一种基于高维矩阵变换的混沌图像加密

提出了一种基于Henon混沌系统和高维准对角矩阵变换的图像加密算法.由初始密钥控制二维Henon混沌映射生成两个置换矩阵和多个环上二阶可逆矩阵.利用获得的置换矩阵结合两类平移变换置乱原始图像;进一步,以二价可逆矩阵为子矩阵构造高维准对角矩阵,再对置乱密文进行高维矩阵变换(模运算)实现灰度值替代二次加密.仿真实验结果表明,该算法易于实现,加密效果理想,对密钥和明文具有敏感依赖性,安全性高。     

一种改进的数字图像加密算法

为了能对经过剪切变换攻击的加密图像进行有效恢复,给出了一种基于混沌序列的数字图像加密算法,该方法在预处理的基础上,基于数字图像灰度矩阵位平面进行置乱加密,在恢复过程中通过象素邻域灰度信息进行恢复,能够有效抵御针对加密图像的剪切变换攻击,同时给出了一种非线性的、应用高维混沌系统产生二值序列的方法。实验表明,该方法具有较好的效率和安全性。     

二维Arnold变换及非等长图像置乱变换

二维Arnold变换因对于等长数字图像都存在变换周期,而常常应用于等长数字图像加密过程中的置乱变换过程.但对于非等长数字图像其变换周期一般不存在而不应用于图像加密过程.给出并证明了采用二维Arnold变换对数字图像进行置乱变换时,使变换周期存在图像高和宽需满足的充分必要条件,找到并证明了一个对任意高宽的数字图像都存在置乱变换周期的变换矩阵.该变换矩阵可广泛应用于对任意尺寸数字图像的置乱变换过程.     

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。     

利用DCT变换进行图像置乱及其效果评价

提出了基于DCT变换的图像置乱效果评价新方法,以便真实地评价图像置乱效果的好坏。首先将置乱前后两图像分成大小相同的子块并对其进行DCT变换,其次利用置乱前后相同位置子块图像所对应频域系数来构造偏差矩阵并定义其离散概率分布,最后通过计算离散概率分布的信息能量作为图像置乱程度的评价。提出的评价方法能够很好地度量图像的置乱程度,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。     

基于位平面变换的数字图像加密算法

已有数字图像加密算法存在算法运行时间成本高及加密图像抗攻击性弱等问题.为此,提出一种基于位平面变换的数字图像加密算法.该算法将图像分解为若干位平面,通过定义一种混沌序列的新变换对图像位平面进行换位加密,从而置乱像素点位置,在位平面间增加密钥进行乱序处理实现图像像素点灰度值的变化.实验结果证明,该算法具有较大的密钥量,可以抵抗剪切攻击、噪声攻击、统计分析等多种攻击,且加解密速度较快.     

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。     

用小波变换和混沌映射实现图像置乱

提出了一种基于小波变换和混沌映射的数字图像置乱加密算法。先对数字图像进行小波分解,再对变换后的小波系数进行混沌置乱,最后对置乱后的系数矩阵进行逆小波变换得到加密图像。实验表明,该算法具有令人满意的安全性和置乱效果。     

幻方群在图像置乱中的研究与应用

为了提高幻方置乱图像的加密效果和增大密钥空间,提出了一种新的基于幻方群的图像置乱算法。首先利用镶边法构造一组同心幻方并将其生成幻方群,然后对幻方群内的每个同心幻方进行变换,再对幻方群整体进行变换,最后用变换后的矩阵对图像进行迭代置乱,充分打乱图像各像素点的相关性。仿真实验表明,该算法对传统幻方置乱图像的连续性问题有了明显的改进,且置乱效果明显好于传统幻方置乱图像算法。该算法是一个实用的、有效的图像加密算法。     

Arnold变换及其逆变换

Arnold变换由于其周期性,广泛应用于图像置乱。但Arnold反变换,需要计算其周期,对于阶数较大的图像,非常耗时。因此本文采用一种改进的Arnold反变换算法。通过计算Arnold变换矩阵的逆矩阵求解Arnold反变换,不需要计算周期,节省了开销。     

Arnold反变换的一种新算法

Arnold变换因其具有周期性,在图像加密方面得到了广泛的应用.但在解密过程中,若要利用其周期性,则显得很费时,因此提出了一种新的Arnold反变换算法.该算法通过求解方程组来求得反变换.在此基础上,把二维Arnold变换用在正方形图像的情形推广到一般的矩形图像,即图像矩阵不是方阵的情况,扩大了其在图像加密中的应用.同时,从理论上又把二维Arnold反变换推广到了m维Arnold反变换.     

