基于快速响应码约束的光学图像加密算法

为提高光学图像加密算法的安全性与解密质量,方便密钥的存储、管理与传输,提出一种基于快速响应(QR)码约束与混沌Gyrator变换的图像加密算法。引入二维耦合混沌系统,利用明文像素对其进行迭代后输出2个随机相位掩码。通过2个混沌序列来计算2个Gyrator变换的旋转角度,然后利用明文生成相应的QR码,并将其置于2个随机相位掩码结构的输入平面,通过两级Gyrator变换输出一个实值密文。同时,借助QR码的支撑约束条件对传统的相位检索技术进行改进,最终从密文中检索到初始的QR码后解密图像。实验结果表明,与借助圆谐分量展开与Gyrator变换实现光学图像加密的算法相比,该算法具有较高的安全性与解密质量,在噪声攻击下,其复原图像的失真度较低。     

基于多混沌映射算法的图像可逆化加密仿真

原图像经过对矩阵元素随机打乱可得到加密图像,加密后的图像可以有效防止已知攻击。可逆映射可以高效地实现像素置乱,但由于离散混沌序列的初始条件较为敏感,因此像素扩散置乱难度较大。为此提出基于多混沌映射算法的图像可逆化加密方法,在图像加密过程中,采用扩散置乱和Arnold变换置乱图像,通过Logistic映射系统和Chen系统生成离散混沌序列,置乱后图像中红、绿、蓝三基色分别执行异或运算,从而输出加密图像。在图像解密过程中,分别对扩散置乱、Arnold变换以及图像加密执行逆映射,输出解密图像,完成图像可逆化加密。实验结果表明,所提方法密钥敏感性和原图与解密图像像素值分布更均匀、相邻像素相关性更低,鲁棒性更强。     

对合参数变换耦合双随机相位的图像加密算法

为了解决当前双随机相位加密系统的明文与密文函数之间相对简单的依赖关系,导致加密系统的安全性能不高等难题,引入非标准二阶互逆-正交参数变换,设计对合参数变换,并将其引入到双随机相位加密系统中,提出了对合参数变换耦合双随机相位的图像加密算法.利用位置集合置乱技术扰乱明文;由对合参数变换与相位矩阵,设计加密函数,完成置乱像素的扩散;并将递归运算嵌入到对合参数变换中,实现加密系统的简单结构及快速计算.仿真结果表明:与其他互逆-正交参数变换加密机制相比,本加密算法更安全,熵值约为7.99986,相邻像素的自相关性更低;且密钥空间巨大,获取的密文具有更高的抗强力攻击性能,能防止图像被肆意篡改.     

二维不等长变换改进及其应用EI北大核心CSCD

针对二维不等长变换置乱图像效果差且纹理特征明显,难以满足高安全性图像信息保护需要的问题,提出二维不等长Arnold变换的改进方法,并将其用于像素位置置乱和像素值加密中.该方法利用经典可逆二维标准映射的构造思想将二维不等长Arnold变换进行非仿射化修改,获得一种具有非线性变换特性的保面积且具有周期的置乱变换,对任意高宽不等图像置乱加密并用其逆变换来快速恢复原图像.大量实验结果表明,文中方法是有效的,相比现有二维不等长Arnold变换能有效地改善图像置乱效果并降低图像纹理特征,对任意高宽图像的高性能置乱加密具有一定的推广价值.     

二维不等长变换改进及其应用

针对二维不等长变换置乱图像效果差且纹理特征明显,难以满足高安全性图像信息保护需要的问题,提出二维不等长Arnold变换的改进方法,并将其用于像素位置置乱和像素值加密中.该方法利用经典可逆二维标准映射的构造思想将二维不等长Arnold变换进行非仿射化修改,获得一种具有非线性变换特性的保面积且具有周期的置乱变换,对任意高宽不等图像置乱加密并用其逆变换来快速恢复原图像.大量实验结果表明,文中方法是有效的,相比现有二维不等长Arnold变换能有效地改善图像置乱效果并降低图像纹理特征,对任意高宽图像的高性能置乱加密具有一定的推广价值.     

