利用DCT变换进行图像置乱及其效果评价

提出了基于DCT变换的图像置乱效果评价新方法,以便真实地评价图像置乱效果的好坏。首先将置乱前后两图像分成大小相同的子块并对其进行DCT变换,其次利用置乱前后相同位置子块图像所对应频域系数来构造偏差矩阵并定义其离散概率分布,最后通过计算离散概率分布的信息能量作为图像置乱程度的评价。提出的评价方法能够很好地度量图像的置乱程度,反映了加密次数与置乱程度之间的关系,与人的视觉基本相符。而且对于不同的图像,该评价方法能在一定程度上反映所用的置乱变换在各置乱阶段的效果。     

运用模糊熵理论进行图像置乱程度评价

提出了基于模糊熵理论的图像置乱程度评价新方法。首先对置乱前后图像中任意像素所对应二阶邻域系统构造一个模糊集并定义其隶属度,其次计算图像中各像素所对应二阶邻域系统模糊集的模糊熵,最后根据置乱前后两图像的模糊熵构造图像置乱程度评价函数。实验结果表明,提出的评价方法能够较好地刻画图像的置乱程度,充分反映加密次数与置乱程度之间的关系,与人的视觉基本相符。而且对于不同的图像,该评价方法能在一定程度上反映所用的置乱变换在各置乱阶段的效果。     

图像置乱效果评价算法综述

图像置乱技术通过对图像矩阵的重排操作,破坏图像矩阵的相关性,从而实现信息加密。图像置乱效果评价方法是对图像置乱程度的客观评价,目前涌现的图像置乱方法都从各个方面验证其自身的优越性,但仍没有一种通用的评判方法。该文根据最优置乱效果的定义,讨论了一些现有的图像置乱效果评判方法,在深入研究这些方法的原理后,对各置乱性能评判方法的客观性进行了深入分析和讨论。     

基于差分信噪比的图像置乱效果评价研究

针对基于均方信噪比的置乱程度评价法不能客观地反映图像置乱效果好坏的不足,首先对置乱前后的图像进行差分运算并得到其相应的差分图像,其次计算两差分图像之间的均方信噪比值作为图像置乱效果评价的新准则,提出了基于差分图像和均方信噪比相结合的图像置乱效果评价新方法.实验结果表明,该方法能够有效地描述图像的置乱程度,能够反映出置乱次数与置乱程度之间的关系,并且与人的视觉感知基本一致.     

图像置乱的相对置乱度评价方法

定义了衡量图像置乱效果的标准,拓展了衡量图像置乱效果的方法,且填补了对该方法进行系统评价的空缺.首先结合混沌理论、熵的概念及图像自身属性,定义了乱图像的标准,并给出一幅趋于这个标准的乱图像生成方法及过程;在定义与生成标准乱图像的基础上,进一步明确提出了评价图像置乱效果的相对置乱度的计算方法.对这种方法进行了全面的测试,实验结果表明,该方法具有相应的灵敏度、可用性和适应性.最后也探讨了对图像置乱效果计算方法进行评价的框架.     

基于图像距离测度的置乱效果评价法

提出了一种修改的图像距离进行图像置乱效果评价的方法.针对传统欧氏距离不能真实刻画置乱图像间差异程度的不足,考虑到图像中任意位置灰度信息与其周围邻域灰度存在紧密相关,将一种具有黎曼度量特性的图像距离进行修改并用来构造一种描述图像置乱效果好坏的评价函数.通过大量的实验得出,该评价方法是能够保持主客观评价的一致性.     

利用差分图像奇异值分解的置乱程度评价研究

提出了基于差分图像和奇异值分解相结合的图像置乱效果评价新方法。针对基于奇异值分解法的置乱程度评价法不能客观地反映图像置乱效果好坏的不足,首先对置乱前后图像进行差分运算并得到其相应的差分图像,其次对两差分图像进行奇异值分解,最后计算其奇异值差异程度的大小作为图像置乱效果评价的新准则。实验结果表明,提出的评价方法能够较好地刻画图像的置乱程度,反映了加密次数与置乱程度之间的关系,与人的视觉基本相符。对于不同的图像,该评价方法在一定程度上反映了所用的置乱变换在各置乱阶段的效果。     

基于模糊贴近度理论的图像置乱效果评价研究

提出了应用模糊贴近度理论来构造图像置乱效果评价的新方法.从图像中任意像素与其周围邻域像素之间存在紧密关系角度出发给出了一种模糊集的定义,给出了图像中各像素所对应模糊集及其补集之间的模糊贴近度,最后根据置乱前后图像所有像素所对应的模糊贴近度之和采构造用于图像置乱效果评价的置乱度函数.大量仿真实验及结果分析表明,提出的评价方法是可行的,反映了加密次数与置乱效果之间的关系,其客观评价结果与人的视觉感知基本一致.     

