CN115941853A - 基于压缩感知和自适应嵌入的图像隐藏方法、系统、设备及介质 - Google Patents
基于压缩感知和自适应嵌入的图像隐藏方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN115941853A CN115941853A CN202211675889.4A CN202211675889A CN115941853A CN 115941853 A CN115941853 A CN 115941853A CN 202211675889 A CN202211675889 A CN 202211675889A CN 115941853 A CN115941853 A CN 115941853A
- Authority
- CN
- China
- Prior art keywords
- image
- information
- plaintext
- ciphertext
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 24
- 230000009466 transformation Effects 0.000 claims abstract description 46
- 230000006835 compression Effects 0.000 claims abstract description 33
- 238000007906 compression Methods 0.000 claims abstract description 33
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 21
- 238000005070 sampling Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 40
- 230000000739 chaotic effect Effects 0.000 claims description 33
- 230000014509 gene expression Effects 0.000 claims description 33
- 238000013507 mapping Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000009792 diffusion process Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 8
- 229910002056 binary alloy Inorganic materials 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 11
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/50—Reducing energy consumption in communication networks in wire-line communication networks, e.g. low power modes or reduced link rate
Landscapes
- Image Processing (AREA)
Abstract
本发明涉及图像处理领域，公开了一种基于压缩感知和自适应嵌入的图像隐藏方法、系统、设备及介质，方法包括：利用明文图像的像素信息和随机数，计算明文信息；分别对随机数和明文信息进行加密，得到第一密文信息和第二密文信息；将明文信息、第一密文信息和第二密文信息转换成混沌映射的初始密钥，并迭代生成密钥流；利用密钥流对明文图像分别进行稀疏化、置乱加密和压缩采样处理，得到明文图像的压缩测量值，并生成中间密文图像；对载体图像进行整数小波变换，并对中间密文图像进行元素拆分和平移对称变换，得到三个元素矩阵，并进行逆整数小波变换，得到含密载体图像。本发明提高了图像隐藏的安全性和含密载体图像的视觉质量。
Description
技术领域
本发明涉及图像处理领域，更具体地，涉及一种基于压缩感知和自适应嵌入的图像隐藏方法、系统、设备及介质。
背景技术
图像作为多媒体信息中一种重要的文件类型，相比文字、音频等信息有着更加直观的表现，在各个领域发挥着不可替代的作用。然而，在云传输或公开信道通信时，会出现图像敏感信息的泄露和非法窃取等安全隐患。因此，在传输和存储的过程中，为了保证图像中敏感和关键信息的安全性，针对性的采取一些加密措施保护图像信息就显得十分必要。