一种改进的数字图像加密算法

为了能对经过剪切变换攻击的加密图像进行有效恢复,给出了一种基于混沌序列的数字图像加密算法,该方法在预处理的基础上,基于数字图像灰度矩阵位平面进行置乱加密,在恢复过程中通过象素邻域灰度信息进行恢复,能够有效抵御针对加密图像的剪切变换攻击,同时给出了一种非线性的、应用高维混沌系统产生二值序列的方法。实验表明,该方法具有较好的效率和安全性。     

基于离散傅里叶变换融合双混沌映射的图像加密算法研究

频域加密非常适用于大多数数字和光学图像处理体系,而空间域加密则适用于图像通信。为了充分利用在图像频率域和空间域加密的优势,进一步提高图像加密系统的安全性,提出基于离散的傅里叶变换和双混沌映射的图像加密算法,同时对图像的频率域和空间域进行加密。首先,利用二维离散的傅里叶变换将图像从空间域转换成频率域,并用改进的分段Tent映射分别对幅值和位相进行置乱处理;其次,将置乱后图像频率域进行傅里叶逆变换,转换成空间域,获得置乱加密图像;最后,利用改进的Bernoulli移位映射对置乱加密图像进行扩散处理。在MATLAB仿真平台上,实验结果表明:该算法高度安全,密钥空间大,有较强的密钥敏感性能,有效地提高了抵御选择明文攻击的能力。     

一种新的基于概率距离的图像置乱评价方法

通过对图像的分块处理,提出一种评价图像置乱效果的方法。将原图像与加密图像进行相同的分块处理后,计算分块变换前后概率分布差异的Bhattacharyya系数,并以所有分块Bhattacharyya系数的平均值作为图像在置乱变换下具有的置乱程度。该方法计算简单、意义明确;实验结果表明,该方法可以有效地反映出图像在不同置乱变换下具有的置乱程度。     

基于Arnold变换的混沌轨道遍历性的数字图像加密

提出一种基于Arnold变换的图像加密新算法.利用二维和三维Arnold变换混沌轨道的遍历性,提出一个新的空间置乱方法.该方法可以改进传统的Arnold变换置乱方法密钥空间小的缺点,并可以提高置乱度.利用耦合映象格子(CML)映射对图像灰度值进行扩散,进一步扩大了密钥空间,提高了加密系统的安全性.实验结果表明,本文的加密算法加密效果好,安全性高,可以抵抗统计分析并具有抗JPEG压缩、剪切等攻击的鲁棒性.     

空域彩色图像的二级置乱算法

以图像信息安全问题为背景,针对彩色图像的存储特性,给出了一种空域彩色图像的二级置乱算法.其利用改进的Gray码技术对彩色图像的三基色进行置乱,借助彩色图像的自身信息构造置乱索引矩阵,对彩色图像的位置信息进行遍历变换.此方法即安全又方便.实验结果表明,与其它方法相比,该算法有良好的置乱度,且易于实现,同时提高了加密效率.     

基于混沌Gyrator变换与压缩感知的光学图像加密算法

为了增强光学加密技术的安全性与降低密文的数据容量,本文提出了基于混沌Gyrator变换与压缩感知的光学图像加密算法。首先,引入Logistic映射,利用明文特性 来生成其初值,利用其输出的混沌序列来生成压缩感知的测量矩阵;随后,基于压缩感知理论,对明文进行预处理,获取中间密文;利用logistic映射的随机序列来计算Gyrator变换的旋转角度,联合随机相位掩码,利用Gyrator变换方法对中间密文完成光学调制,得到最终密文。实验结果显示：与当前光学加密技术相比,所提算法具有更高的安全性与抗明文攻击能力。     