一种图像距离定义及其在置乱效果评价中的应用

针对传统欧氏距离不能真实刻画图像间差异程度的不足,考虑到图像中任意位置灰度信息与其周围邻域灰度存在紧密关系,提出一种考虑邻域灰度信息的图像距离新定义,并用其构造一种描述图像置乱效果好坏的评价函数。实验结果表明,该评价方法能够较好地刻画图像的置乱程度,反映了加密次数与置乱程度之间的关系,与人的视觉基本相符。而且对于不同的图像,该评价方法能在一定程度上反映所用的置乱变换在各置乱阶段的效果。     

基于DCT的图像置乱程度评价方法

针对当前出现的各种各样的置乱算法,为更好地衡量这些算法对不同图像的置乱程度,利用DCT系数的良好特性,结合人眼视觉掩蔽特点,提出一种新的描述图像置乱程度的评价方法。实验表明,该方法与人的主观评价相接近,能较好地反映同一图像和不同图像酌置乱效果。     

整合神经网络置乱图像的动态自反馈混沌系统图像加密

目的 针对当前大多数数字图像加密算法多采用单一的混沌系统,且置乱方法基本只采用像素行列互换、Arnold变换、Baker变换、序列排序构造替换表等几类,提出一种新的整合神经网络置乱图像的动态自反馈混沌系统图像加密算法。方法 该算法通过1维Logistic混沌、chebyshev混沌和自定义m（x）运算构造了一种动态自反馈混沌系统,通过频数检测、序列分布图、平衡度分析、相关性分析、Lyapunov指数验证了系统的随机性,并对其序列进行了均匀化处理,通过序列均匀性证明、序列分布图、序列期望和方差验证了均匀化效果。该算法从混沌序列中随机选取输入值和参数输入神经网络,采用每组神经网络输出值构造置乱矩阵进行初次全局置乱,再从bit位进行二次置乱;采用两组与明文相关的秘钥序列进行像素值替代扩散,使得明文到密文经过中间密文变化,增强了算法的安全性。结果 通过计算机仿真和性能分析表明该加密算法体现了良好的密码学特征,从秘钥空间、秘钥敏感性、统计分析、信息熵、差分分析、相邻像素相关性分析各方面验证了其安全性,数据表明该算法秘钥空间达到了2²¹⁶,信息熵为7.998 3,水平、垂直、对角方向相邻像素相关系数分别为-0.000 381、0.000 607、-0.000 309,NPCR值介于（0.995~80.996 6）之间,UACI值介于（0.333~0.338）之间。结论 该算法可以实现良好的加密效果,在数据对比上优于超混沌系统图像加密、像素位置和bit位双重置乱加密等,可以被广泛应用在灰度图像加密中乃至扩展到彩色图像加密中,能够起到图像信息在网络传输、存储中的隐私保护作用。     

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。     

脉冲耦合神经网络自适应图像融合算法研究

作为一种新型的神经网络模型,脉冲耦合神经网络（PCNN）已经在众多领域得到了应用。针对现有脉冲耦合神经网络图像融合算法存在的不足,提出了一种新的自适应PCNN图像融合算法。提取原始待融合图像的互补特征作为PCNN的外部输入,并通过提取待融合图像的对比度特征自适应确定PCNN的链接强度参数;分析了传统PCNN获取最优图像融合结果的方法,探索性地将结构相似度引入到PCNN融合结果的评价中,为PCNN最优融合结果的获取提供了很好的借鉴作用。通过红外和可见光等图像的仿真实验结果表明,提出的融合算法是有效的。     

面向纹理特征的图像置乱程度的衡量方法

图像置乱是信息隐藏中最常用的一项技术,其目的是通过将图像的信息次序打乱来提高隐蔽载体的鲁棒性和隐蔽性。如何评价图像置乱的程度,是信息隐藏研究的重点问题之一。利用图像纹理基元行程特征和灰度级的连续概率特征对图像质量的描述方法,提出了基于图像纹理特征的图像置乱程度衡量方法,实验表明,该方法能较好地评价图像的置乱程度,与人的主观视觉评价有较好的一致性。     

二值图像Arnold变换的最佳置乱度

以数字水印技术为背景,介绍了基于二值图像Arnold变换置乱和周期性,详细地讨论置乱度,提出了一种图像分块后像素值方差和像素点与4邻域灰度差值相结合的最佳置乱度计算方法。实验结果表明,该最佳置乱度计算方法能很好地反映二值图像的置乱程度并与主观视觉效果相一致。     

基于均匀置乱的图像位置置乱衡量方法

由于图像置乱分成位置和像素值置乱两类,图像置乱衡量也从这两方面进行分析。目前基于像素值的衡量效果依赖于原始图像,存在局限性;基于位置的衡量随着置乱距离的不同效果也有很大偏差,同样存在局限性。从图像位置置乱的实质出发,提出均匀置乱的概念,从偏离度和均匀度的角度对图像位置置乱效果进行衡量。通过对大量实验结果的分析得出,该衡量算法可以准确地衡量图像置乱程度,与人的视觉评价保持一致,具有可行性和有效性。