基于多尺度压缩感知和马尔科夫模型的图像加密方法技术

本发明专利技术公开了一种基于多尺度压缩感知和马尔科夫模型的图像加密方法，根据图像的低频系数与高频系数携带信息的不同，对图像的低频系数与高频系数设置不同的采样率，能够有效地提高解密图像的重构质量。另外，通过结合混沌系统与马尔科夫模型，用先对图像进行系数矩阵内置乱，后对图像进行系数矩阵间置乱，最后进行独立扩散与全局扩散的策略完成加密的过程。相比于已有方案生成的密文图像信息熵更高，难以获取原始图像的相关信息，同时有较好的明文敏感性和密钥敏感性，可以抵抗各种攻击。经过本发明专利技术获得的解密图像，相比于已有方案生成的解密图像质量更高，可以取得更好的视觉效果以及更完整的原图像信息。及更完整的原图像信息。及更完整的原图像信息。

【技术实现步骤摘要】
基于多尺度压缩感知和马尔科夫模型的图像加密方法


[0001]本专利技术涉及图像加密
，具体涉及基于多尺度压缩感知和马尔科夫模型的图像加密方法。

技术介绍

[0002]随着社会生产力和互联网技术的不断发展，数字图像信息作为互联网信息的一种重要载体，在互联网信息的交互中起到了非常重要的作用。在涉及到个人隐私、商业秘密、国防机密、国家安全等诸多领域，数字图像信息的安全性要求也越来越高，因此数字图像加密技术也越来越重要。目前常用的数字图像加密技术已较为成熟，但其中大部分理论核心仍主要是由国外提出。纵观目前现有的图像加密方案，存在着诸如：容易获取原始图像的相关信息，明文敏感性和密钥敏感性差、解密图像的重构质量以及加密效果不够好等弱点。故此，综合改进并有所创新的提出一套更为完善且安全性更强的数字图像加密方法，是非常迫切与必要的需求。