图像隐藏是可以实现将秘密图像的信息隐藏在载体图像中的一种图像信息保护方式。目前，已有学者提出了基于压缩感知技术和混沌系统相结合的图像隐藏方法，然而，上述图像隐藏方法中，非线性混沌系统普遍存在动力学性能不足、序列分布不均匀等问题，并且通过混沌序列直接构建的测量矩阵无法保证低相干性和正交性，造成图像隐藏的安全性低，含密载体图像视觉质量低的缺陷。
发明内容
本发明为克服现有技术存在的图像隐藏安全性低，以及含密载体图像视觉质量低的缺陷，提供一种基于压缩感知和自适应嵌入的图像隐藏方法、系统、设备及介质。
为解决上述技术问题，本发明的技术方案如下：
第一个方面，本发明提出一种基于压缩感知和自适应嵌入的图像隐藏方法，包括：
S1：选择四个随机数，利用明文图像的像素信息和所述随机数，计算明文信息。
S2：利用RSA算法分别对所述随机数和所述明文信息进行加密，得到第一密文信息和第二密文信息。
S3：将所述明文信息、第一密文信息和第二密文信息转换成混沌映射的初始密钥，并将所述初始密钥代入4D混沌映射系统中进行迭代，生成密钥流。
S4：利用所述密钥流对明文图像分别进行稀疏化、置乱加密和压缩采样处理，得到明文图像的压缩测量值。对所述压缩测量值进行扩散和二进位数交换处理，得到中间密文图像。
S5：对载体图像进行整数小波变换，得到小波变换系数。对所述中间密文图像进行元素拆分和平移对称变换，得到三个元素矩阵。将所述三个元素矩阵分别嵌入到所述小波变换系数中，并进行逆整数小波变换，得到含密载体图像。
第二个方面，本发明还提出一种基于压缩感知和自适应嵌入的图像隐藏系统，包括：
明文信息计算模块，用于选择四个随机数，利用明文图像的像素信息和所述随机数，计算明文信息。
密文信息获取模块，用于利用RSA算法分别对所述随机数和所述明文信息进行加密，得到第一密文信息和第二密文信息。
密钥流获取模块，用于将所述明文信息、第一密文信息和第二密文信息转换成混沌映射的初始密钥，并将所述初始密钥代入4D混沌映射系统中进行迭代，生成密钥流。
中间密文图像获取模块，用于利用所述密钥流对明文图像分别进行稀疏化、置乱加密和压缩采样处理，得到明文图像的压缩测量值。对所述压缩测量值进行扩散和二进位数交换处理，得到中间密文图像。
嵌入模块，用于对载体图像进行整数小波变换，得到小波变换系数。对所述中间密文图像进行元素拆分和平移对称变换，得到三个元素矩阵。将所述三个元素矩阵分别嵌入到所述小波变换系数中，并进行逆整数小波变换，得到含密载体图像。
第三个方面，本发明还提出一种计算设备，包括存储器和处理器，所述计算设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如第一个方面所述的基于压缩感知和自适应嵌入的图像隐藏方法所执行的操作。
第四个方面，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有程序，所述程序被处理器执行如第一个方面所述的基于压缩感知和自适应嵌入的图像隐藏方法所执行的操作。
与现有技术相比，本发明技术方案的有益效果是：
(1)本发明通过选择随机数计算明文信息，可以保证足够的密钥空间，又能通过明文密钥的依赖性，增强抗攻击能力，提高了图像隐藏的安全性。
(2)本发明通过对压缩测量值进行二进位数转换和拆分，接着再进行平移对称变换得到待嵌入的中间密文图像，可以有效降低对含密载体图像的影响，提高了含密载体图像的视觉质量。
附图说明
图1为本申请实施例中基于压缩感知和自适应嵌入的图像隐藏方法的流程图。
图2为本申请实施例中明文图像的示意图。
图3为本申请实施例中载体图像的示意图。
图4为本申请实施例中载体图像的直方图。
图5为本申请实施例中含密载体图像的直方图。
图6为本申请实施例中基于压缩感知和自适应嵌入的图像隐藏系统的架构图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例一
请参阅图1，本实施例提出一种基于压缩感知和自适应嵌入的图像隐藏方法，包括：
S1：选择四个随机数，利用明文图像的像素信息和所述随机数，计算明文信息。
S2：利用RSA算法分别对所述随机数和所述明文信息进行加密，得到第一密文信息和第二密文信息。
S3：将所述明文信息、第一密文信息和第二密文信息转换成混沌映射的初始密钥，并将所述初始密钥代入4D混沌映射系统中进行迭代，生成密钥流。
S4：利用所述密钥流对明文图像分别进行稀疏化、置乱加密和压缩采样处理，得到明文图像的压缩测量值。对所述压缩测量值进行扩散和二进位数交换处理，得到中间密文图像。
