到X′={38,128,……,94},将图像块转换为一维矩阵M′2={43,142,...83,82,81,...,82,...,72,72,...72}与X′进行异或操作,得到解密后的矩阵Mi,例如:解密后得到
对复杂纹理图像集合中的图像块Mi′,进行加密过程的逆操作,即先对Mi′进行非等长Arnold逆变换,对逆变换的矩阵进行整数小波变换得到分量数据MiLL′,MiLH,,MiHL,MiHH,对MiLL′与Logistic混沌函数产生的伪随机序列进行异或处理,得到解密后的低频数据MiLL,再将各个分量的数据进行小波重构,得到解密后的矩阵Mi,例如:首先进行非等长Arnold变换,再整数小波变换提取低频数据通过Logistic混沌函数生成的随机序列X′与M3LL′进行异或处理,得到解密后的矩阵将解密的低频数据MiLL与其他分量数据MiLH,MiHL,MiHH进行整数小波重构生成新的矩阵,得到
然后遍历分等级加密后的ImagSets,ImagSetm,ImagSetc中的每个图像块,按照图像块的序号进行图像拼接,得到解密矩阵M,再遍历M,根据原始图像尺寸m=14*256+217=3801,n=14*256+56=3640,裁剪冗余矩阵生成彩色图像作为所述解密图像,如图9所示。
以上所述,仅为本公开的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种基于纹理复杂度分类的遥感图像快速加密方法,其特征在于,包括:
获取目标图像的波段数以及每个波段的二维像素值矩阵,并根据预设图像分块大小对每个所述二维像素值矩阵进行扩充及图像分块,得到每个所述二维像素值矩阵对应的图像分块集合;
计算全部所述图像分块集合中每个图像块的信息熵,并根据所述信息熵对每个所述图像块进行分类;
分别对不同类型的图像块进行分等级加密,并将加密后的图像块按照图像分块的顺序进行拼接,得到加密矩阵;
将加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息存储至所述加密矩阵中并进行整体置乱,得到密文图像。
2.根据权利要求1所述的方法,其特征在于,所述获取目标图像的波段数以及每个波段的二维像素值矩阵,并根据预设图像分块大小对每个所述二维像素值矩阵进行扩充及图像分块,得到每个所述二维像素值矩阵对应的图像分块集合的步骤,包括:
根据所述预设图像分块大小和预设公式,计算所述目标图像的分块数量;
根据所述分块数量得到所述目标图像的原始规格信息和所述图像块的分块信息;
所述目标图像的原始规格信息和所述图像块的分块信息对每个所述二维像素值矩阵的行/列进行扩充;
根据所述分块数量对扩充后的二维像素值矩阵进行分块,得到每个所述二维像素值矩阵对应的图像分块集合。
3.根据权利要求1所述的方法,其特征在于,所述计算全部所述图像分块集合中每个图像块的信息熵,并根据所述信息熵对每个所述图像块进行分类的步骤,包括:
根据预设的熵公式计算每个所述图像块的信息熵;
将每个所述图像块的信息熵与预设区间进行比对,确定每个所述图像块的类型,形成所述加密后的图像块的等级信息和图像类型集合,其中,所述类型包括简单纹理图像集合、中等纹理图像集合和复杂纹理图像集合。
4.根据权利要求3所述的方法,其特征在于,所述分别对不同类型的图像块进行分等级加密,并将加密后的图像块按照图像分块的顺序进行拼接,得到加密矩阵的步骤,包括:
对所述简单纹理图像集合的每个所述图像块进行非等长Arnold变换,得到第一加密图像集合;
对所述中等纹理图像集合的每个所述图像块,利用Logistic混沌函数生成伪随机数序列,并将所述伪随机数序列的所有元素乘以像素最大值并取整,得到加密序列;
根据所述中等纹理图像集合的每个所述图像块对应的二维矩阵和所述加密序列进行异或加密,得到第二加密图像集合;
对所述复杂纹理图像集合的每个图像块分别进行多层整数小波变换,得到每个图像块的初始低频数据和其他分量数据;
将所述初始低频数据和所述加密序列进行异或加密,得到加密低频数据;
将所述加密低频数据和其他分量数据进行整数小波重构和非等长Arnold变换,得到第三加密图像集合;
将所述第一加密图像集合、所述第二加密图像集合和所述第三加密图像集合按照图像分块的顺序进行拼接,得到所述加密矩阵。
5.根据权利要求4所述的方法,其特征在于,所述将加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息存储至所述加密矩阵中并进行整体置乱,得到密文图像的步骤,包括:
在所述加密矩阵添加全为0的两列矩阵,将所述加密后的图像块的等级信息和所述图像块的分块信息分别添加至一列矩阵中并进行非等长Arnold置乱,得到密文矩阵;
根据所述目标图像的原始规格信息对每个所述波段的密文矩阵进行合并,得到所述密文图像。
6.根据权利要求5所述的方法,其特征在于,所述将加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息存储至所述加密矩阵中并进行整体置乱,得到密文图像的步骤之后,所述方法还包括:
对所述密文图像进行置乱解密,得到所述加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息,并进行加密逆操作,得到解密图像。
7.根据权利要求6所述的方法,其特征在于,所述对所述密文图像进行置乱解密,得到所述加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息,并进行加密逆操作,得到解密图像的步骤,包括:
将所述密文图像转换为二维矩阵,并进行置乱解密,得到所述加密后的图像块的等级信息、所述目标图像的原始规格信息和所述图像块的分块信息;
根据所述加密后的图像块的等级信息和所述图像块的分块信息对所述密文矩阵进行所述加密逆操作,得到解密矩阵;
根据所述目标图像的原始规格信息遍历所述解密矩阵,剔除冗余矩阵后生成所述解密图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111211805.7A CN113949783B (zh) | 2021-10-18 | 2021-10-18 | 一种基于纹理复杂度分类的遥感图像快速加密方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111211805.7A CN113949783B (zh) | 2021-10-18 | 2021-10-18 | 一种基于纹理复杂度分类的遥感图像快速加密方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113949783A true CN113949783A (zh) | 2022-01-18 |