图像置乱方法综述

网络环境下,如何保障传输过程中图像信息的安全性,是目前信息安全领域的一个重要研究问题。图像置乱变换是一种重要的图像加密方法,其主要目的是将给定的图像进行搅乱,使人们无法通过人类视觉系统和计算机系统来发现原始图像所表达的真正含义。目前在图像置乱领域已提出一些很有意义的方法,本文主要对这些方法进行了分类讨论和总结,便于进一步的研究。     

基于Arnold变换的数字图像置乱技术

针对近年来兴起的数字图像信息安全问题,从Arnold变换出发,给出了在位置空间和色彩空间上对数字图像进行置乱的方法,这些方法简便易行,可以用来作为数字图像隐藏和伪装的预处理。     

基于自适应混合多项式变换的图像配准

图像配准是红外与可见光图像融合的关键问题。在实际应用中,场景景深的多变性与红外、可见光相机之间的差异性都会增加多模图像配准的难度。为应对上述困难,提出了一种用于图像配准的自适应混合多项式变换（Adaptive Polynomial Mixture Transformation,APMT）,该模型可以准确地描述待配准红外与可见光图像之间形变的全局非线性规律。针对形状上下文特征的缺陷进行改进,设计了高斯加权形状上下文（Gaussian Weighted Shape Context,GWSC）特征,用于从多模图像中提取匹配点集。利用分段优化策略从匹配点集中估计出最优的APMT模型参数,实现全局图像配准。定性与定量实验表明：与同类方法相比,提出的方法（GWSC-APMT）在配准精度与效率方面都有良好的表现。     

对数字图像处理中正交变换的研究

在数字图像处理中,正交变换因其独特的性质而广泛运用,它是信号处理中最重要的一类变换。介绍了正交变换的重要性质,讨论了在数字图像处理中采用正交变换的意义,重点研究了正交变换的标准基,并以DCT为例,利用MATLAB绘出了标准基图像。任意一副数字图像正交变换过后,得到的就是诸多标准基图像的权重,在变换域处理的就是这些标准基图像的权重。对数字图像处理中正交变换理论的学习和教学有很大帮助。     

基于扩展Zig-zag变换的数字图像置乱方法

文章针对传统数字图像置乱方法过于复杂的问题,提出一种利用扩展的Zig-zag扫描变换对数字图像进行置乱的方法。针对单方向的Zig-zag变换造成某些像素点位置始终不变的问题,提出从四个方向进行多次Zig-zag迭代置乱,并将四个方向的迭代次数作为密钥以便对置乱的图像进行还原。实验结果表明,该算法具有很好的图像置乱效果,安全性较高,且算法简单操作易实现。     

基于位置和灰度变换的混沌图像置乱算法

在分析传统图像置乱方法不足的基础上,提出一种新的基于位置迁移和像素灰度变换的图像全局置乱算法.算法以图像矩阵的元素为单位进行置乱,采用不同的混沌序列对矩阵中每个元素的位置和灰度都进行了一次随机的改变,产生了图像全局置乱矩阵.变换矩阵形式不固定且不动点的个数为零,没有统一的迭代公式,达到了良好的图像置乱效果.同时,该算法具有较低的时间复杂度和较好的安全保密性能.最后,仿真和实验结果验证了本算法的有效性.     

分形变换与图象噪声平滑

利用分形变换进行图象噪声平滑，是他形理论的又一应用领域。本文对这一问题进行了理论和实验验证，从而指出了分形变换应用于图象噪声平滑的潜力所在。     

结合小波变换的梯度场图像渐进融合算法

基于梯度场的图像融合算法只适用于尺度差异不大于1∶4的多光谱图像与全色图像。针对尺度差异为1∶8的北京一号卫星多光谱图像及高分辨率全色图像的融合问题,提出一种结合小波变换的梯度场图像尺度渐进融合算法。利用小波变换方法将多光谱图像与高分辨率全色图像尺度差异倍数缩小,得到基于小波变换的初级融合,再进行基于梯度场的Poisson图像融合。实验结果表明,渐进融合图像与多光谱图像的平均颜色差异值为23.5,与高分辨率全色图像的平均梯度差异值为2.1,多尺度纹理特征值差异值分别为3.98、10.2、18.9,渐进融合图像与高分辨率全色图像的空间细节和纹理细节吻合程度更好。