[发明专利]图像加密方法及装置有效

专利信息
申请号: 201710995908.4 申请日: 2017-10-23
公开(公告)号: CN107888370B 公开(公告)日: 2020-08-18
发明(设计)人: 李丽香;文国茜;彭海朋;杨义先 申请(专利权)人: 北京邮电大学
主分类号: H04L9/00 分类号: H04L9/00;H04L9/06;H04N19/124;H04N19/126;H04N19/149;H04N19/48
代理公司: 北京同立钧成知识产权代理有限公司 11205 代理人: 胡艾青;刘芳
地址: 100876 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 加密 方法 装置
【权利要求书】:

1.一种图像加密方法,其特征在于,包括:

根据预设的正交稀疏基和明文图像的原始图像矩阵,获得稀疏表示的目标图像矩阵,所述正交稀疏基与所述原始图像矩阵均为n×n矩阵,所述n×n矩阵为n行n列的矩阵,所述n为大于0的整数;

通过压缩感知模型对所述目标图像矩阵进行压缩测量,得到测量结果矩阵,其中,所述压缩感知模型是根据混沌矩阵和广义置换矩阵进行张量积处理得到的,所述混沌矩阵是由第一混沌系统根据第一控制参数和第一混沌初始值构造的混沌矩阵,所述广义置换矩阵是由第二混沌系统根据第二控制参数、第二混沌初始值和第一采样距离构造的矩阵;

对所述测量结果矩阵进行量化处理,获得量化处理后的量化矩阵;

对所述量化矩阵进行正向扩散处理和逆向扩散处理,得到加密图像矩阵,所述加密图像矩阵对应密文图像。

2.根据权利要求1所述的方法,其特征在于,所述通过压缩感知模型对所述目标图像矩阵进行压缩测量,得到测量结果矩阵,包括:

通过如下公式一得到所述测量结果矩阵;

其中,所述Y是测量结果矩阵,所述是压缩感知模型,所述A是的混沌矩阵,所述P是p×p的广义置换矩阵,所述m、n、p均为大于0的整数,所述Ψ为正交稀疏基,所述S为目标图像矩阵。

3.根据权利要求2所述的方法,其特征在于,在所述通过压缩感知模型对所述目标图像矩阵进行压缩测量,得到测量结果矩阵之前,还包括:

通过所述第一混沌系统根据所述第一控制参数和所述第一混沌初始值迭代(m/p)(n/p)d次,得到第一混沌序列:

其中,所述Z(d,μ,z1(1))是所述第一混沌序列,所述zi×d是所述第一混沌系统的第(i×d)个混沌状态值,d是迭代采样距离,所述μ是所述第一控制参数,所述z1(1)是所述第一混沌初始值,所述i为中间变量;

通过如下公式二将所述第一混沌序列规则化到-1至1之间,得到第二混沌序列;

其中,所述是所述第二混沌序列,所述wi是中间参数,且wi=1-2zi×d

以所述第二混沌序列为矩阵的列,获得所述混沌矩阵:

其中,所述A是混沌矩阵。

4.根据权利要求1所述的方法,其特征在于,所述对所述测量结果矩阵进行量化处理,获得量化处理后的量化矩阵,包括:

通过如下公式三得到所述量化矩阵;

其中,Q是m×n的量化矩阵,量化处理的目标数值范围是[0,W1],所述W1是大于0的整数,所述Ymin是测量结果矩阵Y中的最小值,所述Ymax是测量结果矩阵Y中的最大值。

5.根据权利要求1所述的方法,其特征在于,所述对所述量化矩阵进行正向扩散处理和逆向扩散处理,得到加密图像矩阵,包括:

通过如下公式四对所述量化矩阵进行正向扩散处理,得到正向扩散矩阵;

其中,Bi是正向扩散矩阵B的第i个元素值,是具有第二采样距离的第一密钥流中第i个元素值,Qi是量化后的测量结果矩阵的第i个元素值;

通过如下公式五对所述正向扩散矩阵进行逆向扩散处理,获得加密图像矩阵;

其中,Ci是加密图像矩阵C的第i个元素值,k2i是具有第三采样距离的第二密钥流的第i个元素值,Bi是正向扩散矩阵的第i个元素值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京邮电大学,未经北京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710995908.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top