基于几何校正与非下采样Shearlet变换的图像水印算法

为了解决当前图像水印技术难以抵御几何失真,使其鲁棒性较低与误检率较高的问题,提出了几何校正与非下采样Shearlet变换的图像水印算法.首先,引入Cat映射,对水印信息图像进行置乱;随后,借助非下采样Shearlet变换机制,对载体图像进行处理,获取低通子带和高通子带,并将低通子带分割为尺寸相同的小块;通过修改低通子带的Shearlet系数,建立水印嵌入机制,将水印信息植入到载体图像中,获取水印密文;构建几何失真图像训练样本,基于极谐变换,计算水印图像的极谐变换系数模,充分描述其鲁棒特征;基于模糊支持向量机,预测几何失真参数,对水印图像进行几何校正;最后,再次利用非下采样Shearlet变换处理校正水印图像,获取低通子带小块,设计水印提取方法,复原其水印信息.实验结果显示：与当前图像水印算法相比,所提算法具有更高的不可感知能力与鲁棒性,对于各种几何攻击,所提取技术的复原水印与初始水印的相关系数均要高于0.95.     

基于非局部自相似的Shearlet自适应收缩图像去噪

针对Shearlet收缩去噪引入的Gibbs伪影和"裂痕"现象,提出一种结合非局部自相似的Shearlet自适应收缩图像去噪方法.首先,对噪声图像进行多方向多尺度的Shearlet分解;然后,基于高斯比例混合(GSM)模型的Shearlet系数分布建模,利用贝叶斯最小二乘估计对Shearlet系数进行自适应收缩去噪,重构得到初始去噪图像;最后,利用非局域自相似模型对初始去噪图像进行滤波处理,得到最终的去噪图像.实验结果表明,所提方法在更好地保留边缘特征的同时,有效地去除噪声和收缩去噪引入的Gibbs伪影,该方法获得的峰值信噪比(PSNR)和结构自相似指标(SSIM)比基于非抽样剪切波变换(NSST)的硬阈值去噪方法提高1.41 dB和0.08;比非抽样Shearlet域GSM模型去噪方法提高1.04 dB和0.045;比基于三变量模型的剪切波去噪方法提高0.64 dB和0.025.     

基于小波变换的抗退化混沌图像加密算法

针对图像加密普遍存在高复杂度和安全性差的问题,结合抗退化混沌系统和小波变换,设计一种图像加密算法。利用Lorenz混沌系统,进行抗退化处理,生成混沌序列;使用小波变换,通过混沌序列对各子带系数进行置乱处理,同时对低频子带系数做扩散处理,小波逆变换后得到初始加密图像;对初始加密图像进行像素值的扩散和像素间耦合加密得到最终加密图像。仿真结果表明,该算法的密钥空间大,密钥敏感性强,可以抵抗各种攻击,具有较高的安全性和实用性。     

基于Shearlet变换和多尺度Retinex的遥感图像增强算法

传统的小波变换、曲波变换和轮廓波变换无法对图像提供最优的稀疏表示,不能取得好的增强效果,为此,提出了一种基于剪切波(Shearlet)变换的图像增强算法.经Shearlet变换,图像被分解成低频分量和高频分量.首先,对Shearlet变换分解后的低频分量进行多尺度Retinex(MSR)调整,以减轻光照条件对图像的影响;其次,对各尺度、各方向上的高频系数采用阈值抑噪来消除噪声;最后,对重构图像进行模糊对比度增强,提高图像的整体对比度.实验结果表明该算法能够明显改善图像的视觉效果,突出图像的纹理细节且具有良好的抗噪性能.与直方图均衡(HE)、MSR、基于非下采样轮廓波变换(NSCT)的图像模糊增强(NSCT_fuzzy)算法相比,图像清晰度、信息熵、峰值信噪比(PSNR)均有一定的提高,且运行时间缩短为MSR的1/2和NSCT_fuzzy的1/10左右.     