S5：对载体图像进行整数小波变换，得到小波变换系数。对所述中间密文图像进行元素拆分和平移对称变换，得到三个元素矩阵。将所述三个元素矩阵分别嵌入到所述小波变换系数中，并进行逆整数小波变换，得到含密载体图像。
本实施例提出的基于压缩感知和自适应嵌入的图像隐藏方法，通过选择随机数计算明文信息，可以保证足够的密钥空间，又能通过明文密钥的依赖性，增强抗攻击能力，提高了图像隐藏的安全性。另外，通过对压缩测量值进行二进位数转换和拆分，接着再进行平移对称变换得到待嵌入的中间密文图像，可以有效降低对含密载体图像的影响，提高了含密载体图像的视觉质量。
实施例二
本实施例提出一种基于压缩感知和自适应嵌入的图像隐藏方法，包括：
S1：选择四个随机数，利用明文图像的像素信息和所述随机数，计算明文信息。
本实施例中，随机选择四个范围均在[0,1]之间的随机数ω1,ω2,ω3,ω4；利用大小为N×N的明文图像的像素信息和随机数，计算明文信息m1,m2,m3,m4，其表达式如下所示：
mk＝∑(ωk×Pi,j+1),i＝1,2,…,N,j＝1,2,…,N
其中，k＝1,2,3,4，P(i,j)表示明文图像P在位置(i,j)处的像素值。如图2所示，其为本申请实施例中明文图像的示意图。
S2：利用RSA算法分别对所述随机数和所述明文信息进行加密，得到第一密文信息和第二密文信息，具体包括：
S2.1：分别取随机数ω1,ω2,ω3,ω4小数点后的数，组成整数β1,β2,β3,β4；
S2.2：利用RSA算法分别对整数β1,β2,β3,β4和明文信息m1,m2,m3,m4进行加密，得到第一密文信息υk和第二密文信息ck，其表达式如下所示：
其中，e为RSA算法的公钥，p和q分别为随机选择的两个大素数，mod表示取模运算；此处公钥e的选择过程为：计算乘积n＝p×q和欧拉函数
随机选择一个与
互素的数e作为公钥，且满足
本实施例中，两个大素数p＝8681,q＝8689，公钥e＝629。
S3：将所述明文信息、第一密文信息和第二密文信息转换成混沌映射的初始密钥，并将所述初始密钥代入4D混沌映射系统中进行迭代，生成密钥流，具体包括：
S3.1：将所述明文信息、第一密文信息和第二密文信息转换成4D混沌映射的初始密钥x0,y0,z0,w0，其表达式如下所示：
其中，k＝1,2,3,4，令x0＝ρ1,y0＝ρ2,z0＝ρ3和w0＝ρ4，即可得到初始密钥x0,y0,z0,w0；
S3.2：构建4D混沌映射系统，将初始密钥x0,y0,z0,w0代入4D混沌映射系统中进行迭代，生成密钥流x,y,z,w，其表达式如下所示：
其中，i为迭代次数，a为可设定的参数。本实施例中a＝8。
S4：利用所述密钥流对明文图像分别进行稀疏化、置乱加密和压缩采样处理，得到明文图像的压缩测量值。对所述压缩测量值进行扩散和二进位数交换处理，得到中间密文图像。
本实施例中，所述利用密钥流对明文图像分别进行稀疏化、置乱加密和压缩采样处理，得到明文图像的压缩测量值，具体的步骤包括：
对明文图像P进行稀疏化处理，得到稀疏图像P′；
对密钥流序列x进行升序排序，得到相应的索引序列T＝{t1,t2,…,tNN}；根据索引序列T对稀疏图像P′进行像素置乱，得到置乱稀疏矩阵Q，其表达式如下所示：
Q(i)＝P′(T(i))，i＝1,2,…,NN
使用基矩阵H1＝[1]构建生成一个N阶的矩阵H，其表达式如下所示：
其中n＝1,2,…,log2 N；
对密钥流序列w和密钥流z进行求和后取平均，得到新序列μ＝(w+z)/2；从序列μ选出长度为N的子序列μ1，然后对μ1进行升序排序，得到索引序列S＝{s1,s2,…,sN}；
根据索引序列S从N阶矩阵H中取出M行得到矩阵H′，其表达式如下所示：
H′(i,:)＝H(S(i),:),i＝1,2,…,M
其中，M＝μ×N，μ为压缩比；本实施例中μ＝0.5。
利用索引序列S对矩阵H′的列元素进行置乱得到测量矩阵Φ，其表达式如下所示：
Φ(:,j)＝H′(:,S(j)),j＝1,2,…,N
使用测量矩阵Φ对稀疏图像P′进行采样压缩，得到压缩测量值V，其表达式如下所示：
V＝ΦP′。
本实施例中，所述对压缩测量值进行扩散和二进位数交换处理，得到中间密文图像，具体的步骤包括：
从密钥流序列y中选出长度为NM的子序列y′，并将子序列y′中的元素量化到[0,255]之间，得到序列Y，其表达式如下所示：
对压缩测量值V中的元素进行量化，得到元素范围在[0,255]之间的矩阵V′。
其中，Vmin为压缩测量最小值，Vmax为压缩测量最大值；
将序列Y转成大小为N×M的矩阵Y′；
对矩阵Y′和矩阵V′进行异或操作，得到中间矩阵R，其表达式如下所示：
