[发明专利]基于SVD及CBC模式结合的图像压缩加密传输方法

说明书

本发明公开了一种基于SVD及CBC模式结合的图像压缩加密传输方法，SVD能够保留图像数据90%以上的信息，但是数据传输量变为原始数据的几分之一，更重要的一点是它同时减少了图片数据的噪声量，使得传输的图片数据具有类对称性，这使得采用CBC分块处理加密图片数据时的算法执行时间大大减少，传输带宽得到了有效利用，同时在服务器端解密时省去了大量防剪切丢失算法分析的时间，方法独特，设计巧妙，显著提升了C‑S架构下的各种加密传输应用的性能，尤其在图像识别分析等物联网和人工智能领域，具有良好的应用前景。

技术领域

本发明涉及数字图像传输处理技术领域，具体涉及一种基于SVD及CBC模式结合的图像压缩加密传输方法。

背景技术

在网络数据传输过程中，在很多情况下，数据中的一小段携带了数据集中的大部分信息，其他信息要么是噪声，要么就是毫不相关的信息，在线性代数中，矩阵分解可以将与原始矩阵表示成新的易于处理的形式，这种新形式是两个或多个矩阵的乘积，类似于代数中的因子分解。不同的矩阵分解技术具有不同的性质，其中有些更适合于某个应用。

通过SVD(奇异值分解)对数据的处理，我们可以使用小得多的数据集来表示原始数据集，这样做实际上是去除了噪声和冗余信息，以此达到了优化数据、提高结果的目的。最早的SVD应用之一就是信息检索，我们称利用SVD的方法为隐性语义检索(LSI)或隐形语义分析(LSA)，SVD的另一个应用就是推荐系统，较为先进的推荐系统先利用SVD从数据中构建一个主题空间，然后再在该空间下计算相似度，以此提高推荐的效果。SVD(奇异值分解)与PCA(主成分分析)不同，PCA是对数据的协方差矩阵进行矩阵的分解，而SVD是直接在原始矩阵上进行的矩阵分解。并且能对非方阵矩阵分解，得到左奇异矩阵U、sigma矩阵Σ、右奇异矩阵VT。SVD(奇异值分解)可以将一个矩阵分解成3个矩阵，其中U、VT都是单式矩阵(unitary matrix)，Σ是一个对角矩阵，也就是说只有对角线有值。对角元素称为奇异值，它们对应了原始矩阵Data的奇异值，一般奇异值我们只选择某一部分，选择的规则很多种，主要的一种为：选择奇异值中占总奇异值总值90％的那些奇异值。

目前，在数字图像数据传输过程中，为了有效保护数字图像信息，提高数字图像加密的效率和安全性，当前有许多图像加密算法被提出来，但是均存在不同的问题，具体如下：

(1)，基于混沌序列的像素置乱和像素值变换的数字图像加密算法，将图像块的重要信息嵌入到由混沌系统决定的另一图像块中的最低位，以提高加密图像的抗剪切能力。但这种算法，一旦受到轻微的噪声干扰就无法恢复被剪切部分的图像，当被剪切块的重要信息对应的隐藏块也被剪切时，该图块也将无法恢复，影响数字图像数据传输准确性；

(2)，基于图像位平面的图像加密算法，同时给出一种抗剪切恢复算法，但被剪切像素的恢复依赖于该像素的8个位平面的恢复值，从低位平面到高位平面的像素值的不正确性以指数比例影响到像素值的不正确性，致使恢复的图像质量不理想。

因此，如何克服上述的问题，有效保护数字图像信息，并提高数字图像加密的效率和安全性，尤其是加密安全性，是当前急需解决的问题。

发明内容

本发明的目的是克服现有的数字图像数据传输安全加密方法所存在的问题。本发明的基于SVD及CBC模式结合的图像压缩加密传输方法，传输带宽得到了有效利用，同时在服务器端解密时省去了大量防剪切丢失算法分析的时间，方法独特，设计巧妙，显著提升了C-S架构下的各种加密传输应用的性能，尤其在图像识别分析等物联网和人工智能领域，具有良好的应用前景

为了达到上述目的，本发明所采用的技术方案是：

一种基于SVD及CBC模式结合的图像压缩加密传输方法，包括以下步骤，

步骤(A)，对客户端的原始图像数据进行初始分析，包括数据量、格式、色彩、模式，形成原始图像数据矩阵；