CN117812196B - 基于虹膜特征验证的一维混沌映射的医学图像保护方法 - Google Patents

基于虹膜特征验证的一维混沌映射的医学图像保护方法 Download PDF

Info

Publication number
CN117812196B
CN117812196B CN202410220712.8A CN202410220712A CN117812196B CN 117812196 B CN117812196 B CN 117812196B CN 202410220712 A CN202410220712 A CN 202410220712A CN 117812196 B CN117812196 B CN 117812196B
Authority
CN
China
Prior art keywords
medical image
plaintext
sequence
chaotic
scanning
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
CN202410220712.8A
Other languages
English (en)
Other versions
CN117812196A (zh
Inventor
郑勇涛
李权俊
郑雨骁
蔡俊杰
林锦孝
陈思盈
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.)
Guangdong University of Technology
Original Assignee
Guangdong 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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202410220712.8A priority Critical patent/CN117812196B/zh
Publication of CN117812196A publication Critical patent/CN117812196A/zh
Application granted granted Critical
Publication of CN117812196B publication Critical patent/CN117812196B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H04N1/448—Rendering the image unintelligible, e.g. scrambling
    • H04N1/4486—Rendering the image unintelligible, e.g. scrambling using digital data encryption
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris
    • G06V40/193—Preprocessing; Feature extraction
    • 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
    • H04L9/08—Key distribution or management, e.g. generation, sharing or updating, of cryptographic keys or passwords
    • H04L9/0861—Generation of secret information including derivation or calculation of cryptographic keys or passwords
    • H04L9/0866—Generation of secret information including derivation or calculation of cryptographic keys or passwords involving user or device identifiers, e.g. serial number, physical or biometrical information, DNA, hand-signature or measurable physical characteristics

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了基于虹膜特征验证的一维混沌映射的医学图像保护方法，采用的新的一维混沌映射具有对密钥足够敏感、难以被破解、能生成足够随机的序列等优点。采用的扫描算法分成三部分进行，第一部分对应明文医学图像的左下部分，第二部分对应明文医学图像的对角线部分，第三部分对应明文医学图像的右上部分，其中第一部分和第三部分均穿越了边界，周期性极弱，扫描置乱效果较好。采用链式扩散的方法，具有很强的明文敏感性，更难以被破解。利用矩阵原理的多种运算来进行加密，加密速度非常快，并不需要额外的数学变换或者处理操作。

