信息化的逐漸推進(jìn),特別是互聯(lián)網(wǎng)的廣泛應(yīng)用,讓圖像的傳輸和存儲越來越便捷。然而,網(wǎng)絡(luò)的公開化,加之傳輸技術(shù)的發(fā)展,很多傳輸?shù)膱D像數(shù)據(jù)可能被輕易地監(jiān)聽、截獲、非法復(fù)制和篡改等。密碼技術(shù)是保護(hù)數(shù)字圖像信息安全最直接也是最基本的方法。在互聯(lián)網(wǎng)中產(chǎn)生和獲取的大量圖像中,視覺顯著區(qū)域能夠代表整幅圖像的最主要或最重要內(nèi)容。而如今大多數(shù)的圖像加密方法是對整塊圖像進(jìn)行完全加密,單純的依賴混沌系統(tǒng)進(jìn)行加密并不能很好的達(dá)到高效安全的效果且費時費力,既然顯著區(qū)域的信息幾乎可以代表整張圖像的內(nèi)容和關(guān)鍵數(shù)據(jù)信息,這說明對顯著區(qū)域圖像進(jìn)行選擇加密保護(hù)具有一定的研究價值與應(yīng)用價值。我們在本文提出了兩種基于混沌與DNA編碼相結(jié)合的圖像加密算法。主要研究內(nèi)容如下:（1）考慮到目前顯著區(qū)域提取方法眾多,經(jīng)過試驗數(shù)據(jù)與試驗結(jié)果效果的對比,采用通過結(jié)構(gòu)矩陣分解顯著目標(biāo)的提取方案,證明該方案得到的感興趣區(qū)域魯棒性強(qiáng)。本文提出了一種使用高維混沌系統(tǒng)和DNA序列的循環(huán)操作,對顯著區(qū)域進(jìn)行圖像加密的方案。在該方案中,根據(jù)四維Lorenz超混沌系統(tǒng)隨機(jī)產(chǎn)生一條密鑰流。此外,用Chen混沌系統(tǒng)對DNA序列矩陣進(jìn)行置亂操作,循環(huán)操作后映射得... 

【文章來源】：江西財經(jīng)大學(xué)江西省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

完整加解密系統(tǒng)模型

第3章基于顯著區(qū)域的選擇加密算法193.2算法框架通過將顯著目標(biāo)提取和圖像加密結(jié)合，圖3.2顯示了我們的總體算法框架，通過SMD模型對原始圖像的顯著目標(biāo)進(jìn)行提取得到該張圖像的顯著性圖。之后判斷目標(biāo)形狀是否為矩形，是的話，直接得到預(yù)處理圖像，否則的話設(shè)計一個矩形，得到預(yù)處理圖像。通過Chen混沌系統(tǒng)和Lorenz超混沌系統(tǒng)分別產(chǎn)生的初值0、1、2和10、20、30、40。然后對預(yù)處理圖進(jìn)行DNA編碼，編碼之后將由Chen混沌系統(tǒng)產(chǎn)生的初值作為密鑰用于置換過程之中。再之后進(jìn)行DNA循環(huán)操作，接著將由Lorenz超混沌系統(tǒng)產(chǎn)生的初值作為密鑰用于DNA解碼過程之中。最后對解碼得到的二進(jìn)制序列矩陣進(jìn)行二值化異或操作，并將二進(jìn)制數(shù)據(jù)轉(zhuǎn)換成十進(jìn)制的數(shù)據(jù)即可得到加密圖像。圖3.2總體算法框架3.2.1顯著區(qū)域提取本文提出一種新的結(jié)構(gòu)化矩陣分解模型簡稱為SMD模型，將該模型用于提取顯著區(qū)域的框架如圖3.3所示。為了提出此算法框架，我們做了很多的工作。先介紹一些需要用到的基本公式。給定一張輸入圖像，首先將其分割成N個不重疊的塊={1,2,3,…,}，例如，超像素。對于每個塊,提取一個D維特征矢量，表示為。特征向量集合形成一個矩陣用I表示，記為=[1,2,…,]×。顯著目標(biāo)檢測的問題是設(shè)計一個有效的模型將特征矩陣F分解成一個冗余信息部分L（即非顯著

基于顯著區(qū)域的圖像選擇加密方法研究20的背景）和結(jié)構(gòu)獨特部分S（即，顯著前景）。提出的SMD模型可以用公式表示為：,()+()+(,)..=+,(3.1)其中()是一種約束允許識別冗余背景塊的固有特征子空間，Ω()是一種結(jié)構(gòu)化稀疏正規(guī)化用來捕捉在S中塊之間的空間和特征關(guān)系，()是一個交互的正則化項用來擴(kuò)大子空間從L到S之間的距離，，是正權(quán)衡參數(shù)。圖3.3SMD模型提取顯著目標(biāo)區(qū)域算法框架低秩正規(guī)化用于圖像背景區(qū)域。由于觀察到背景中的圖像塊差不多，為得到背景特征矩陣L的內(nèi)在結(jié)構(gòu)，需進(jìn)行低秩正規(guī)化操作。而將矩陣的秩最小化是個困難NP問題[74]，我們采用核范數(shù)作為凸松弛，表示為：()=()=||||+,(3.2)其中，表示松弛誤差。為了驗證低秩約束的合理性，我們從圖像背景中提取了5個顯著目標(biāo)數(shù)據(jù)集用來評估特征矩陣的秩。具體地說，除了那些前景塊，我們首先將每個圖像分割成尺寸為10x10個像素點的規(guī)則網(wǎng)格塊，如此便有超過10%的像素點表示在顯著目標(biāo)上。然后便可以通過一個特征向量表示每個塊如顏色、邊緣、紋理信息進(jìn)行編碼。將同一幅圖像的特征并列成一個矩陣來表示圖像背景。最后根據(jù)[75][76]估算特征矩陣的秩，用表示。=min((1)())≤,(3.3)其中，()是原始矩陣域通過奇異值分解（SVD）估計的秩為r的近似

【參考文獻(xiàn)】：
期刊論文
[1]基于顏色、輪廓特征融合的顯著性檢測[J]. 胡文才,邢坦,韓辰希.  國外電子測量技術(shù). 2018(01)
[2]相對熵與平均Li-Yorke混沌（英文）[J]. 周小敏,陳二才,周效堯.  數(shù)學(xué)進(jìn)展. 2017(03)
[3]改進(jìn)的Otsu算法在圖像分割中的應(yīng)用[J]. 胡敏,李梅,汪榮貴.  電子測量與儀器學(xué)報. 2010(05)

碩士論文
[1]基于混沌的加密算法研究[D]. 高盈.深圳大學(xué) 2017



本文編號：2899215