云模型图像置乱算法

针对目前数字图像置乱算法在双重置乱方面的欠缺问题,提出一种新的云模型图像置乱算法。该算法利用三维云模型生成的函数值来改变图像像素位置和像素值,实现了双重置乱。经实验验证以及定量定性分析,置乱图像呈现白噪声,真正实现了图像置乱,并不存在周期性恢复的安全问题,该算法能较快达到理想的置乱效果,且能抵抗一定的剪切、加噪、滤波以及缩放攻击;证明了该算法的有效性和合理性,可以较好地应用于图像置乱。     

图像置乱度评估的层次分析法

目的：针对目前置乱度评估算法对同一图像置乱算法的评价结果存在多变性,对多个置乱算法不能同时评估的问题,本文提出基于层次分析法的图像置乱评估算法。方法：首先,计算置乱矩阵元素分布的均匀性和随机性程度,获得置乱像素位置分布的属性值,保证了同一置乱算法置乱度的恒定性。然后应用层次分析法,实现置乱度二维属性的整合和多个置乱算法的同时评估。结果：实验结果表明,该算法得到的置乱度只与置乱算法本身和置乱迭代次数相关,和置乱对象无关,结果具有稳定性和有效性,同时算法可给出任意数目置乱算法的置乱度排序。结论：总之,建议算法实现了客观、公平、高效的图像置乱度评估,不仅有利于信息隐藏领域设计者方便快速选择合适的置乱算法,同时也为置乱算法的开发提供了有力的反馈工具。     

基于位置和灰度变换的混沌图像置乱算法

在分析传统图像置乱方法不足的基础上,提出一种新的基于位置迁移和像素灰度变换的图像全局置乱算法.算法以图像矩阵的元素为单位进行置乱,采用不同的混沌序列对矩阵中每个元素的位置和灰度都进行了一次随机的改变,产生了图像全局置乱矩阵.变换矩阵形式不固定且不动点的个数为零,没有统一的迭代公式,达到了良好的图像置乱效果.同时,该算法具有较低的时间复杂度和较好的安全保密性能.最后,仿真和实验结果验证了本算法的有效性.     

图像Contourlet域快速置乱算法

探讨了Contourlet变换域的图像视觉信息的置乱掩蔽问题,提出了一种基于零树编码结构的快速置乱算法。算法使用高效混沌映射构造置乱矩阵,对Contourlet系数矩阵进行子树间置乱,以减少系数置乱所带来的对编码效率的影响。实验结果表明该置乱算法效率高,并能有效实现对图像视觉内容的掩蔽。     

基于位置相关性的图像置乱效果评价方法

利用欧氏距离范数描述图像的位置相关性,提出一种图像置乱效果评价方法。对Arnold变换和M序列变换2种置乱算法的置乱效果进行评价,实验结果表明,该评价方法能较好地刻画图像的置乱程度,反映了置乱次数和图像置乱程度之间的关系,与主观评价结果相吻合。     

基于二维Arnold变换的图像双置乱算法

Arnold变换在图像置乱中具有较为广泛的应用。对Arnold变换矩阵在图像置乱中的应用进行了分析,并在此基础上提出了基于二维Arnold变换的双置乱算法,其中将二维Arnold变换同时用于位置置乱和灰度置乱,既改变了图像的纹理信息又改变了图像的统计信息。实验结果表明,该算法简单、安全,在少量的置乱迭代次数下即可达到较好的置乱效果。     

基于分块技术的置乱算法

置乱算法在数字水印的研究中,具有重要的作用,是水印图像预处理的重要组成部分。置乱效果的好坏、安全性将影响到数字水印算法的鲁棒性和安全性。对基于分块技术的随机均匀置乱算法提出改进,实现了安全性更高、置乱效果更好、更具一般性的基于分块技术的置乱算法。     