将中间矩阵R中的元素转成二进制，并将转成二进制后的各个元素的前面四位和后面四位进行调换，然后将进行调换后的各个元素再转成十进制，得到中间密文图像I。
S5：对载体图像进行整数小波变换，得到小波变换系数。对所述中间密文图像进行元素拆分和平移对称变换，得到三个元素矩阵，如图3和图4所示，其分别为本申请实施例中载体图像的示意图和直方图。将所述三个元素矩阵分别嵌入到所述小波变换系数中，并进行逆整数小波变换，得到含密载体图像，如图5所示，其为本申请实施例中含密载体图像的直方图。具体的步骤包括：
分别将密文图像I各个像素元素对应的二进制中后面四位和前面四位各自转成十进制，得到范围在[0,15]的矩阵A和矩阵B；
分别对矩阵A和矩阵B进行平移对称变换，得到元素范围均在[-8,7]之间的对称矩阵A′和B′，其表达式如下所示：
分别将矩阵A′和B′展开成一维矩阵，得到长度为NM的一维向量A″和B″；将一维向量A″和一维向量B″划分为3块，分别记为u1,u2,u3，其表达式如下所示：
其中，
表示对NM/3进行向下取整数。
对载体图像E进行整数小波变换，得到小波变换系数ca,ch,cv和cd，其表达式如下所示：
[ca,ch,cv,cd]＝IWT(E)
将高频系数ch,cv,cd转成一维向量，得到ch′,cv′和cd′；
分别使用索引序列T对一维向量ch′,cv′和cd′中的元素进行位置置乱，得到ch″,cv″和cd″，其表达式如下所示：
将u1,u2和u3通过自适应替换分别嵌入到ch″,cv″和cd″中，分别得到ch″′,cv″′,cd″′；
将u1嵌入的ch″的过程的伪代码如下所示：
分别将ch″′,cv″′和cd″′转换成大小为M×N的三个元素矩阵cH,cV和cD，并分别使用索引序列T对cH,cV,cD中的元素进行位置逆置乱，得到cH′,cV′,cD′；
将cH′,cV′,cD′嵌入到小波变换系数ca中，并进行逆整数小波变换，得到含密载体图像，其表达式如下所示：
C＝IIWT(ca,cH′,cV′,cD′)。
本实施例所提出的基于压缩感知和自适应嵌入的图像隐藏方法，通过选择随机数计算明文信息，可以保证足够的密钥空间，又能通过明文密钥的依赖性，增强抗攻击能力，提高了图像隐藏的安全性，另外，通过密钥转换模型可以保证初始密钥全部落在[0,1]之间。
区别于传统的混沌映射，本实施例提出一种改进的4D混沌映射，改进的混沌映射的混沌性能比之前的混沌性能更强，生成混沌序列的伪随机性更高，在图像置乱和扩散方面效果更好。通过对压缩测量值进行二进位数转换和拆分，接着再进行平移对称变换得到待嵌入的中间密文图像，可以有效降低对含密载体图像的影响，提高了含密载体图像的视觉质量。
本发明结合整数小波变换将秘密信息进行整数替换嵌入，可以实现盲提取，既不用额外传输载体图像，并且可以实现明文图像的重构质量和载体图像无关，泛化能力强。
本发明设计了一种新的4D混沌映射ImpCCM，有效地提高系统的动力学性能以及扩大了系统的参数范围。以ImpCCM为纽带，构造测量矩阵和构建自适应嵌入机制，在保证重构图像视觉质量的前提下，有效提高含密载体图像的视觉效果。除此之外，本发明不需要额外传输载体图像，从而实现明文图像信息的盲提取，并且还能明文图像的重构质量和载体图像无关。本发明所采用的非线性系统不仅仅是离散混沌系统，也可以推广到其它混沌映射中，如连续混沌系统、量子混沌映射等。对于彩色图像，本发明同样适用，因为彩色图像可以分解为R,G,B三个通道，每一个通道可以按照灰度图像的方式进行隐藏，最后再整合成视觉有意义的彩色含密载体图像。
实施例三
本实施例提出一种基于压缩感知和自适应嵌入的图像隐藏系统，包括：
明文信息计算模块，用于选择四个随机数，利用明文图像的像素信息和所述随机数，计算明文信息。
密文信息获取模块，用于利用RSA算法分别对所述随机数和所述明文信息进行加密，得到第一密文信息和第二密文信息。
密钥流获取模块，用于将所述明文信息、第一密文信息和第二密文信息转换成混沌映射的初始密钥，并将所述初始密钥代入4D混沌映射系统中进行迭代，生成密钥流。
中间密文图像获取模块，用于利用所述密钥流对明文图像分别进行稀疏化、置乱加密和压缩采样处理，得到明文图像的压缩测量值。对所述压缩测量值进行扩散和二进位数交换处理，得到中间密文图像。
嵌入模块，用于对载体图像进行整数小波变换，得到小波变换系数。对所述中间密文图像进行元素拆分和平移对称变换，得到三个元素矩阵。将所述三个元素矩阵分别嵌入到所述小波变换系数中，并进行逆整数小波变换，得到含密载体图像。
本实施例提出的基于压缩感知和自适应嵌入的图像隐藏系统，通过选择随机数计算明文信息，可以保证足够的密钥空间，又能通过明文密钥的依赖性，增强抗攻击能力，提高了图像隐藏的安全性。另外，通过对压缩测量值进行二进位数转换和拆分，接着再进行平移对称变换得到待嵌入的中间密文图像，可以有效降低对含密载体图像的影响，提高了含密载体图像的视觉质量。