Description

基于虹膜特征验证的一维混沌映射的医学图像保护方法
技术领域
本发明涉及信息安全的技术领域，尤其涉及到基于虹膜特征验证的一维混沌映射的医学图像保护方法。
背景技术
在互联网技术飞速发展的时代，数据存储和传输的安全性面临着严重的威胁。图像作为一种重要的数据类型，在各种领域发挥着巨大的作用，如远程电子医疗保健(e-healthcare)。远程电子医疗是指信息和通信技术在医疗保健中的各种应用，它可以实现医疗信息的共享，方便医生及时获取患者的详细信息，方便患者在不同医疗机构之间转诊。其中，一些基于超声、x射线成像、计算机断层扫描(CT)和磁共振成像(MRI)等技术的医学图像将通过互联网存储和传输。这些医疗图像是非常机密和敏感的，涉及到病人的隐私。如果它们被访问、被盗或未经授权使用，就有可能造成严重的事故。因此，确保医学图像的安全性迫在眉睫。
数字图像不同于传统的文本消息，数字图像具有数据容量大、相邻像素间相关性强等特性，导致传统加密算法如AES、DES等不再适用。混沌系统，作为一种非线性动力学系统，具有对初值和参数及其敏感、遍历性、非周期性和随机性等一些固有特性，而混沌映射产生的伪随机序列的结构格外复杂，难以进行分析和预测，十分契合于数字图像的加密。在目前的非线性动力学领域，超混沌系统在最近几年来被人们广泛研究和应用，因为其有着极好的混沌效果，相比常规的混沌有着更强的随机性、不可预测性。
但是现有的基于混沌的图像加密依然面临着一些新的问题。例如应用的混沌映射而言，现有的混沌映射具有周期性、输出分布不均匀等缺点，使得加密的安全性较低，而且，加密的效率也较低。
发明内容
本发明的目的在于克服现有技术的不足，提供一种加密效率高、加密安全性高的基于虹膜特征验证的一维混沌映射的医学图像保护方法。
为实现上述目的，本发明所提供的技术方案为：
基于虹膜特征验证的一维混沌映射的医学图像保护方法，包括：
S1、提取患者虹膜图像的特征作为密钥；
S2、通过密钥获得一维混沌映射所需的初始参数；
S3、通过一维混沌映射生成混沌序列，以及基于密钥伪随机生成密钥矩阵；
S4、对患者的明文医学图像进行扫描以及置乱处理，得到置乱后的医学图像；
S5、结合混沌序列、密钥矩阵对置乱后的医学图像进行扩散处理，得到加密后的图像；
S6、患者需要获取其明文医学图像时，再次生成其密钥对应的混沌序列以及密钥矩阵；
S7、结合步骤S6生成的混沌序列以及密钥矩阵，对加密后的图像进行反向扩散处理，得到置乱的医学图像；
S8、对步骤S7得到的置乱的医学图像进行逆置乱处理，从而得到患者的明文医学图像。
进一步地，生成混沌序列的过程包括：
步骤A1、初始化变量：x(0)＝0.5；迭代次数i＝1；N0为设定值，依据密钥获得；
步骤A2、进行迭代循环N0+L次获得x(1)-x(N0+L)组成的尺寸为1*(N0+L)的数组序列x：
更新x(i)的值：b为常数；
i＝i+1；
步骤A3、截取x(N0+1)-x(N0+L)作为新的数组序列x，舍弃x(1)-x(N0)；
步骤A4、计算y:y＝mod(-x,256)；
步骤A5、计算K1:K1＝mod(floor(x*10^6)，256)；
步骤A6、计算K2:K2＝mod(floor(y*10^6)，256)；
步骤A7、计算K3:K3＝mod(K1+K2，256)；
K1、K2、K3均为混沌序列，L为明文医学图像转换成一维向量P后，该一维向量P的长度。
进一步地，对患者的明文医学图像进行扫描以及置乱处理的过程中，扫描分成三部分进行，第一部分对应明文医学图像的左下部分，第二部分对应明文医学图像的对角线部分，第三部分对应明文医学图像的右上部分。
进一步地，左下部分的扫描得到数组Line1：
其中，且w＝1,2,...,4(s-1)+1
对角线的扫描得到数组Line2：
Line2[s]＝img1[s,s],其中s＝1,2,...,n；
右上部分的扫描得到数组Line3：
其中，且w＝1,2,...,4(s-1)+1，n为明文医学图像的长度。
进一步地，对扫描得到的图像进行置乱，过程包括：
将Line1，Line2，Line3进行拼接，得到Line：
Line＝Line1||Line2||Line3；
符号||表示将Line1,Line2,Line3三个数组按顺序水平拼接成一个单一数组Line，即长为1、宽为n*n的数组矩阵；
使用Reshpe公式将扫描得到的长为1、宽为n*n的数组矩阵重新变成长为n,宽为n的矩阵：Line＝Reshape(Line,n,n)，即得到置乱后的医学图像。
进一步地，结合混沌序列、密钥矩阵对置乱后的医学图像进行扩散处理，采用的公式如下：