CN113949783B CN113949783B (zh) | 2022-12-13 |
Family
ID=79331368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111211805.7A Active CN113949783B (zh) | 2021-10-18 | 2021-10-18 | 一种基于纹理复杂度分类的遥感图像快速加密方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113949783B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114979717A (zh) * | 2022-07-25 | 2022-08-30 | 广州万协通信息技术有限公司 | 基于设备解码能力的差异性视频加密方法及安全芯片装置 |
CN115242557A (zh) * | 2022-09-22 | 2022-10-25 | 江苏广海检验检测有限公司 | 一种环境保护监测数据的安全传输方法及系统 |
CN115278311A (zh) * | 2022-07-26 | 2022-11-01 | 中国工商银行股份有限公司 | 基于宏块的视频加密方法和装置 |
CN116232565A (zh) * | 2023-03-14 | 2023-06-06 | 河南大学 | 一种网站用户数据的安全存储方法 |
CN116319069A (zh) * | 2023-05-11 | 2023-06-23 | 山东德源电力科技股份有限公司 | 基于hplc双模载波通信的存储器数据加密方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103716637A (zh) * | 2014-01-15 | 2014-04-09 | 北京工业大学 | 基于内容分析的h.264压缩域分层视频加密方法 |
CN107067040A (zh) * | 2017-05-11 | 2017-08-18 | 攀枝花学院 | 基于张量稀疏表示及聚类的多光谱遥感图像分类方法 |
CN108566500A (zh) * | 2018-03-02 | 2018-09-21 | 西南交通大学 | 基于混合加密机制的自适应图像加密域可逆隐藏方法 |
CN108650269A (zh) * | 2018-05-16 | 2018-10-12 | 中国科学技术大学 | 一种基于强化学习的分级加密方法及系统 |
CN110197077A (zh) * | 2019-05-31 | 2019-09-03 | 长春理工大学 | 基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法 |
CN112699400A (zh) * | 2021-03-24 | 2021-04-23 | 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 |
-
2021
- 2021-10-18 CN CN202111211805.7A patent/CN113949783B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103716637A (zh) * | 2014-01-15 | 2014-04-09 | 北京工业大学 | 基于内容分析的h.264压缩域分层视频加密方法 |
CN107067040A (zh) * | 2017-05-11 | 2017-08-18 | 攀枝花学院 | 基于张量稀疏表示及聚类的多光谱遥感图像分类方法 |
CN108566500A (zh) * | 2018-03-02 | 2018-09-21 | 西南交通大学 | 基于混合加密机制的自适应图像加密域可逆隐藏方法 |
CN108650269A (zh) * | 2018-05-16 | 2018-10-12 | 中国科学技术大学 | 一种基于强化学习的分级加密方法及系统 |
CN110197077A (zh) * | 2019-05-31 | 2019-09-03 | 长春理工大学 | 基于信息熵更新密钥的感兴趣区域医学图像混沌加密方法 |
CN112699400A (zh) * | 2021-03-24 | 2021-04-23 | 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 |
Non-Patent Citations (3)
Title |
---|
刘进等: "面向遥感影像内容的多级安全授权方法", 《武汉大学学报(信息科学版)》 * |
徐锡统等: "结合小波包变换与混沌神经元的遥感图像加密", 《遥感信息》 * |
拜亚萌等: "自适应分块的医学图像混沌加解密算法", 《计算机应用研究》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114979717A (zh) * | 2022-07-25 | 2022-08-30 | 广州万协通信息技术有限公司 | 基于设备解码能力的差异性视频加密方法及安全芯片装置 |
CN115278311A (zh) * | 2022-07-26 | 2022-11-01 | 中国工商银行股份有限公司 | 基于宏块的视频加密方法和装置 |
CN115242557A (zh) * | 2022-09-22 | 2022-10-25 | 江苏广海检验检测有限公司 | 一种环境保护监测数据的安全传输方法及系统 |
CN115242557B (zh) * | 2022-09-22 | 2023-01-06 | 江苏广海检验检测有限公司 | 一种环境保护监测数据的安全传输方法及系统 |
