一种视网膜图像压缩嵌入普通图像的加密方法技术

本发明专利技术提供一种视网膜图像压缩嵌入普通图像的加密方法，包括：首先，利用Sobel算子的边缘检测方法对视网膜图像中的敏感区域进行识别，并对识别出的敏感区域和非敏感区域分别进行无损压缩和有损压缩。压缩后的视网膜图像信息被嵌入到载体图像中。其次，在经典LSB嵌入算法的基础上，首次提出了结合混沌映射的CLSB算法。该算法通过混沌序列确定各元素的嵌入位置。然后对多个载体图像进行联合加密。置乱过程分为两个阶段，每个阶段都伴随着矩阵维数的降低。第一阶段，利用三维曲面函数对三维矩阵进行预排列，并将三维矩阵转换为二维矩阵；第二阶段采用混沌序列对二维矩阵进行索引置乱，得到置乱图像；最后利用经典的加法和模量法进行扩散得到密文图像。行扩散得到密文图像。行扩散得到密文图像。

【技术实现步骤摘要】
一种视网膜图像压缩嵌入普通图像的加密方法


[0001]本专利技术涉及图像加密
，具体而言，尤其涉及一种视网膜图像压缩嵌入普通图像的加密方法。

技术介绍

[0002]随着现代医疗技术的不断创新和发展，网络医疗已经成为人们寻求医疗的主要方式之一，大量的医疗图片将会产生。这些医学图像涉及很多患者的私人信息，在存储和传输过程中会受到攻击者的攻击。因此，医学图像的安全存储和传输逐渐成为专家学者关注的焦点，并开始开展医学图像加密的课题。Chen等人提出了一种将级联混沌理论与医学图像敏感区域相结合的选择性加密方案，对敏感区域进行选择性加密，提高加密效率。但是，这种方法可能暴露敏感地区的位置，从而受到暴力攻击。
[0003]近年来，图像加密、图像压缩和图像嵌入算法得到了较好的发展。例如Chai等人提出了一种基于拉丁方和记忆混沌系统的医学图像加密方法，并提到使用拉丁方和平面图像信息的置乱方法具有更好的加密效果。Surinder等人提出了一种利用快速傅里叶变换(FFT)和智能水滴(IWD)算法优化图像压缩的新技术。它使用基于组的优化(IWD)来优化FFT阈值，以提高压缩率。Liu等人提出了一种基于新型时空混沌系统的图像加密互补嵌入算法，结合时空混沌进行互补嵌入，取得了良好的嵌入效果。这些算法的研究得到了业界的认可，但在医学图像处理中应用较少。

