基于Chen系统的图像压缩加密算法

混沌作为一种复杂的非线性运动行为,具有遍历性、初值敏感性、宽频谱以及类随机性等特征,这些特征使混沌同密码学紧密联系起来。本文提出了一个基于Chen混沌系统的图像压缩加密算法。对原始图像经过预处理后进行离散余弦变换和熵编码,实现对图像的压缩,利用Chen混沌系统生成伪随机密钥流序列,将其用于对图像像素进行置乱和替代操作以完成对图像像素的加密。测试与分析结果表明所提出的算法具有良好的性能。     

基于变参数的logistic混沌系统图像加密算法

传统基于混沌的加密体制一般会使用固定的参数,对系统轨道的分析和破译使得算法的安全性不高.针对此类问题提出一种新的变参数logistic系统的图像加密算法,利用动态变换产生一组一直变化的logistic系统参数;用此系统产生一组随机序列,分别用于位置置乱和像素变换;双向扩散得到加密后的图像.算法经过仿真实现和性能测试,分析表明该算法能有效应对多种攻击手段,同时对密钥有高度敏感性,表明该算法具有较高的安全性和可靠性.     

分形图像压缩编码技术介绍

分形图像编码是目前研究较为广泛的一种现代编码方法本文在比较经典编码方法和现代编码方法的基础上介绍了分形的概念、分形图像压缩技术方案及实现,并阐述了分形编码的应用前景。     

利用Lorenz混沌系统设计实现彩色图像加密算法

利用混沌系统敏感依赖于初始条件的特性,迭代Lorenz三维混沌系统生成的三组伪随机序列,设计算法加密真彩色图像的红绿蓝三个分量。采用多个衡量指标的测试结果表明,该算法具有较大的密钥空间,加密效果令人满意。     

基于L-P混沌映射和AES的图像加密算法

针对AES加密算法轮密钥的相关性强,容易遭遇强力攻击和Square攻击,提出了基于L-P混沌映射和AES的图像加密算法.加密时,先结合图像明文信息,确定一维混沌映射Logistic和PWLCM的相关参数,并分别进行迭代,为产生混沌序列做准备.再次将Logistic和PWLCM混沌映射交叉迭代,产生的两个混沌序列进行异或扩散操作,作为初始轮密钥,在AES加密操作前,先将状态矩阵的奇偶行分别与两个混沌序列进行异或扩散操作,并减少AES算法轮数,从而产生密文图像.解密时,先通过MD5数字签名算法,获取加密时混沌映射Logistic和PWLCM的相关参数,再按加密的逆过程进行解密.通过MATLAB仿真,分析算法的性能及安全性,包括密钥敏感性、直方图、信息熵、像素相关性、差分攻击、鲁棒性,抗剪切能力、运行时间等,结果显示,相对于标准AES图像加密算法,减少了运行时间,具有更好的安全性.     

基于Lorenz混沌系统的MPEG视频加密算法

为解决视频信息的安全问题,提出了一种利用Lorenz混沌系统,将加密过程融入到压缩过程的MPEG视频加密算法。利用Lorenz系统所产生的三维混沌序列,分别在I帧、P帧和B帧的压缩过程中,对DC、AC系数以及运动矢量进行混沌加密,并对I帧中的亮度信息以块为单位进行混沌置乱。由于加密在压缩过程中完成,该加密算法具有较好的实时性和较高的安全性。     

基于压缩感知和DNA编码的图像加密算法

针对传统图像加密算法安全性能差和传输效率低等问题,提出了一种基于压缩感知CS和DNA编码相结合的图像压缩加密算法。首先,采用CS对待加密图像进行预处理,在预处理过程中由克罗内克积KP构造测量矩阵并按比例缩小原始图像。接着,利用超混沌Bao系统产生的混沌序列动态控制DNA编码、解码和运算方式,对压缩图像进行加密和解密。最后,通过重构算法得到重构图像。该算法最大限度地利用了超混沌Bao系统产生的混沌序列,通过将生成的混沌序列整数化,对原始图像进行DNA扩散操作。仿真实验和结果分析表明,该算法能有效提高图像的传输效率和安全性。     

基于DNA编码和超混沌系统的图像加密算法

针对DNA编码规则单一和混沌加密算法对密钥的灵敏度低等问题,提出一种基于DNA编码和超混沌系统的图像加密方案。该算法首先使用SHA-3算法计算明文图像的哈希值,用于超混沌系统的初始值,增加明文敏感性;其次将图像转换为DNA序列,并与所构建的S盒子进行DNA序列运算;最后用超混沌系统产生的序列对图像进行置乱。结果和理论分析表明,该算法不仅提高了密钥敏感性和传输数据的安全性,而且具有较好的抗穷举攻击、统计攻击和差分攻击能力。     

基于四叉树的分形图像压缩编码算法的C 实现

该文首先介绍了分形图像压缩的基本理论,如迭代函数系统,拼贴定理等。然后重点研究了基于四叉树的分形图像压缩编码算法。最后通过编写代码实现此算法,并与基本的分形图像压缩算法进行试验比较,进行总结。     

基于图像块叉迹的快速分形图像编码算法

摘要分形图像编码能够在高压缩比下高质量地重构图像,但需要较长的编码时间．因此,迫切需要各种快速编码算法以扩大其应用领域．分形编码的时间主要花费于在一个海量码本中搜索每个输入子块的最佳匹配块．针对这个问题,该文提出一种快速分形编码算法,它基于图像块的一种新特征——叉迹,能够在较小的搜索范围内完成输入子块的最佳匹配．实验显示,该算法能够大大缩短编码时间,同时实现和全搜索分形编码算法相同或更好的图像质量．     