附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.基于压缩感知和自适应嵌入的图像隐藏方法，其特征在于，包括：
S1：选择四个随机数，利用明文图像的像素信息和所述随机数，计算明文信息；
S2：利用RSA算法分别对所述随机数和所述明文信息进行加密，得到第一密文信息和第二密文信息；
S3：将所述明文信息、第一密文信息和第二密文信息转换成混沌映射的初始密钥，并将所述初始密钥代入4D混沌映射系统中进行迭代，生成密钥流；
S4：利用所述密钥流对明文图像分别进行稀疏化、置乱加密和压缩采样处理，得到明文图像的压缩测量值；对所述压缩测量值进行扩散和二进位数交换处理，得到中间密文图像；
S5：对载体图像进行整数小波变换，得到小波变换系数；对所述中间密文图像进行元素拆分和平移对称变换，得到三个元素矩阵；将所述三个元素矩阵分别嵌入到所述小波变换系数中，并进行逆整数小波变换，得到含密载体图像。
2.根据权利要求1所述的图像隐藏方法，其特征在于，S1中，随机选择四个范围均在[0,1]之间的随机数ω1,ω2,ω3,ω4；利用大小为N×N的明文图像的像素信息和随机数，计算明文信息m1,m2,m3,m4，其表达式如下所示：
mk＝Σ(ωk×Pi,j+1),i＝1,2,…,N,j＝1,2,…,N
其中，k＝1,2,3,4，P(i,j)表示明文图像P在位置(i,j)处的像素值。
3.根据权利要求2所述的图像隐藏方法，其特征在于，S2具体包括：
S2.1：分别取随机数ω1,ω2,ω3,ω4小数点后的数，组成整数β1,β2,β3,β4；
S2.2：利用RSA算法分别对整数β1,β2,β3,β4和明文信息m1,m2,m3,m4进行加密，得到第一密文信息υk和第二密文信息ck，其表达式如下所示：
其中，e为RSA算法的公钥，p和q分别为随机选择的两个大素数，mod表示取模运算；此处公钥e的选择过程为：计算乘积n＝p×q和欧拉函数
随机选择一个与
互素的数e作为公钥，且满足
4.根据权利要求3所述的图像隐藏方法，其特征在于，S3具体包括以下步骤：
S3.1：将所述明文信息、第一密文信息和第二密文信息转换成4D混沌映射的初始密钥x0,y0,z0,w0，其表达式如下所示：
其中，k＝1,2,3,4，令x0＝ρ1,y0＝ρ2,z0＝ρ3和w0＝ρ4，即可得到初始密钥x0,y0,z0,w0；
S3.2：构建4D混沌映射系统，将初始密钥x0,y0,z0,w0代入4D混沌映射系统中进行迭代，生成密钥流x,y,z,w，其表达式如下所示：
其中，i为迭代次数，a为可设定的控制参数。
5.根据权利要求4所述的图像隐藏方法，其特征在于，所述利用密钥流对明文图像分别进行稀疏化、置乱加密和压缩采样处理，得到明文图像的压缩测量值，具体的步骤包括：
对明文图像P进行稀疏化处理，得到稀疏图像P′；
对密钥流序列x进行升序排序，得到相应的索引序列T＝{t1,t2,…,tNN}；根据索引序列T对稀疏图像P′进行像素置乱，得到置乱稀疏矩阵Q，其表达式如下所示：
Q(i)＝P′(T(i))，i＝1,2,…,NN
使用基矩阵H1＝[1]构建生成一个N阶的矩阵H，其表达式如下所示：
其中n＝1,2,…,log2 N；
对密钥流序列w和密钥流z进行求和后取平均，得到新序列μ＝(w+z)/2；从序列μ选出长度为N的子序列μ1，然后对μ1进行升序排序，得到索引序列S＝{s1,s2,…,sN}；
根据索引序列S从N阶矩阵H中取出M行得到矩阵H′，其表达式如下所示：
H′(i,:)＝H(S(i),:),i＝1,2,…,M
其中，M＝μ×N，μ为压缩比；
利用索引序列S对矩阵H′的列元素进行置乱得到测量矩阵Φ，其表达式如下所示：
Φ(:,j)＝H′(:,S(j)),j＝1,2,…,N
使用测量矩阵Φ对稀疏图像P′进行采样压缩，得到压缩测量值V，其表达式如下所示：
V＝ΦP′。
6.根据权利要求4所述的图像隐藏方法，其特征在于，所述对压缩测量值进行扩散和二进位数交换处理，得到中间密文图像，具体的步骤包括：
从密钥流序列y中选出长度为NM的子序列y′，并将子序列y′中的元素量化到[0,255]之间，得到序列Y，其表达式如下所示：
对压缩测量值V中的元素进行量化，得到元素范围在[0,255]之间的矩阵V′。
其中，Vmin为压缩测量最小值，Vmax为压缩测量最大值；
将序列Y转成大小为N×M的矩阵Y′；
对矩阵Y′和矩阵V′进行异或操作，得到中间矩阵R，其表达式如下所示：