基于对抗网络的彩色图像置乱方法研究

图像置乱是将图像转换为伪随机图像，一般作为图像加密或信息隐藏前的预处理环节，为了实现彩色图像的自动化置乱，提出了基于改进对抗网络的彩色图像置乱方法。方法构建了编码网络—解码网络结构模仿彩色图像置乱和复原过程，通过模型学习图像置乱，用patchGAN的判别网络实现图像各部分区域像素值分布判别。对提出的编解码损失函数、编码网络和解码网络的对抗损失函数和判别网络的对抗损失函数分别交替使用梯度下降法优化参数。对分辨率为256×256的彩色图像实验的结果表明，上述法能实现各种彩色图像的自动化置乱，并且模型具有较好的收敛性。和传统的Arnold变换，Logistic混沌置乱方法相比较，直观上本方法图像置乱效果更具隐蔽性；在多个判别指标下，所提方法置乱后图像与原始图像相似度更低，置乱程度更高，置乱效果有提升。     

RGB空间彩色零水印算法

针对现有零水印算法使用的版权标识大都为结构信息单一的二值图像,且对于几何攻击鲁棒性差等问题,提出一种RGB空间彩色零水印算法。首先将彩色载体图像和彩色水印转换成R、G、B颜色分量,其次对载体图像三个空间分量分别进行Arnold置乱和分块处理;然后计算每个颜色通道各个子块的均值,构成十进制均值矩阵,将均值矩阵转换成8位二进制矩阵,分别生成三个颜色通道的二进制特征矩阵;最后将置乱后的彩色水印分量转换成8位二进制水印信息,分别与载体图像的三个二进制特征矩阵异或生成三个零水印,将三个零水印通过逆编码技术生成彩色零水印。实验结果表明,算法能够有效地抵抗非几何攻击、几何攻击和组合攻击,与相似的零水印算法相比,鲁棒性更好,安全性更高。     

基于位置交换的快速图像置乱

为了提高图像置乱算法的置乱效率,提出了一种基于帐篷映射的快速随机排列算法,并把这种方法应用到图像置乱领域,构建了基于混沌序列的快速图像置乱算法。该快速随机排列以位置交换为核心,通过应用概率的几何意义,把由帐篷映射产生的服从非均匀分布的混沌序列转化为服从均匀分布的随机序列,驱动图像元素位置交换完成随机排列。理论和实验结果表明:快速随机排列在效率上优于基于排序算法的随机排列,构建的快速图像置乱算法与传统基于混沌排序图像置乱算法相比,密钥空间更大,运行效率更高。     

基于扩展Zig-zag变换的数字图像置乱方法

文章针对传统数字图像置乱方法过于复杂的问题,提出一种利用扩展的Zig-zag扫描变换对数字图像进行置乱的方法。针对单方向的Zig-zag变换造成某些像素点位置始终不变的问题,提出从四个方向进行多次Zig-zag迭代置乱,并将四个方向的迭代次数作为密钥以便对置乱的图像进行还原。实验结果表明,该算法具有很好的图像置乱效果,安全性较高,且算法简单操作易实现。     

基于灰色关联分析的图像置乱程度评价方法*

为有效衡量图像置乱的程度,引入灰色理论中的灰色关联分析,提出一种新的置乱效果评价方法。该方法首先将置乱图像分块,通过计算各子块图像中每行元素的灰度均值来统计各子块的灰度信息,建立小样本序列;然后利用灰色关联分析理论计算各序列之间的灰度信息关联度来评判各子图像灰度信息的关联程度,从而获取图像的置乱效果。实验表明,该方法能有效地评价不同置乱变换的效果,且评判无须原图像参与,与基于SNR的置乱评判方法相比,能更加客观地评判置乱效果,且与人眼目测结果相符。     

一种度量图像置乱加密程度的新算法

近年来,出现了许多有效的图像置乱加密算法,但却很难找到一种关于置乱加密效果的有效度量方法。对度量置乱加密效果的方法进行了深入的探讨,进而提出了“置乱加密度”的概念,能够客观地反映置乱算法的加密性能,同时兼顾人类的视觉特性,是一种有效的度量方法。算法的执行过程如下：首先,将原始图像和置乱加密后的图像按照同样的方法分割为许多子块;第二步,对于原始图像中的每一块,求出它与置乱加密后的图像各个子块的最小“距离”;最后,给出了“置乱加密度”的定义,用来度量图像的置乱加密程度。实验结果证实了“置乱加密度”能有效地反映算法的置乱加密效果。     

