針對光學(xué)多圖像認(rèn)證方法中,多路復(fù)用圖像中的串?dāng)_噪聲,以及不同認(rèn)證級別下的信息安全問題,提出了一種基于超混沌振幅型掩模和Gyrator變換域下相位信息復(fù)用的光學(xué)多圖像認(rèn)證方法。利用分?jǐn)?shù)階超混沌Rabinovich系統(tǒng)構(gòu)造超混沌隨機(jī)振幅掩模;基于改進(jìn)的Gerchberg-Saxton算法對原始圖像進(jìn)行低級或高級編碼,利用超混沌掩模作為振幅約束,迭代獲得目標(biāo)圖像,并將得到的N個(gè)目標(biāo)圖像編碼成復(fù)合圖像;再次通過Gerchberg-Saxton迭代將復(fù)合圖像轉(zhuǎn)化為兩個(gè)便于傳輸?shù)募兿辔谎谀！?shí)驗(yàn)結(jié)果表明:在認(rèn)證過程中,不同安全級別的用戶擁有各自的認(rèn)證密鑰,低級認(rèn)證過程中可以通過檢索圖像與原始圖像的非線性相關(guān)峰值,判斷認(rèn)證圖像的正確性,而高級認(rèn)證過程中則可以獲得與原始圖像相似度較高的認(rèn)證圖像,峰值信噪比和相關(guān)系數(shù)分別可達(dá)25.2817 dB和0.9844。所提方法對遮擋攻擊和噪聲攻擊具有良好的穩(wěn)健性,為多幅圖像在不同級別下的光學(xué)認(rèn)證提供了新的思路。 

【文章來源】：光學(xué)學(xué)報(bào). 2020,40(05)北大核心EICSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

低級認(rèn)證結(jié)果。

Gerchberg-Saxton算法是最早用于傅里葉相位檢索的迭代算法之一[16],為了提高迭代的收斂速度,同時(shí)獲得重建圖像與原始圖像的高相關(guān)度,Hwang等[17-18]提出了一種菲涅耳域下基于MGSA的快速雙相檢索算法,極大地降低了迭代計(jì)算的復(fù)雜度。由于MGSA算法存在上述特性,故可將MGSA擴(kuò)展到Gyrator變換域。圖1為Gyrator變換域下MGSA算法的系統(tǒng)流程圖。MGSA能夠從兩個(gè)任意獨(dú)立的光場強(qiáng)度h(x,y)和g(u,v)中,以更快的迭代速度分別生成純相位分布ψh(x,y)和ψg(u,v),輸入圖像g(u,v)與主圖像h(x,y)無須保持強(qiáng)制的Gyrator變換關(guān)系,當(dāng)輸入圖像g(u,v)與近似圖像 g ^ (u,v) 之間的相關(guān)系數(shù)達(dá)到設(shè)定的閾值時(shí),得到的ψh(x,y)和ψg(u,v)即為所需的相位分布。由此,任意兩個(gè)獨(dú)立的圖像之間可建立起近似的Gyrator關(guān)系,以確保MGSA算法的應(yīng)用靈活性。在Gyrator變換域中,圖1描述的算法系統(tǒng)可以表示為

首先,設(shè)定分?jǐn)?shù)階超混沌Rabinovich系統(tǒng)的初始值依次為(X0,Y0,Z0,W0),并通過迭代算法,生成四個(gè)超混沌隨機(jī)序列;其次,根據(jù)待編碼圖像尺寸(設(shè)圖像像素尺寸為M×M),提取每個(gè)隨機(jī)序列的值,并填入另一個(gè)M×M的矩陣R(u,v)當(dāng)中;接著,對R(u,v)進(jìn)行歸一化處理,使R(u,v)內(nèi)每個(gè)元素都在[0,1]區(qū)間內(nèi)分布,并將R(u,v)作為MGSA輸入平面上的振幅約束條件。2) 復(fù)合編碼圖像的生成。

【參考文獻(xiàn)】：
期刊論文
[1]Gyrator變換域下基于超混沌相位掩模的光學(xué)水印方法[J]. 劉禹佳,姜肇國,徐熙平,張福琦,徐嘉鴻.  光學(xué)學(xué)報(bào). 2019(09)
[2]基于復(fù)振幅場信息復(fù)用和RSA算法的非對稱多幅圖像認(rèn)證方法[J]. 潘雪梅,孟祥鋒,楊修倫,王玉榮,彭翔,何文奇,董國艷,陳紅藝.  物理學(xué)報(bào). 2015(11)



本文編號：3406459