其中，C为过渡密文；X为随机关联序列；a、b、c、d为密钥矩阵中的随机数；S为被随机化和关联后的序列；P为明文医学图像转换得到的一维向量；K1、K2、K3均为混沌序列；m＝2,...,L,m为数组索引，L为明文医学图像转换成一维向量P后，该一维向量P的长度。
进一步地，结合步骤S6生成的混沌序列以及密钥矩阵，对加密后的图像进行反向扩散处理，采用的公式如下：
其中，CF是最终获得的密文序列；C为过渡密文；X为随机关联序列；
a、b、c、d为密钥矩阵中的随机数；S为被随机化和关联后的序列；P为明文医学图像转换得到的一维向量；K1、K2、K3均为混沌序列；u＝L-1,...,1,u为数组索引，L为明文医学图像转换成一维向量P后，该一维向量P的长度。
与现有技术相比，本技术方案原理及优点如下：
1、传统的一维映射存在着对密钥不够敏感、容易被破解、存在周期性、生成的序列不够随机的问题，而本技术方案中采用的新的一维混沌映射具有对密钥足够敏感、难以被破解、能生成足够随机的序列等优点。
2、传统的扫描算法都是在矩阵内进行扫描，因此存在周期性的问题，扫描效果不佳，而本技术方案中采用的扫描算法分成三部分进行，第一部分对应明文医学图像的左下部分，第二部分对应明文医学图像的对角线部分，第三部分对应明文医学图像的右上部分，其中第一部分和第三部分均穿越了边界，周期性极弱，扫描置乱效果非常好。
3、传统的扩散算法的明文敏感性极弱，而且扩散效果较弱。而本技术方案算法采用链式扩散的方法，具有很强的明文敏感性，更难以被破解。
4、利用矩阵原理的多种运算来进行加密，加密速度非常快，并不需要额外的数学变换或者处理操作。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的服务作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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他的附图。
图1为本发明基于虹膜特征验证的一维混沌映射的医学图像保护方法的原理流程图；
图2为本发明基于虹膜特征验证的一维混沌映射的医学图像保护方法中扫描算法的原理示意图；
图3为Lyapunov测试结果对比图；
图4为现有扫描算法的扫描原理示意图；
图5为置乱前和置乱后的医学图像；
图6为对应置乱前医学图像的直方图；
图7为对应置乱后医学图像的直方图；
图8为扩散后的图像；
图9为扩散后的图像的直方图。
具体实施方式
下面结合具体实施例对本发明作进一步说明：
如图1所示，本实施例所述的基于虹膜特征验证的一维混沌映射的医学图像保护方法，包括如下步骤：
S1、提取患者虹膜图像的特征作为密钥；
S2、通过密钥获得一维混沌映射所需的初始参数；
S3、通过一维混沌映射生成混沌序列，以及基于密钥伪随机生成密钥矩阵；
生成混沌序列的过程包括：
步骤A1、初始化变量：x(0)＝0.5；迭代次数i＝1；N0为2000，依据密钥获得；
步骤A2、进行迭代循环N0+L次获得x(1)-x(N0+L)组成的尺寸为1*(N0+L)的数组序列x：
更新x(i)的值：b为常数；
i＝i+1；
步骤A3、截取x(N0+1)-x(N0+L)作为新的数组序列x，舍弃x(1)-x(N0)；
步骤A4、计算y:y＝mod(-x,256)；
步骤A5、计算K1:K1＝mod(floor(x*10^6)，256)；
步骤A6、计算K2:K2＝mod(floor(y*10^6)，256)；
步骤A7、计算K3:K3＝mod(K1+K2，256)；
K1、K2、K3均为混沌序列，L为明文医学图像转换成一维向量P后，该一维向量P的长度。
S4、对患者的明文医学图像进行扫描以及置乱处理，得到置乱后的医学图像；
对患者的明文医学图像进行扫描以及置乱处理的过程中，扫描分成三部分进行，第一部分对应明文医学图像的左下部分，第二部分对应明文医学图像的对角线部分，第三部分对应明文医学图像的右上部分。
左下部分的扫描得到数组Line1：
其中，且w＝1,2,...,4(s-1)+1
对角线的扫描得到数组Line2：
Line2[s]＝img1[s,s],其中s＝1,2,...,n；
右上部分的扫描得到数组Line3：
其中，且w＝1,2,...,4(s-1)+1，n为明文医学图像的长度。
对扫描得到的图像进行置乱，过程包括：
将Line1，Line2，Line3进行拼接，得到Line：
Line＝Line1||Line2||Line3；
符号||表示将Line1,Line2,Line3三个数组按顺序水平拼接成一个单一数组Line，即长为1、宽为n*n的数组矩阵；
使用Reshpe公式将扫描得到的长为1、宽为n*n的数组矩阵重新变成长为n,宽为n的矩阵：Line＝Reshape(Line,n,n)，即得到置乱后的医学图像。