基于压缩感知的图片压缩与加密GUI系统

利用Matlab平台设计了基于压缩感知的图片压缩和加密GUI系统,主要解决海量图片的存储空间利用率低和图片数据安全问题.本系统采用小波变换基将图片系数稀疏化,将使用高斯随机矩阵进行压缩测量后得到的数据存储在服务器中,以减少存储空间,提高服务器空间利用率;同时将测量矩阵作为密钥进行加密,增加了图片信息的安全性,在需要访问时使用密钥矩阵和重构算法重构出原始图片.该GUI系统能够直观反映基于压缩感知的图片压缩与加密系统的工作过程.并且通过MCC将代码独立化为可执行exe文件,以便于直接对图片进行压缩、加密、存取和重构.     

Extended Shearlet HMT Model-Based Image Denoising Using BKF Distribution

Images are often corrupted by noise in the procedures of image acquisition and transmission. It is a challenging work to design an edge-preserving image denoising scheme. Extended discrete Shearlet transform (extended DST) is an effective multi-scale and multi-direction analysis method; it not only can exactly compute the Shearlet coefficients based on a multiresolution analysis, but also can represent images with very few coefficients. In this paper, we propose a new image denoising approach in extended DST domain, which combines hidden Markov tree (HMT) model and Bessel K Form (BKF) distribution. Firstly, the marginal statistics of extended DST coefficients are studied, and their distribution is analytically calculated by modeling extended DST coefficients with BKF probability density function. Then, an extended Shearlet HMT model is established for capturing the intra-scale, inter-scale, and cross-orientation coefficients dependencies. Finally, an image denoising approach based on the extended Shearlet HMT model is presented. Extensive experimental results demonstrate that our extended Shearlet HMT denoising approach can obtain better performances in terms of both subjective and objective evaluations than other state-of-the-art HMT denoising techniques. Especially, the proposed approach can preserve edges very well while removing noise.     

基于Shearlet变换的图像去噪算法

针对传统变换域去噪算法的不足,提出一种基于Shearlet变换的图像去噪算法。该算法首先在Shearlet变换理论基础上实现了一种分解和重构的方法,然后用Monte-Carlo方法对高频系数进行估计,最后通过阈值函数进行收缩去噪。实验结果表明,该算法在抑噪和保持边缘的同时,取得了较好的视觉效果和更高的PSNR值。     

Image denoising in extended Shearlet domain using hidden Markov tree models

Denoising of images is one of the most basic tasks of image processing. It is a challenging work to design an edge-preserving image denoising scheme. Extended discrete Shearlet transform (extended DST) is an effective multi-scale and multi-direction analysis method; it not only can exactly compute the Shearlet coefficients based on a multiresolution analysis, but also can provide nearly optimal approximation for a piecewise smooth function. In this paper, a new image denoising approach in extended Shearlet domain using hidden Markov tree (HMT) model is proposed. Firstly, the joint statistics and mutual information of the extended DST coefficients are studied. Then, the extended DST coefficients are modeled using an HMT model with Gaussian mixtures, which can effectively capture the intra-scale and inter-scale dependencies. Finally, the extended Shearlet HMT model is applied to image denoising. Extensive experimental results demonstrate that our extended Shearlet HMT denoising method can obtain better performances in terms of both subjective and objective evaluations than other state-of-the-art HMT denoising techniques. Especially, the proposed method can preserve edges very well while removing noise.     

迭代离散Shearlet变换异类源遥感图像融合

Shearlet变换是一种多尺度几何分析算法,适用于遥感这类纹理丰富、边缘复杂的图像处理。提出了一种基于迭代离散Shearlet变换的图像融合算法,将源图像进行分解,得到图像的多尺度、多方向树型结构表示;对粗糙分量和带通细节分量分别采用不同的融合规,得到融合图像的树型结构表示;最后进行Shearlet反变换得到融合图像。仿真结果表明,提出的算法比基于Contourlet变换的图像融合算法有更好的效果,更有利于保留纹理和边缘信息。