一种基于混合混沌序列的图像加密方法

给出了一种基于Henon映射、Logistic映射和Lorenz系统三种混沌动力系统的图像加密算法。该算法用两个离散混沌系统Henon映射和Logistic映射组合来驱动一个连续Lorenz系统,用得到的信号对图像进行加密。对该系统进行数值实验和安全性分析,结果表明该系统不但拥有大的密钥空间,而且对密钥和明文很敏感,具有优良的扩散性能和扰乱性能。另外,具有较好的加密效果和加密效率,并对统计分析具有较好的安全性。     

基于规范块半范数的快速分形编码算法

分形图像编码通常需要较长的时间,编码时间主要花费在一个海量码本中搜索每个输入子块的最佳匹配块。在提出的叉迹算法的基础上,提出一种快速编码算法。它主要利用一种新定义的特征——规范块半范数,把搜索范围限制在初始匹配块（在半范数意义下与输入子块最接近的码块）的邻域内。实验显示,与叉迹算法比较,该算法在编码时间和图像质量方面都取得了更好的效果。     

基于行列式的快速分形图像编码算法

分形图像编码是一种很有前途的限失真压缩方法,然而,它存在计算量大的缺点,导致其编码时间过长。分形编码的时间主要花费在一个通常较大的码本中搜索每个输入子块的最佳匹配块。针对此问题,提出了一个加快编码的方案,它基于图像块的规范化行列式,能够在相对小的搜索邻域内找到输入子块的最佳匹配块。对3幅512×512测试图像的实验结果显示,与全搜索基本分形算法比较,依赖于搜索邻域的大小,该算法既能在峰值信噪比相同的情况下实现编码速度加快30倍左右,也能在主观质量略有下降的情况下实现编码速度加快1 000倍以上。     

图像压缩方法综述

图像压缩是图像处理的重要组成部分,随着科学技术的不断进步,压缩方法也在不断涌现。论述了各个常用图像压缩方法的算法及应用情况,着重研究了预测编码和分形压缩方法。有机结合所介绍的压缩算法能解决很多图像处理问题,介绍的图像压缩方法也可供研究人员参考。     

基于多混沌系统的彩色图像加密方法

为了提高彩色图像加密的安全性和加密性能,设计了一种基于多混沌系统的彩色图像加密方法.将一个彩色图像分解为R、G、B三个灰度图像,使用MD5算法动态生成加密算法的初始值,然后使用三种不同的基于混沌的加密结构对三个图像进行加密.对R图像使用Feistel结构加密,其中Feistel结构的S一盒由Logistic混沌序列和Hyperhenon混沌序列组合产生;对G图像使用由Lorenz系统产生加密序列对图像进行代替和置换操作的加密结构;对B图像使用由分段线性混沌映射产生加密序列,然后加密图像的加密结构,再把加密后的图像结合起来生成加密后的图像.理论分析和实验结果表明,该加密方法能够较为有效地保证彩色图像加密的安全性.     

基于规范子块五点和的快速分形图像编码

分形图像编码通常需要较长的时间,编码时间主要花费于在一个海量码本中搜索每个输入子块的最佳匹配块.针对这个问题,提出一个限制搜索空间的算法.它主要基于图像块的一种新特征——五点和,把搜索范围限制在初始匹配块(五点和意义下与输入R块最接近的D块)的邻域内.实验表明：该算法能够大大减少子块匹配比较的数量,与基于叉迹的快速分形算法比较,在相同的搜索邻域内,在编码时间、图像质量和压缩比方面都更优.     

使用2-范数匹配的快速分形图像编码算法

尽管分形图像压缩在高压缩比时具有高的重建图像质量,但由于它编码过程耗时而未能在图像压缩领域广泛应用。为了提高分形图像编码过程的速度,提出了基于2－范数匹配的快速分形图像编码算法,该算法先把码书里的码块按2－范数大小赋序,然后对每个输入Range块,在赋序码书中寻找与它的2－范数最接近的码块,进而在这个码块的领域内搜索Range块的最佳匹配块。计算机仿真结果显示,在不影响基本分形图像编码算法解码图像质量的情况下,该方案大大加快了它的编码速度。     

基于平均偏差排序的快速分形图像编码

分形图像编码是一种很有前途的压缩技术,但由于其编码时间长、计算复杂性高,因而阻碍了它的广泛应用,针对此问题,提出了一种快速的分形编码算法。这种算法是首先将码本按照平均偏差大小进行排序,然后使用二分搜索法寻找给定Range块在平均偏差意义下的最好匹配码块,进而利用一个联系均方根和平均偏差的不等式来在这个最好匹配码块的邻域中搜索Range块在均方根意义下的最佳匹配码块。实验结果显示,在主观质量略有下降的条件下,该算法编码过程显著快于基本分形算法。     

基于形态特征的快速分形图像编码

现有的快速分形编码算法多数是在降低图像质量的前提下实现的。针对这个问题,提出了一个快速分形编码算法,它基于新定义的图像块的形态特征的概念。这种算法先把码本按形态特征大小赋序,然后对于每个输入Range块,在赋序码本中寻找与它的形态特征最接近的码块,进而在这个码块的邻域内搜索Range块的最佳匹配块。实验结果显示,对于256×256的Lena图像,与基本分形算法比较,其依赖于搜索邻域大小,该算法既能在峰值信噪比(PSNR)相同的情况下编码速度加快4.4倍,也能在主观质量略有下降的情况下编码速度加快约140倍。