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。     

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。     

一种改进的Arnold Cat变换图像置乱算法

Arnold Cat变换是经典的图像置乱算法,但其存在密钥量小,置乱视觉效果差的缺点。同时置乱仅仅是重新排列图像各像素点的位置,像素值并没有发生改变,这样攻击者就可以通过统计分析等手段进行破译。针对Arnold Cat变换的不足,运用混沌理论,提出了一种基于均匀性的改进Arnold Cat变换置乱算法。仿真实验证明改进的算法具有密钥量大、置乱视觉效果好、图像的位置和像素值均发生本质改变等优点,增加了图像加密的安全性。     

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Arnold逆变换的图像置乱恢复算法

针对Arnold变换图像置乱恢复,目前常用的方法有利用Arnold变换的周期性和利用反变换两种.提出一种新的基于Arnold逆变换的置乱恢复方法,该方法将Arnold变换矩阵的逆矩阵作为置乱恢复过程中的变换矩阵,同时,把二维逆变换推广到了m维的情形,并在此基础上,统一了Arnold变换和Arnold逆变换的形式.实验对三种方法的性能进行了比较,结果表明,对于已应用Arnold变换进行预处理的置乱图像,算法无须计算变换周期,无须讨论方程式即可快速实现图像的置乱恢复.     

基于灰度均匀性的图像置乱程度盲评价算法

针对图像置乱程度评价问题提出以每个点为中心的区域灰度差均值作为图像置乱程度评价方法。算法首先针对理想置乱变换定义只适用于位置置乱的问题对其进行修改,使其也可以适用于包括像素置乱在内的所有置乱过程,并在此基础上考虑到各灰度值分布的均匀性,建立新的无需原图参与的图像置乱程度评价公式。实验仿真结果表明,该方法可以较好地衡量位置置乱图像或灰度置乱图像的置乱程度,与人的直观视觉评价吻合。     

三维不等长Arnold变换及其在图像置乱中的应用

传统的二维Arnold变换和三维Arnold变换在图像置乱过程中仅能改变图像的像素位置,导致图像置乱效果不理想.为此,利用二维等长Arnold变换构造三维等长Arnold变换的原理,将二维不等长Arnold变换及其反变换进行推广,得到了一种三维不等长Arnold变换及其反变换的算法.该算法将平面图像一一映射为立体空间二值图像,对其像素位置的置乱和恢复间接地改变了平面图像的像素位置和像素值大小;并采用小波多级分解和信息论相结合的方法实现了图像置乱效果的评价.实验结果表明,采用文中算法是可行的,对于图像置乱结果的评价与人的视觉感知基本相符.     

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。     

基于分块DCT变换和Arnold置乱的自适应图像水印算法

提出了一种基于分块DCT变换和Arnold置乱变换的自适应图像水印算法,该算法在水印嵌入过程中充分考虑了人类视觉系统(HVS)的特点,在不同的DCT块中嵌入不同的水印能量,从而使算法具有自适应能力。实验结果表明：该算法对于常见的图像处理具有较强的鲁棒性,特别是具有十分有效的抗击剪切的能力。     

基于图像特征的数字图像置乱程度衡量方法

数字图像置乱程度是评价数字图像置乱算法的重要方面,对数字水印算法的研究也起到重要的指导作用,提出了一种新的图像置乱效果客观评价方法.该方法首先得到整幅置乱图像的特征向量,将置乱图像进行最优分块,得到每个图像块的特征向量,应用灰色关联分析对图像置乱程度进行度量.该方法不仅反映了整幅置乱图像的全局特征,还反映了图像的局部特征.实验结果表明,该算法与视觉上的主观评价结果基本一致,且适用于各种类型的加密图像.     

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。     

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。     

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。     

基于差分互信息距离的图像置乱效果评价法

提出了差分图像和互信息距离相结合的图像置乱效果评价新方法。首先提出了互信息距离概念,然后对置乱前后图像进行差分运算并得到其相应的差分图像,最后计算两差分图像之间的互信息距离作为图像置乱效果评价的新准则。实验结果表明,所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。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。     

基于均匀置乱与可逆隐藏的双重图像保密算法

加密和隐藏是实现图像保密的2种重要方式,将加密后的图像再隐藏在一幅正常图像中,可以实现对图像的双重保密.基于传统图像置乱变换存在密钥量小和置乱效果差的缺点,提出一种图像位置均匀置乱算法,在密钥量显著提高的前提下,置乱效果得到极大改善,而且加密速度快.在此基础上,对加密后的图像进行隐藏处理.针对目前隐藏算法只保证秘密信息可恢复的特点,提出一种基于图像相邻像素对差值的可逆隐藏算法,在恢复秘密信息的同时也能准确恢复载体图像.仿真实验得出:该算法具有可行性和有效性.     

基于差分统计特性的图像置乱度盲评价线性模型

当前大部分图像置乱度评价算法均依赖于原始图像,且缺乏科学的数学模型作为基础。在分析置乱图像差分值统计分布特性的基础上,建立了理想置乱图像差分统计分布线性模型,并以此为基础,提出了三种置乱度盲评价算法：斜率绝对差法、差分绝对差法和重叠面积法。实验结果表明：三种算法对于图像差分统计分布有较强的敏感性,且不依赖于原始图像,能客观地评价图像置乱度,与人类视觉系统有着良好的一致性。     

一种新的数字图像置乱方法

常见的基于位置空间的数字图像置乱方法存在不能改变图像统计特性的缺陷,同时置乱过程缺乏随机性,保密性不高。针对以上问题,提出了一种新的数字图像色彩空间置乱方法。该方法基于快速数论变换,置乱速度快,变换矩阵形式不固定,逆变换矩阵求解简单,恢复图像完全无损,且通过选取合适的参数,经过一次迭代就可以达到满意的置乱效果。实验结果表明,置乱后的图像接近白噪声,提高了保密信息的迷惑性,同时还原图像易于实现,有较好的实用性。     

图像置乱效果盲评价的灰色块分析方法

为有效评价图像的置乱程度,设计了一种基于灰色块分析的图像置乱效果评价方法。该方法首先分析置乱图像的特点,归纳理想状态下置乱图像的特征,并构造其特征序列作为参考序列;然后将置乱图像分块,并计算各子块图像的方差,形成小样本方差序列,对该序列进行预处理后作为比较序列。最后,利用灰色关联分析理论计算两类序列之间的关联程度,得到图像置乱效果的性能指标。实验显示,用该方法评判图像置乱度不仅计算简单、运行速度快,而且不需要原图像的参与,就能得到更加客观、正确的评价结果。     

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。