基于分层Arnold变换的置乱算法

针对数字图像信息隐藏存在的安全问题,提出一种基于按位分层Arnold变换的置乱算法。算法将秘密图像按位平面分层,同时考虑图像的位置迁移和像素的灰度变换,对每个位平面进行不同次数的Arnold变换,经像素交叉换位,相邻像素间按位异或得出置乱图像。实验结果表明,秘密图像分层置乱后直方图分布更加均匀,与白噪声相似度在0.962左右,置乱图像可近无损地还原和提取,提高了信息隐藏的鲁棒性。与其他置乱算法相比,置乱图像具有更高的置乱度、更强的抵御攻击能力,提高了空域信息隐藏的安全性。     

混沌映射与比特重组的图像加密

目的 当前很多图像加密都采用基于比特的加密算法。针对这种比较流行的加密算法所存在的安全缺陷问题,提出一种能够解决比特面0比特和1比特置乱时的位置限制的图像加密算法,实现比特的全局重组。方法 首先利用Tent混沌映射生成一个伪随机序列,然后利用生成的伪随机序列对比特明文图像进行整行以及整列的置乱,将置乱后的比特像素矩阵分块分别进行Henon映射的置乱,最后经过扩散操作得到最后的密文图像。结果 加密后明文图像的像素值的分布由不均匀变成了均匀分布,明文图像的各像素间的相关性被打破,使得原图没有了统计特性,像素变化率（NPCR）以及归一化平均变化强度（UACI）皆接近理想值,算法能够抵抗穷举攻击和差分攻击,并且在能保证加密安全的同时能有较低计算复杂度。结论 本文所提出的图像加密算法具有加密后像素相关性低、密钥空间大,以及对明文图像和密钥高度敏感等特点,本文算法在进行比特级的置乱时,又加入了与明文相关的特性,增强了加密算法的明文敏感性,同时也加强了加密算法的扩散性,可有效地保障密文图像的安全。     

一种有效的图像置乱程度衡量方法

随着数字图像置乱技术的发展,如何衡量一种置乱技术的好坏,是研究的热点和难点。为了对其进行有效地衡量,给出了图像连续性区域的定义,并根据置乱前后数字图像连续性区域数量随像素点位置的变化而改变这一原理,提出了一种有效的图像置乱程度衡量方法,实验表明,该方法能够清楚地反应图像在各个置乱阶段的置乱效果。     

一种基于补丁算法改进的图像隐写方法简

针对经典补丁算法进行信息隐藏时嵌入容量极低的缺陷,基于图像置乱和分块的方法,提出一种改进的图像隐写算法。首先将载体图像进行恰当分块并进行充分置乱,置乱程度以分块的均方差来衡量,然后在置乱图中选择分块对进行信息嵌入。实验结果表明,该方法可将载体图像的嵌入容量由1比特扩展到数百比特,同时具有视觉不可觉察性,对JPEG压缩和噪声攻击有较好的鲁棒性,可抵御卡方、RS和SPA分析等平面域的经典隐写分析算法。     

图像置乱程度的衡量方法

图像置乱变换是信息隐藏和图像加密常用的方法,如何衡量一种置乱变换的好坏,是研究的热点和难点问题。基于置乱前后位置变化的方法可以作为一个衡量的标准,但是位置变化并不能代表像素点值的改变,而且把图像作为一个整体来考虑也会产生一些偏差。为了克服这个缺点,提出了一种基于各点相关性的图像置乱程度衡量方法,主要是通过比较置乱前后每个点与其相邻点相关性的差异来进行衡量。由Matlab仿真结果表明,该方法可以很好地衡量图像置乱次数与置乱效果的关系,而且与人类的视觉具有比较好的一致性。