将中间矩阵R中的元素转成二进制，并将转成二进制后的各个元素的前面四位和后面四位进行调换，然后将进行调换后的各个元素再转成十进制，得到中间密文图像I。
7.根据权利要求6所述的图像隐藏方法，其特征在于，S5具体包括以下步骤：
分别将密文图像I各个像素元素对应的二进制中后面四位和前面四位各自转成十进制，得到范围在[0,15]的矩阵A和矩阵B；
分别对矩阵A和矩阵B进行平移对称变换，得到元素范围均在[-8,7]之间的对称矩阵A′和B′，其表达式如下所示：
分别将矩阵A′和B′展开成一维矩阵，得到长度为NM的一维向量A″和B″；将一维向量A″和一维向量B″划分为3块，分别记为u1,u2,u3，其表达式如下所示：
其中，
表示对NM/3进行向下取整数；
对载体图像E进行整数小波变换，得到小波变换系数ca,ch,cv和cd，其表达式如下所示：
[ca,ch,cv,cd]＝IWT(E)
将高频系数ch,cv,cd转成一维向量，得到ch′,cv′和cd′；
分别使用索引序列T对一维向量ch′,cv′和cd′中的元素进行位置置乱，得到ch″,cv″和cd″，其表达式如下所示：
将u1,u2和u3通过自适应替换分别嵌入到ch″,cv″和cd″中，分别得到ch″′,cv″′,cd″′；
分别将ch″′,cv″′和cd″′转换成大小为M×N的三个元素矩阵cH,cV和cD，并分别使用索引序列T对cH,cV,cD中的元素进行位置逆置乱，得到cH′,cV′,cD′；
将cH′,cV′,cD′嵌入到小波变换系数ca中，并进行逆整数小波变换，得到含密载体图像，其表达式如下所示：
C＝IIWT(ca,cH′,cV′,cD′)。
8.基于压缩感知和自适应嵌入的图像隐藏系统，应用于如权利要求1～7任一项所述的基于压缩感知和自适应嵌入的图像隐藏方法中，其特征在于，包括：
明文信息计算模块，用于选择四个随机数，利用明文图像的像素信息和所述随机数，计算明文信息；
密文信息获取模块，用于利用RSA算法分别对所述随机数和所述明文信息进行加密，得到第一密文信息和第二密文信息；
密钥流获取模块，用于将所述明文信息、第一密文信息和第二密文信息转换成混沌映射的初始密钥，并将所述初始密钥代入4D混沌映射系统中进行迭代，生成密钥流；
中间密文图像获取模块，用于利用所述密钥流对明文图像分别进行稀疏化、置乱加密和压缩采样处理，得到明文图像的压缩测量值；对所述压缩测量值进行扩散和二进位数交换处理，得到中间密文图像；
嵌入模块，用于对载体图像进行整数小波变换，得到小波变换系数；对所述中间密文图像进行元素拆分和平移对称变换，得到三个元素矩阵；将所述三个元素矩阵分别嵌入到所述小波变换系数中，并进行逆整数小波变换，得到含密载体图像。
9.一种计算设备，其特征在于，所述计算设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如权利要求1至7中任一项所述的基于压缩感知和自适应嵌入的图像隐藏方法所执行的操作。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有程序，所述程序被处理器执行如权利要求1至7中任一项所述的基于压缩感知和自适应嵌入的图像隐藏方法所执行的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211675889.4A CN115941853B (zh) | 2022-12-26 | 2022-12-26 | 基于压缩感知和自适应嵌入的图像隐藏方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211675889.4A CN115941853B (zh) | 2022-12-26 | 2022-12-26 | 基于压缩感知和自适应嵌入的图像隐藏方法、系统、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115941853A true CN115941853A (zh) | 2023-04-07 |
| CN115941853B CN115941853B (zh) | 2024-03-08 |
Family
ID=86697522