S5、结合混沌序列、密钥矩阵对置乱后的医学图像进行扩散处理，得到加密后的图像；
扩散采用的公式如下：
其中，C为过渡密文；X为随机关联序列；a、b、c、d为密钥矩阵中的随机数；S为被随机化和关联后的序列；P为明文医学图像转换得到的一维向量；K1、K2、K3均为混沌序列；m＝2,...,L,m为数组索引，L为明文医学图像转换成一维向量P后，该一维向量P的长度。
S6、患者需要获取其明文医学图像时，再次生成其密钥对应的混沌序列以及密钥矩阵；
S7、结合步骤S6生成的混沌序列以及密钥矩阵，对加密后的图像进行反向扩散处理，得到置乱的医学图像；
反向扩散采用的公式如下：
其中，CF是最终获得的密文序列；C为过渡密文；X为随机关联序列；
a、b、c、d为密钥矩阵中的随机数；S为被随机化和关联后的序列；P为明文医学图像转换得到的一维向量；K1、K2、K3均为混沌序列；u＝L-1,...,1,u为数组索引，L为明文医学图像转换成一维向量P后，该一维向量P的长度。
S8、对步骤S7得到的置乱的医学图像进行逆置乱处理，从而得到患者的明文医学图像。
本实施例中，利用矩阵原理的多种运算来进行加密，所以其加密速度非常快，并不需要额外的数学变换或者处理操作。
利用随机的关联序列S来随机化P，这一步操作有明文关联效果，能提供理想的明文敏感性；但明文敏感性改变的点是随机的，而本实施例这种随机化操作只有第一个点P(1)，即P(1,1)的明文敏感性，而后面的P(L)(即最后一个像素点)的敏感性最低(为0)，加上反向扩散的操作，两次的扩散操作得到理想的效果。
K1、K2、K3都是由混沌系统生成的不同混沌序列，因而其初始值和密钥可以不同，这个操作能提供十分大的秘钥空间。而且本实施例中所述的扩散算法只需要密钥矩阵中元素a在256中可逆即可，b,c,d并不作要求，因而此矩阵扩散十分强于其他的矩阵扩散，其他的矩阵扩散并没有明文关联操作，而且要求整个密钥矩阵必须可逆，有的还是块加密(将图片分割成块，一块一块加密，无法处理均匀背景的图像)，解密时必须求出其模逆矩阵，速度十分慢，并且没有理想的明文敏感性。因为该扩散算法既是循环双线扩散又是正反双向。
为了证明本发明所述医学图像保护方法的有效性和优越性，进行如下测试实验：
1、Lyapunov测试：
2、图3为本发明提出的混沌映射和其他混沌映射的Lyapunov指数图像，其中值越高代表周期性很弱，越难以被破解。可见，与其他混沌映射相比(一维切比雪夫映射(1D-Chebyshev)、一种基于余弦除以正弦的分数的新型一维混沌系统(1-DFCS)、一种新的一维余弦多项式混沌映射(1-DCP)、一维逻辑斯蒂-切比雪夫混沌系统(1DLCM)、一维逻辑斯蒂-Sine混沌系统(1D-LS)、sine混沌映射(sine))，本发明提出的混沌映射的控制参数r在1-10000的时候都呈现极高的Lyapunov值。NIST测试：
表1：本发明提出的一维混沌映射的NIST测试.
表1为本发明提出的混沌映射的NIST测试表，其中每个指标都超过0.01，可见，本发明的混沌系统能产生足够随机的序列。
3、相邻像素相关性测试：
图4是现有的各种扫描方法，其中，(a)为Raster扫描，(b)为Continuous Raster扫描，(c)为Spiral扫描，(d)为Diagonal扫描，(e)为Z-order扫描，(f)为U-index扫描，(g)Z-mirror扫描，(h)为Gray扫描，(i)为Hilbert扫描。
表2：经过一次不同扫描方法扫描后得到的置乱图的相关性测试
表2为相邻像素相关性测试的结果，这里能看得出来本发明在进行一轮扫描后图像的四个值最低且接近为0，因此本发明的扫描效果完胜其他所有的扫描算法。
4、置乱测试：
图5包括了置乱前(左)和置乱后(右)的医学图像，图6为对应置乱前医学图像的直方图，图7为对应置乱后医学图像的直方图，从图7呈现的不规则可知，本发明的置乱效果较好。
5、扩散测试：
图8为扩散后的图像，图9为扩散后的图像的直方图，可见，扩散后的直方图分布均匀，说明本发明的扩散算法效果非常好，难以被暴力破解。
6、NPCR、UACI测试：
对两百张医学图像进行NPCR、UACI测试，得到平均NPCR为33.476123、平均UACI为99.705313，超过了标准值33.4697和99.6094，这说明本发明的加密算法具有很强的明文敏感性，如果原图像中某一个像素值+1，改变参数获得的加密图像和不改变参数获得的加密图像完全不同，能够抵御明文攻击。
7、加密速度测试：
实验结果得出使用一维混沌映射的加密速度较快，平均处理一张512*512的图像只需要0.23s。
以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (1)