技术实现思路

[0003]针对现有技术存在上述弱点，本专利技术提出了基于多尺度压缩感知和马尔科夫模型的图像加密方法，该方法扩大了压缩感知理论在图像加密领域中的应用范围，并且借助马尔科夫模型设计了新的像素置乱方法，最终得到了加密效果较好的密文图像以及解密效果较好的解密图像。
[0004]为实现上述目的，本申请的技术方案为：基于多尺度压缩感知和马尔科夫模型的图像加密方法，包括：
[0005]根据明文图像信息生成一维混沌映射的参数及初始值；
[0006]通过所述明文图像的总目标采样率，利用多尺度分块压缩感知理论得到原各级系数矩阵的子采样率；
[0007]将所述一维混沌映射的参数及初始值代入相应的混沌系统生成混沌序列，把所述混沌序列转换为矩阵形式，并获取相应的正交基矩阵；根据所述子采样率提取所述正交基矩阵的部分元素作为测量矩阵；
[0008]所述明文图像进行三级离散小波变换，得到原各级系数矩阵，对所述原各级系数矩阵分块，构造新的各级系数矩阵；
[0009]利用混沌序列生成索引序列，对相应的各级系数矩阵作块进行置乱；
[0010]用所述测量矩阵对各级系数矩阵进行测量；
[0011]保留低频系数矩阵，合并测量后的非低频各级系数矩阵，构造矩阵T，对矩阵T作微处理，得到待测矩阵NT，根据待测矩阵NT分别生成行
‑
状态转移概率矩阵和列
‑
状态转移概率矩阵；
[0012]对所述低频系数矩阵作SVD分解得到子矩阵，将所述子矩阵以及非低频各级系数矩阵中元素量化到预设区间；
[0013]根据所述混沌序列的信息生成索引值并通过所述索引值确定合并规则，根据合并规则先合并所述非低频各级系数矩阵得到整体矩阵，再将子矩阵插入到所述整体矩阵的不同位置；
[0014]调整所述整体矩阵维度以及获取所述整体矩阵元素信息，生成二次置乱的控制参数；
[0015]根据所述行
‑
状态转移概率矩阵和列
‑
状态转移概率矩阵对合并后的整体矩阵进行置乱，同时设置相应的标志位；
[0016]用其中一个混沌序列进行整体矩阵元素的独立扩散，用其余混沌序列进行整体矩阵元素的全局扩散，得到最终密文图像。
[0017]进一步的，根据明文图像信息生成一维混沌映射的参数及初始值，具体为：利用SHA256函数生成明文图像的hash值K，将K转化成二进制数后按每8位一组生成32组二进制数k1,k2...,k
32
；
[0018][0019]其中，L0，L1分别为明文图像hash值K中0的个数，1的个数，l0，l1分别为最长连续0序列的长度，最长连续1序列的长度。r
end
为混沌区间右端点，r0为混沌区间的某个值。
[0020][0021]其中，k
i
,i＝1,2,
…
12为K的第i组二进制数，t1‑
t4为外部密钥，r
start
为混沌区间左端点，r
end
为混沌区间右端点，r1和r2为混沌区间的某个值。
[0022][0023]其中，k
i
,i＝13,14,
…
24为K的第i组二进制数，t5‑
t8为外部密钥，r
start
为混沌区间左端点，r
end
为混沌区间右端点，a,b,c分别为相应混沌区间的某个值。
[0024][0025]根据上式构造Z1和Z2两个矩阵，然后求两个矩阵的克罗内克积得到Z3。其中，k
i
,i＝25,14,
…
32为K的第i组二进制数，t1‑
t8为外部密钥。
[0026][0027]其中，表示向下取整，Z3(i),i＝1,2,3,4表示矩阵Z3的第i个元素，x0，x
00
，y
00
，v0分别为对应混沌映射的初始值。
[0028]进一步的，对相应的各级系数矩阵作块进行置乱，所述置乱方法具体为：以第三级小波分解的低频系数A3为例，设矩阵A3是一个m
×
n的矩阵，将A3展开为一个长度为m
×
n的序列，i为序列中第i个元素的索引，其置乱方式为：
[0029]A3'(Ind3(m
×
n
‑
i+1))＝A3(Ind3(i))
[0030]A3′
为A3置乱后的序列，Ind3为对第三级小波分解系数矩阵进行置乱的索引序列；同理得到其余置乱后的系数矩阵H
i
',V
i
',D
i
',i＝1,2,3。
[0031]进一步的，对矩阵T作微处理，得到待测矩阵NT的具体方式为：
[0032][0033]其中，H
i”,V
i”,D
i”,i＝1,2,3为将H
i
',V
i
',D
i
',i＝1,2,3压缩后的系数矩阵，T为合并后的矩阵。
[0034][0035]其中，L0，L1分别为明文图像hash值K中0的个数，1的个数，l0，l1分别为最长连续0序列的长度，最长连续1序列的长度，NT为对T处理后的待测矩阵。
[0036]进一步的，根据合并规则先合并所述非低频各级系数矩阵得到整体矩阵，具体为：
[0037][0038]其中，Lind
i
,i＝1,2,3是混沌序列X
i
',i＝1,2,3生成的索引值，n
i
×
n
i
,i＝1,2,3是X
i
',i＝1,2,3的长度，Lind
i
',i＝1,2,3是Lind
i
,i＝1,2,3映射到区间[1,6]上的结果。
[0039][0040]其中，H
i”',V
i”',D
i”',i＝1,2,3是对H
i”,V
i”,D本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多尺度压缩感知和马尔科夫模型的图像加密方法，其特征在于，包括：根据明文图像信息生成一维混沌映射的参数及初始值；通过所述明文图像的总目标采样率，利用多尺度分块压缩感知理论得到原各级系数矩阵的子采样率；将所述一维混沌映射的参数及初始值代入相应的混沌系统生成混沌序列，把所述混沌序列转换为矩阵形式，并获取相应的正交基矩阵；根据所述子采样率提取所述正交基矩阵的部分元素作为测量矩阵；所述明文图像进行三级离散小波变换，得到原各级系数矩阵，对所述原各级系数矩阵分块，构造新的各级系数矩阵；利用混沌序列生成索引序列，对相应的各级系数矩阵作块进行置乱；用所述测量矩阵对各级系数矩阵进行测量；保留低频系数矩阵，合并测量后的非低频各级系数矩阵，构造矩阵T，对矩阵T作微处理，得到待测矩阵NT，根据待测矩阵NT分别生成行
‑
状态转移概率矩阵和列
‑
状态转移概率矩阵；对所述低频系数矩阵作SVD分解得到子矩阵，将所述子矩阵以及非低频各级系数矩阵中元素量化到预设区间；根据所述混沌序列的信息生成索引值并通过所述索引值确定合并规则，根据合并规则先合并所述非低频各级系数矩阵得到整体矩阵，再将子矩阵插入到所述整体矩阵的不同位置；调整所述整体矩阵维度以及获取所述整体矩阵元素信息，生成二次置乱的控制参数；根据所述行
‑
状态转移概率矩阵和列
‑
状态转移概率矩阵对合并后的整体矩阵进行置乱，同时设置相应的标志位；用其中一个混沌序列进行整体矩阵元素的独立扩散，用其余混沌序列进行整体矩阵元素的全局扩散，得到最终密文图像。2.根据权利要求1所述基于多尺度压缩感知和马尔科夫模型的图像加密方法，其特征在于，根据明文图像信息生成一维混沌映射的参数及初始值，具体方法为：其中，L0，L1分别为明文图像hash值K中0的个数，1的个数，l0，l1分别为最长连续0序列的长度，最长连续1序列的长度；r
end
为混沌区间右端点，r0为混沌区间的某个值；其中，k
i
,i＝1,2,
…
12为K的第i组二进制数，t1‑
t4为外部密钥，r
start
为混沌区间左端点，r
end
为混沌区间右端点，r1和r2为混沌区间的某个值；
其中，k
i
,i＝13,14,
…
24为K的第i组二进制数，t5‑
t8为外部密钥，r
start
为混沌区间左端点，r
end
为混沌区间右端点，a,b,c分别为相应混沌区间的某个值；其中，k
i
,i＝25,14,
…
32为K的第i组二进制数，t1‑
t8为外部密钥；Z1，Z2为过渡矩阵；其中，表示向下取整，Z3为过渡Z1和过渡Z2的克罗内克积，Z3(i),i＝1,2,3,4表示矩阵Z3的第i个元素，x0，x
00
，y
00
，v0分别为对应混沌映射的初始值。3.根据权利要求1所述基于多尺度压缩感知和马尔科夫模型的图像加密方法，其特征在于，对相应的各级系数矩阵作块进行置乱，所述置乱方法具体为：设矩阵A3是一个m
×
n的矩阵，将矩阵A3展开为一个长度为m
×
n的序列，i为序列中第i个元素的索引，其置乱方式为：A3'(Ind3(m
×
n
‑
i+1))＝A3(Ind3(i))A3′
为A3置乱后的序列，Ind3为对第三级小波分解系数矩阵进行置乱的索引序列；同理得到其余置乱后的系数矩阵H
i
',V
i
',D
i
',i＝1,2,3。4.根据权利要求1所述基于多尺度压缩感知和马尔科夫模型的图像加密方法，其特征在于，对矩阵T作微处...

【专利技术属性】
技术研发人员：王宾，史元谛，陈蓉蓉，张强，魏小鹏，
申请(专利权)人：大连大学，
类型：发明
国别省市：