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211675889.4A Active CN115941853B (zh) | 2022-12-26 | 2022-12-26 | 基于压缩感知和自适应嵌入的图像隐藏方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115941853B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116545771A (zh) * | 2023-07-05 | 2023-08-04 | 上海伯镭智能科技有限公司 | 一种智能驾驶系统测试数据的智能存储方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN110113506A (zh) * | 2019-04-30 | 2019-08-09 | 广东海洋大学 | 基于压缩感知与信息隐藏的图像加密方法 |
| CN112637441A (zh) * | 2020-12-14 | 2021-04-09 | 天津大学 | 一种基于压缩感知的彩色图像压缩加密方法 |
| CN114157772A (zh) * | 2021-11-18 | 2022-03-08 | 东南大学 | 一种基于时空混沌系统和半张量积压缩感知的数字图像加密方法 |
| CN114157771A (zh) * | 2021-11-12 | 2022-03-08 | 广东海洋大学 | 基于压缩感知的非对称可逆图像隐藏方法 |
-
2022
- 2022-12-26 CN CN202211675889.4A patent/CN115941853B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN110113506A (zh) * | 2019-04-30 | 2019-08-09 | 广东海洋大学 | 基于压缩感知与信息隐藏的图像加密方法 |
| CN112637441A (zh) * | 2020-12-14 | 2021-04-09 | 天津大学 | 一种基于压缩感知的彩色图像压缩加密方法 |
| CN114157771A (zh) * | 2021-11-12 | 2022-03-08 | 广东海洋大学 | 基于压缩感知的非对称可逆图像隐藏方法 |
| CN114157772A (zh) * | 2021-11-18 | 2022-03-08 | 东南大学 | 一种基于时空混沌系统和半张量积压缩感知的数字图像加密方法 |
Non-Patent Citations (1)
| Title |
|---|
| 黄小玲等: "基于RSA和Arnold变换的非对称图像混淆算法", 知网, 31 December 2020 (2020-12-31) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116545771A (zh) * | 2023-07-05 | 2023-08-04 | 上海伯镭智能科技有限公司 | 一种智能驾驶系统测试数据的智能存储方法及系统 |
| CN116545771B (zh) * | 2023-07-05 | 2023-09-15 | 上海伯镭智能科技有限公司 | 一种智能驾驶系统测试数据的智能存储方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115941853B (zh) | 2024-03-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chai et al. | An efficient visually meaningful image compression and encryption scheme based on compressive sensing and dynamic LSB embedding | |
| Chai et al. | An efficient approach for encrypting double color images into a visually meaningful cipher image using 2D compressive sensing | |
| CN112637441B (zh) | 一种基于压缩感知的彩色图像压缩加密方法 | |
| CN110139000B (zh) | 基于压缩感知和生命游戏置乱的图像压缩加密方法 | |
| CN109360141B (zh) | 基于压缩感知和三维猫映射的图像加密方法 | |
| CN110113506B (zh) | 基于压缩感知与信息隐藏的图像加密方法 | |
| CN110120079B (zh) | 基于三维Logistic映射和广义Cat映射彩色图像加密方法 | |