1.基于虹膜特征验证的一维混沌映射的医学图像保护方法，其特征在于，包括：
S1、提取患者虹膜图像的特征作为密钥；
S2、通过密钥获得一维混沌映射所需的初始参数；
S3、通过一维混沌映射生成混沌序列，以及基于密钥伪随机生成密钥矩阵；
S4、对患者的明文医学图像进行扫描以及置乱处理，得到置乱后的医学图像；
S5、结合混沌序列、密钥矩阵对置乱后的医学图像进行扩散处理，得到加密后的图像；
S6、患者需要获取其明文医学图像时，再次生成其密钥对应的混沌序列以及密钥矩阵；
S7、结合步骤S6生成的混沌序列以及密钥矩阵，对加密后的图像进行反向扩散处理，得到置乱的医学图像；
S8、对步骤S7得到的置乱的医学图像进行逆置乱处理，从而得到患者的明文医学图像；
生成混沌序列的过程包括：
步骤A1、初始化变量：x(0)＝0.5；迭代次数i＝1；N0为设定值，依据密钥获得；
步骤A2、进行迭代循环N0+L次获得x(1)-x(N0+L)组成的尺寸为1*(N0+L)的数组序列x：
a、更新x(i)的值：b为常数；
b、i＝i+1；
步骤A3、截取x(N0+1)-x(N0+L)作为新的数组序列x，舍弃x(1)-x(N0)；
步骤A4、计算y:y＝mod(-x,256)；
步骤A5、计算K1:K1＝mod(floor(x*10^6)，256)；
步骤A6、计算K2:K2＝mod(floor(y10^6)，256)；
步骤A7、计算K3:K3＝mod(K1+K2，256)；
K1、K2、K3均为混沌序列，L为明文医学图像转换成一维向量P后，该一维向量P的长度；
对患者的明文医学图像进行扫描以及置乱处理的过程中，扫描分成三部分进行，第一部分对应明文医学图像的左下部分，第二部分对应明文医学图像的对角线部分，第三部分对应明文医学图像的右上部分；
左下部分的扫描得到数组Line1：
其中，且w＝1,2,...,4(s-1)+1
对角线的扫描得到数组Line2：
Line2[s]＝img[s,s],其中s＝1,2,...,n；
右上部分的扫描得到数组Line3：
其中，且w＝1,2,...,4(s-1)+1，n为明文医学图像的长度，img为待置乱的原图像；
对扫描得到的图像进行置乱，过程包括：
将Line1，Line2，Line3进行拼接，得到Line：
Line＝Line1||Line2||Line3；
符号||表示将Line1,Line2,Line3三个数组按顺序水平拼接成一个单一数组Line，即长为1、宽为n*n的数组矩阵；
使用Reshpe公式将扫描得到的长为1、宽为n*n的数组矩阵重新变成长为n,宽为n的矩阵：Line＝Reshape(Line,n,n)，即得到置乱后的医学图像；
结合混沌序列、密钥矩阵对置乱后的医学图像进行扩散处理，采用的公式如下：
其中，C为过渡密文；X为随机关联序列；a、b、c、d为密钥矩阵中的随机数；S为被随机化和关联后的序列；P为明文医学图像转换得到的一维向量；K1、K2、K3均为混沌序列；m＝2,...,L,m为数组索引，L为明文医学图像转换成一维向量P后，该一维向量P的长度；
结合步骤S6生成的混沌序列以及密钥矩阵，对加密后的图像进行反向扩散处理，采用的公式如下：
其中，CF是最终获得的密文序列；C为过渡密文；X为随机关联序列；
a、b、c、d为密钥矩阵中的随机数；S为被随机化和关联后的序列；P为明文医学图像转换得到的一维向量；K1、K2、K3均为混沌序列；u＝L-1,...,1,u为数组索引，L为明文医学图像转换成一维向量P后，该一维向量P的长度。
CN202410220712.8A 2024-02-28 2024-02-28 基于虹膜特征验证的一维混沌映射的医学图像保护方法 Active CN117812196B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410220712.8A CN117812196B (zh) 2024-02-28 2024-02-28 基于虹膜特征验证的一维混沌映射的医学图像保护方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410220712.8A CN117812196B (zh) 2024-02-28 2024-02-28 基于虹膜特征验证的一维混沌映射的医学图像保护方法

