图像置乱程度的衡量方法

图像置乱变换是信息隐藏和图像加密常用的方法,如何衡量一种置乱变换的好坏,是研究的热点和难点问题。基于置乱前后位置变化的方法可以作为一个衡量的标准,但是位置变化并不能代表像素点值的改变,而且把图像作为一个整体来考虑也会产生一些偏差。为了克服这个缺点,提出了一种基于各点相关性的图像置乱程度衡量方法,主要是通过比较置乱前后每个点与其相邻点相关性的差异来进行衡量。由Matlab仿真结果表明,该方法可以很好地衡量图像置乱次数与置乱效果的关系,而且与人类的视觉具有比较好的一致性。     

基于均匀置乱的图像位置置乱衡量方法

由于图像置乱分成位置和像素值置乱两类,图像置乱衡量也从这两方面进行分析。目前基于像素值的衡量效果依赖于原始图像,存在局限性;基于位置的衡量随着置乱距离的不同效果也有很大偏差,同样存在局限性。从图像位置置乱的实质出发,提出均匀置乱的概念,从偏离度和均匀度的角度对图像位置置乱效果进行衡量。通过对大量实验结果的分析得出,该衡量算法可以准确地衡量图像置乱程度,与人的视觉评价保持一致,具有可行性和有效性。     

面向纹理特征的图像置乱程度的衡量方法

图像置乱是信息隐藏中最常用的一项技术,其目的是通过将图像的信息次序打乱来提高隐蔽载体的鲁棒性和隐蔽性。如何评价图像置乱的程度,是信息隐藏研究的重点问题之一。利用图像纹理基元行程特征和灰度级的连续概率特征对图像质量的描述方法,提出了基于图像纹理特征的图像置乱程度衡量方法,实验表明,该方法能较好地评价图像的置乱程度,与人的主观视觉评价有较好的一致性。     

基于灰度级出现频数的数字图像置乱程度衡量方法

数字图像置乱程度是评价数字图像置乱算法的重要方面,对数字水印算法的研究也起到重要的指导作用。利用灰度级出现频数可以对数字图像的最佳(理想)置乱效果进行描述,以数字图像的最佳(理想)置乱效果为参照系,基于灰度级出现频数提出了一种衡量数字图像置乱程度的新方法。采用Matlab为实验研究工具,进行仿真实验。实验结果表明,该置乱程度衡量方法与视觉的主观评价基本一致,具有对各种类型的图像加密方法都适用的高泛化性,还具有与原图像无关性。     

分布均匀性的图像置乱衡量方法

尽管越来越多的置乱算法被提出,如Arnold cat变换、Hilbert变换、幻方变换和基于混沌置乱变换等,但是针对这些置乱算法的衡量方法却很少,现有的方法都是基于某一种置乱变化而提出的,通用性不强。从图像置乱均匀分布的角度出发,定义了理想置乱状态的模型,并根据理想状态的特点提出了一种图像置乱衡量方法,通过比较置乱效果与理想状态的偏离度来评价置乱效果的好坏。对Arnold cat变换进行了仿真分析,实验结果显示该方法能准确衡量图像的置乱程度,与人类视觉相吻合。并指出对256×256的图像来说,8×8,16×16的分块可以更准确地衡量置乱效果。     

一种新的基于概率距离的图像置乱评价方法

通过对图像的分块处理,提出一种评价图像置乱效果的方法。将原图像与加密图像进行相同的分块处理后,计算分块变换前后概率分布差异的Bhattacharyya系数,并以所有分块Bhattacharyya系数的平均值作为图像在置乱变换下具有的置乱程度。该方法计算简单、意义明确;实验结果表明,该方法可以有效地反映出图像在不同置乱变换下具有的置乱程度。     

基于灰色关联分析的图像置乱程度评价方法*

为有效衡量图像置乱的程度,引入灰色理论中的灰色关联分析,提出一种新的置乱效果评价方法。该方法首先将置乱图像分块,通过计算各子块图像中每行元素的灰度均值来统计各子块的灰度信息,建立小样本序列;然后利用灰色关联分析理论计算各序列之间的灰度信息关联度来评判各子图像灰度信息的关联程度,从而获取图像的置乱效果。实验表明,该方法能有效地评价不同置乱变换的效果,且评判无须原图像参与,与基于SNR的置乱评判方法相比,能更加客观地评判置乱效果,且与人眼目测结果相符。     

基于图像特征的数字图像置乱程度衡量方法

数字图像置乱程度是评价数字图像置乱算法的重要方面,对数字水印算法的研究也起到重要的指导作用,提出了一种新的图像置乱效果客观评价方法.该方法首先得到整幅置乱图像的特征向量,将置乱图像进行最优分块,得到每个图像块的特征向量,应用灰色关联分析对图像置乱程度进行度量.该方法不仅反映了整幅置乱图像的全局特征,还反映了图像的局部特征.实验结果表明,该算法与视觉上的主观评价结果基本一致,且适用于各种类型的加密图像.     