技术实现思路

[0004]根据上述提出的技术问题，提供一种视网膜图像压缩嵌入普通图像的加密方法。本专利技术通过识别敏感区域的最小矩形来保护敏感区域的边缘位置。此外，本专利技术对视网膜图像进行压缩并嵌入到彩色或灰度图像中，解决了医学图像数据量大，存储和传输效率低的问题。选择视网膜图像作为实验图像，将视网膜图像压缩嵌入到载体图像中，并对载体图像进行两次加密，以保证视网膜图像存储和传输的安全性，提高了图像加密的安全性。
[0005]本专利技术采用的技术手段如下：
[0006]一种视网膜图像压缩嵌入普通图像的加密方法，包括：
[0007]利用Sobel算子的边缘检测方法对视网膜图像中的敏感区域进行识别；
[0008]对识别出的敏感区域和非敏感区域分别进行无损压缩和有损压缩；
[0009]利用CLSB嵌入算法将压缩后的信息嵌入到普通图像中；
[0010]采用SHA
‑
512算法生成密钥，并将处理后的密钥代入SSCS混沌系统生成两个伪随机序列，分别用于置乱、扩散和嵌入过程；
[0011]对多幅普通图像进行三维曲面预置乱、索引置乱和加取模的扩散，得到密文图像。
[0012]进一步地，所述利用Sobel算子的边缘检测方法对视网膜图像中的敏感区域进行识别，包括：
[0013]采用Sobel算子边缘检测方法对视网膜图像进行边缘检测；
[0014]找到检测边缘的最小矩形，最小矩形为敏感区域，其余部分为非敏感区域。
[0015]进一步地，所述对识别出的敏感区域和非敏感区域分别进行无损压缩和有损压缩，包括：
[0016]采用Huffman无损压缩算法对视网膜图像的敏感区域进行压缩；
[0017]采用JPEG有损压缩算法对视网膜图像的非敏感区域进行压缩。
[0018]进一步地，所述利用CLSB嵌入算法将压缩后的信息嵌入到普通图像中，包括：
[0019]将压缩后的信息转换成一维数组并嵌入到图像中；
[0020]采用由SSCS混沌系统生成的混沌序列，确定压缩信息嵌入的位置。
[0021]进一步地，所述采用SHA
‑
512算法生成密钥，并将处理后的密钥代入SSCS混沌系统生成两个伪随机序列，分别用于置乱、扩散和嵌入过程，包括：
[0022]采用SHA
‑
512算法生成密钥，并将大小为MNK的图像P带入SHA
‑
512算法中，得到一组128位的十六进制密钥；
[0023]将十六进制键key转换为二进制字符串，并且一个十六进制数等于一个四位数的二进制数，因此字符串长度变成512；
[0024]对字符串key1的每两位相邻的位进行异或运算，得到字符串key2，长度为256，将其等分为32，得到32组二进制数，将二进制数分成十进制数，得到数组；
[0025]将数组设置为如下表达式的四个值：
[0026][0027]根据如下表达式，生成两组SSCS需要的参数以及初始值：
[0028][0029][0030]进一步地，所述对多幅普通图像进行三维曲面预置乱、索引置乱和加取模的的扩散，得到密文图像，包括：
[0031]将压缩后的信息嵌入到多幅图像中后，将多幅图像联合加密，形成多通道MNK图像，其中M、N、K的范围不受限制，对多维图像进行置乱，对于三维矩阵，利用三维曲面来获取
图像的像素值。将每次得到的像素值放入一维数组中得到，一维数组的大小为MNK；
[0032]在索引置乱过程中，根据伪随机序列对一维矩阵进行行列索引置乱，得到一维矩阵；
[0033]伪随机序列B1,B2均为(0,1)的小数，长度均为MNK，将伪随机序列B1,B2映射到(0,255)上，得到伪随机序列S1,S2；
[0034]将原矩阵P转换为大小为MNK的一维矩阵，置乱矩阵的大小为MNK，伪随机序列的大小均为MNK；
[0035]根据原始矩阵，伪随机序列，将矩阵按下列表达式进行正向扩散得到矩阵：
[0036]C
i
(0)＝mod(C
i
‑1(0)+S
i
(1)+P
i
(0),256)
[0037]根据原矩阵P0、伪随机序列S2，按照下列表达式对矩阵C1进行逆向扩散，得到密文图像C：
[0038]C
i
(1)＝mod(C
i+1
(1)+S
i
(2)+P
i
(0),256)。
[0039]较现有技术相比，本专利技术具有以下优点：
[0040]1、本专利技术提供的视网膜图像压缩嵌入普通图像的加密方法，将混沌理论应用于嵌入算法，得到CLSB算法，解决了经典LSB算法鲁棒性差的问题。
[0041]2、本专利技术提供的视网膜图像压缩嵌入普通图像的加密方法，在加密阶段，首先提出了三维曲面的预置乱方法，通过控制多元函数的参数来控制曲面的弧度大小，然后遍历三维矩阵，最后得到二维矩阵。仿真结果和性能分析表明，采用本专利技术提出的无损压缩和嵌入方法获得的解密图像具有良好的解密效果，PSNR比其他方案平均提高3.6％。
[0042]3、本专利技术提供的视网膜图像压缩嵌入普通图像的加密方法，足以抵御常见的攻击，具有良好的安全性和运行效率。此外，本专利技术提出的压缩加密方案也适用于其他医学图像。
[0043]基于上述理由本专利技术可在图像加密等领域广泛推广。
附图说明
[0044]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视网膜图像压缩嵌入普通图像的加密方法，其特征在于，包括：利用Sobel算子的边缘检测方法对视网膜图像中的敏感区域进行识别；对识别出的敏感区域和非敏感区域分别进行无损压缩和有损压缩；利用CLSB嵌入算法将压缩后的信息嵌入到普通图像中；采用SHA
‑
512算法生成密钥，并将处理后的密钥代入SSCS混沌系统生成两个伪随机序列，分别用于置乱、扩散和嵌入过程；对多幅普通图像进行三维曲面预置乱、索引置乱和加取模的扩散，得到密文图像。2.根据权利要求1所述的视网膜图像压缩嵌入普通图像的加密方法，其特征在于，所述利用Sobel算子的边缘检测方法对视网膜图像中的敏感区域进行识别，包括：采用Sobel算子边缘检测方法对视网膜图像进行边缘检测；找到检测边缘的最小矩形，最小矩形为敏感区域，其余部分为非敏感区域。3.根据权利要求1所述的视网膜图像压缩嵌入普通图像的加密方法，其特征在于，所述对识别出的敏感区域和非敏感区域分别进行无损压缩和有损压缩，包括：采用Huffman无损压缩算法对视网膜图像的敏感区域进行压缩；采用JPEG有损压缩算法对视网膜图像的非敏感区域进行压缩。4.根据权利要求1所述的视网膜图像压缩嵌入普通图像的加密方法，其特征在于，所述利用CLSB嵌入算法将压缩后的信息嵌入到普通图像中，包括：将压缩后的信息转换成一维数组并嵌入到图像中；采用由SSCS混沌系统生成的混沌序列，确定压缩信息嵌入的位置。5.根据权利要求1所述的视网膜图像压缩嵌入普通图像的加密方法，其特征在于，所述采用SHA
‑
512算法生成密钥，并将处理后的密钥代入SSCS混沌系统生成两个伪随机序列，分别用于置乱、扩散和嵌入过程，包括：采用SHA
‑
512算法生成密钥，并将大小为MNK的图像P带入SHA
‑
512算法中，...

【专利技术属性】
技术研发人员：宋梅萍，刘露露，王娅菲，滕琳，张紫英，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：