Publications (2)

Publication Number Publication Date
CN117812196A CN117812196A (zh) 2024-04-02
CN117812196B true CN117812196B (zh) 2024-05-14

Family

ID=90422170

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410220712.8A Active CN117812196B (zh) 2024-02-28 2024-02-28 基于虹膜特征验证的一维混沌映射的医学图像保护方法

Country Status (1)

Country Link
CN (1) CN117812196B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118400472A (zh) * 2024-05-24 2024-07-26 广东工业大学 一种适用于边缘计算设备的视频加密方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106997606A (zh) * 2017-02-14 2017-08-01 陕西师范大学 一种基于超混沌系统投影同步的图像加密方法
CN107610191A (zh) * 2017-09-28 2018-01-19 广东工业大学 一种彩色图像加密方法及装置
CN112422268A (zh) * 2020-11-10 2021-02-26 郑州轻工业大学 一种基于分块置乱与状态转换的图像加密方法
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
CN113470126A (zh) * 2021-04-16 2021-10-01 兰州现代职业学院 一种新的基于超混沌的置乱与明文像素动态相关的图像加密方法
WO2023040365A1 (zh) * 2021-09-18 2023-03-23 大连理工大学 基于多尺度压缩感知和马尔科夫模型的图像加密方法
CN116680712A (zh) * 2023-06-05 2023-09-01 兰州大学 一种基于感兴趣区域的医学图像加密算法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8670560B2 (en) * 2008-10-23 2014-03-11 University Of Ulster Encryption method