基于灰度均匀性的图像置乱程度盲评价算法

针对图像置乱程度评价问题提出以每个点为中心的区域灰度差均值作为图像置乱程度评价方法。算法首先针对理想置乱变换定义只适用于位置置乱的问题对其进行修改,使其也可以适用于包括像素置乱在内的所有置乱过程,并在此基础上考虑到各灰度值分布的均匀性,建立新的无需原图参与的图像置乱程度评价公式。实验仿真结果表明,该方法可以较好地衡量位置置乱图像或灰度置乱图像的置乱程度,与人的直观视觉评价吻合。     

云模型图像置乱算法

针对目前数字图像置乱算法在双重置乱方面的欠缺问题,提出一种新的云模型图像置乱算法。该算法利用三维云模型生成的函数值来改变图像像素位置和像素值,实现了双重置乱。经实验验证以及定量定性分析,置乱图像呈现白噪声,真正实现了图像置乱,并不存在周期性恢复的安全问题,该算法能较快达到理想的置乱效果,且能抵抗一定的剪切、加噪、滤波以及缩放攻击;证明了该算法的有效性和合理性,可以较好地应用于图像置乱。     

Canny算子在图像置乱程度评价中的应用

随着图像置乱技术的发展,出现了各种各样的置乱算法,为了更好地衡量这些算法对不同图像的置乱程度,本文利用canny算子的良好特性,在分析现有评价方法特点的基础上,提出了一种新的描述图像置乱程度的评价方法。试验表明该方法与人的主观评价相接近,且结果不受原图像影响。本文采用MATLAB作为研究工具。     

基于差分统计特性的图像置乱度盲评价线性模型

当前大部分图像置乱度评价算法均依赖于原始图像,且缺乏科学的数学模型作为基础。在分析置乱图像差分值统计分布特性的基础上,建立了理想置乱图像差分统计分布线性模型,并以此为基础,提出了三种置乱度盲评价算法：斜率绝对差法、差分绝对差法和重叠面积法。实验结果表明：三种算法对于图像差分统计分布有较强的敏感性,且不依赖于原始图像,能客观地评价图像置乱度,与人类视觉系统有着良好的一致性。     

图像置乱的相对置乱度评价方法

定义了衡量图像置乱效果的标准,拓展了衡量图像置乱效果的方法,且填补了对该方法进行系统评价的空缺.首先结合混沌理论、熵的概念及图像自身属性,定义了乱图像的标准,并给出一幅趋于这个标准的乱图像生成方法及过程;在定义与生成标准乱图像的基础上,进一步明确提出了评价图像置乱效果的相对置乱度的计算方法.对这种方法进行了全面的测试,实验结果表明,该方法具有相应的灵敏度、可用性和适应性.最后也探讨了对图像置乱效果计算方法进行评价的框架.     

二值图像Arnold变换的最佳置乱度

以数字水印技术为背景,介绍了基于二值图像Arnold变换置乱和周期性,详细地讨论置乱度,提出了一种图像分块后像素值方差和像素点与4邻域灰度差值相结合的最佳置乱度计算方法。实验结果表明,该最佳置乱度计算方法能很好地反映二值图像的置乱程度并与主观视觉效果相一致。     

利用差分图像奇异值分解的置乱程度评价研究

提出了基于差分图像和奇异值分解相结合的图像置乱效果评价新方法。针对基于奇异值分解法的置乱程度评价法不能客观地反映图像置乱效果好坏的不足,首先对置乱前后图像进行差分运算并得到其相应的差分图像,其次对两差分图像进行奇异值分解,最后计算其奇异值差异程度的大小作为图像置乱效果评价的新准则。实验结果表明,提出的评价方法能够较好地刻画图像的置乱程度,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。对于不同的图像,该评价方法在一定程度上反映了所用的置乱变换在各置乱阶段的效果。     

基于几何测度的图像置乱度算法研究

分析研究了现有的几种图像置乱度衡量算法,从图像置乱前后相邻像素之间的距离偏移和方向偏移两个方面考虑,提出了基于几何测度的图像置乱度算法;最后通过对比分析,证明该算法具有更好的实用性、有效性与优越性。     

奇异值分解用于图像置乱程度评价研究

提出了基于奇异值分解的图像置乱程度评价新方法。首先求置乱前后两图像灰度值差的绝对值矩阵;其次计算灰度差绝对值矩阵与其转置矩阵之积并进行奇异值分解;最后根据所得奇异值构造一个离散概率分布并计算其信息熵作为图像置乱程度评价函数。实验结果表明,所提出的评价方法能够较好地刻画图像的置乱程度,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。