CN116232565A (zh) * | 2023-03-14 | 2023-06-06 | 河南大学 | 一种网站用户数据的安全存储方法 |
CN116232565B (zh) * | 2023-03-14 | 2024-01-05 | 深圳棠人科技有限公司 | 一种网站用户数据的安全存储方法 |
CN116319069A (zh) * | 2023-05-11 | 2023-06-23 | 山东德源电力科技股份有限公司 | 基于hplc双模载波通信的存储器数据加密方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113949783B (zh) | 2022-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113949783B (zh) | 一种基于纹理复杂度分类的遥感图像快速加密方法 | |
CN112637441B (zh) | 一种基于压缩感知的彩色图像压缩加密方法 | |
Lin et al. | An image encryption scheme based on Lorenz hyperchaotic system and RSA algorithm | |
CN108537716B (zh) | 一种基于离散域的彩色图像加密嵌入方法 | |
Liu et al. | Reversible data hiding in encrypted images using chunk encryption and redundancy matrix representation | |
CN110659379B (zh) | 一种基于深度卷积网络特征的可搜索加密图像检索方法 | |
Weng et al. | High capacity reversible data hiding in encrypted images using SIBRW and GCC | |
Ong et al. | A scalable reversible data embedding method with progressive quality degradation functionality | |
Nasrullah et al. | Reversible data hiding in compressed and encrypted images by using Kd-tree | |
Xiang et al. | Cryptanalysis and improvement of a reversible data-hiding scheme in encrypted images by redundant space transfer | |
CN107292805A (zh) | 一种基于多参数分数阶离散Tchebichef变换的图像加密方法 | |
Singh | High PSNR based image steganography | |
Panchikkil et al. | A pseudo-random pixel mapping with weighted mesh graph approach for reversible data hiding in encrypted image | |
Panchikkil et al. | An efficient spatial transformation-based entropy retained reversible data hiding scheme in encrypted images | |
Durafe et al. | Image steganography using fractal cover and combined chaos-DNA based encryption | |
Zhang et al. | A fast piecewise image encryption scheme combining NC1DNSM and P-Box | |
Bhardwaj et al. | An enhanced reversible data hiding algorithm using deep neural network for e-healthcare | |
Kumar et al. | SIE: An application to secure stereo images using encryption | |
Mohamed et al. | Hybrid watermarking scheme for copyright protection using chaotic maps cryptography | |
CN110069901B (zh) | 基于混沌系统的空间域多图像加密算法 | |
Talal et al. | Steganographic Data Hiding Using Quantum Behaved Particle Swarm Optimization and An Enhanced Aes Algorithm | |
Xu et al. | A Steganography Based on Optimal Multi-Threshold Block Labeling. | |
Li et al. | An optical image encryption scheme based on depth-conversion integral imaging and chaotic maps | |
Anusree et al. | A New Highly Secure Optical Image Security Technique Using Gyrator Transform for Image Security‐Related Applications | |
Aminuddin et al. | AuSR3: A new block mapping technique for image authentication and self-recovery to avoid the tamper coincidence problem |
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 |