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106997606A (zh) * 2017-02-14 2017-08-01 陕西师范大学 一种基于超混沌系统投影同步的图像加密方法
CN107610191A (zh) * 2017-09-28 2018-01-19 广东工业大学 一种彩色图像加密方法及装置
CN112422268A (zh) * 2020-11-10 2021-02-26 郑州轻工业大学 一种基于分块置乱与状态转换的图像加密方法
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
CN113470126A (zh) * 2021-04-16 2021-10-01 兰州现代职业学院 一种新的基于超混沌的置乱与明文像素动态相关的图像加密方法
WO2023040365A1 (zh) * 2021-09-18 2023-03-23 大连理工大学 基于多尺度压缩感知和马尔科夫模型的图像加密方法
CN116680712A (zh) * 2023-06-05 2023-09-01 兰州大学 一种基于感兴趣区域的医学图像加密算法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
A colour byte scrambling technique for efficient image encryption based on combined chaotic map: Image encryption using combined chaotic map;M.Y. Mohamed Parvees;2016 International Conference on Electrical, Electronics, and Optimization Techniques (ICEEOT);20160305;全文 *
一种新的基于比特置乱的超混沌图像加密算法;谢国波;王添;微电子学与计算机;20160705(第7期);全文 *
基于变参超混沌与可逆向量积的图像加密算法;周洪波等;重庆师范大学学报(自然科学版);20210913(第5期);全文 *
基于置乱-扩散结构的混沌图像加密关键技术研究;闫晓鹏;优秀博士学位论文;20221201;全文 *
基于超混沌序列和位平面置乱的图像加密算法;林振荣;胡倩颖;李洁;李建民;;南昌大学学报(工科版);20170628(第02期);全文 *
基于超混沌映射的医学图像小波域加密算法;梁涤青;陈志刚;邓小鸿;;天津大学学报(自然科学与工程技术版);20161215(第12期);全文 *

Also Published As

Publication number Publication date
CN117812196A (zh) 2024-04-02

Similar Documents

Publication Publication Date Title
Chai et al. TPE-GAN: Thumbnail preserving encryption based on GAN with key
Kamal et al. A new image encryption algorithm for grey and color medical images
Wang et al. Multiple medical image encryption algorithm based on scrambling of region of interest and diffusion of odd-even interleaved points
CN117812196B (zh) 基于虹膜特征验证的一维混沌映射的医学图像保护方法
Zhu et al. A chaos-based symmetric image encryption scheme using a bit-level permutation
Janani et al. A secure medical image transmission scheme aided by quantum representation
Kaur et al. Fourier–Mellin moment-based intertwining map for image encryption
Liu et al. Mutil-medical image encryption by a new spatiotemporal chaos model and DNA new computing for information security
Priyadharshini et al. Securing medical images using encryption and LSB steganography
Dagadu et al. Chaotic medical image encryption based on Arnold transformation and pseudorandomly enhanced logistic map
CN115102683A (zh) 基于目标检测技术的人脸图像加解密方法、系统和设备
John et al. 2d lorentz chaotic model coupled with logistic chaotic model for medical image encryption: Towards ensuring security for teleradiology
Elamir et al. Hybrid image encryption scheme for secure E-health systems
CN111131657B (zh) 基于自验证矩阵的混沌医学图像防篡改加密方法
Kumar et al. A secured cryptographic model using intertwining logistic map
Islam et al. Fast and Lightweight Image Cryptosystem for IoMT Applications
Li et al. A novel image protection cryptosystem with only permutation stage: multi-shuffling process
Banday et al. Multilevel medical image encryption for secure communication
Ge ALCencryption: A secure and efficient algorithm for medical image encryption
Razaq et al. Novel substitution-box generation using group theory for secure medical image encryption in E-healthcare
CN115834021A (zh) 基于神经网络和半张量积的云端医学图像加密方法
CN107133994B (zh) 一种图像加密方法
Chai et al. Exploiting 2D-SDMCHM and matching embedding driven by flag-shaped hexagon prediction for visually meaningful medical image cryptosystem
Sanghvi et al. BITSAT: an efficient approach to modern image cryptography
Rahul et al. Bio-Metric Based Colour-Image-Encryption using Multi-Chaotic Dynamical Systems and SHA-256 Hash Algorithm

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