| Wang et al. | An efficient double-image encryption and hiding algorithm using a newly designed chaotic system and parallel compressive sensing | |
| CN107888370B (zh) | 图像加密方法及装置 | |
| Zhang et al. | A new chaotic map based image encryption schemes for several image formats | |
| CN110519037B (zh) | 超混沌伪随机序列的图像加密方法 | |
| Wang et al. | A novel visually meaningful image encryption algorithm based on parallel compressive sensing and adaptive embedding | |
| Zhou et al. | Novel multiple color images encryption and decryption scheme based on a bit-level extension algorithm | |
| Wang et al. | Visually meaningful image encryption scheme based on new-designed chaotic map and random scrambling diffusion strategy | |
| Zhang et al. | An efficient multi-level encryption scheme for stereoscopic medical images based on coupled chaotic system and Otsu threshold segmentation | |
| Chai et al. | A robust compressed sensing image encryption algorithm based on GAN and CNN | |
| Zhang et al. | Color image watermarking based on a fast structure-preserving algorithm of quaternion singular value decomposition | |
| CN115941853A (zh) | 基于压缩感知和自适应嵌入的图像隐藏方法、系统、设备及介质 | |
| CN115002291B (zh) | 基于p张量秘密共享和多个数据隐藏器的信息隐藏方法 | |
| Li et al. | A gradient-based approach to optimization of compressed sensing systems | |
| Gan et al. | Exploiting compressed sensing and polynomial-based progressive secret image sharing for visually secure image selection encryption with authentication | |
| Patel et al. | Block based visually secure image encryption algorithm using 2D-Compressive Sensing and nonlinearity | |
| Wang et al. | A novel meaningful image encryption algorithm based on newly-designed coupled map lattice and adaptive embedding | |
| Ye et al. | Reversible image hiding algorithm based on compressive sensing and deep learning | |
| Feng et al. | Exploiting robust quadratic polynomial hyperchaotic map and pixel fusion strategy for efficient image encryption |
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 |