法律状态公告日
法律状态信息
法律状态
2019-03-22
授权
授权
2016-09-28
实质审查的生效 IPC(主分类):G06T1/00 申请日:20160408
实质审查的生效
2016-08-31
公开
公开
技术领域
本发明属于图像加密安全算法技术领域,涉及一种基于小波分层和组合混沌的图像加密算法。
背景技术
图像加密技术是最近二十年来信息安全研究领域出现的新热点。随着互联网的日益开放壮大,人们在享受信息、资料方便易寻的同时,也受到了它所带来的不可忽视的问题—信息安全,尤其是在军事、金融等对信息安全性要求较高的领域。
目前,常用的图像加密方法有自适应图像加密、基于混沌系统的加密算法、盲源分离图像加密方法等等。
本发明提供的基于小波分层和组合混沌的图像加密算法采用了Haar小波对二维图像数据的分解,然后采用几何重组的方式,完整的保留了图像各个频段数值,这保证了解密过程中,小波重构得到的图像的无损性;罗切斯特混沌映射生成初步的混沌矩阵,在算法复杂度上相较于其他混沌映射形式更小,这对提升加密速度有跟高的优势;组合混沌矩阵的应用,使得在足够低的算法时间复杂度基础上,增加了加密算法的密钥空间,提高了加密算法的安全性。
发明内容
有鉴于此,本发明的目的在于提供一种基于小波分层和组合混沌的图像加密算法,该方法不仅能够有效隐藏图像视觉信息和图像灰度分部信息,而且密钥空间大,算法安全性高,抗攻击能力强。
为达到上述目的,本发明提供如下技术方案:
一种基于小波分层和组合混沌的图像加密算法,该算法先针对图像做Haar小波分解得到图像的系数,然后通过几何方式重组图像系数;再采用一般罗切斯特映射组合生成多混沌加密矩阵,加密图像的组合系数得到密文图像。
进一步,该算法具体包括以下步骤:
步骤1:对原始图像进行小波分解,得到图像的四个小波分解系数矩阵Ima,Imh,Imv,Imd;
步骤2:对四个系数矩阵进行几何形式上的重组,得到图像小波系数整合矩阵Coe_E;
步骤3:利用一般混沌映射,如logistics映射,设定三个或以上初值和参数值,生成简单 混沌矩阵Sub_a,sub_b,sub_c;
步骤4:设定常数W,使它的取值范围与初始值值域相同,利用多混沌组合公式得到组合混沌矩阵Chaos_P;
步骤5:将步骤2生成的Coe_E与步骤4生成的Chaos_P,矩阵异或,生成最红加密矩阵E_image。
进一步,所述对图像进行小波分解和图像系数的几何形态重组,二维灰度图像的多尺度分解如下:
对各层系数矩阵Ima,Imh,Imv,Imd进行重组得到初步加密图像
Coe_E与组合混沌矩阵Chaos_P异或得到密文图像E_image。
进一步,所述组合混沌Chaos_P由以下公式生成:
Chaos_P(i,j)=W0(1-t)2sub_a(i,j)+2W1(1-t)sub_b(i,j)+W2t2sub_c(i,j)
其中,调节参数W={w0,w1,w2},t,W∈(0,1);sub_a(i,j),sub_b(i,j),sub_c(i,j)为logistics混沌映射生成。
进一步,所述子混沌矩阵由一般混沌映射罗切斯特映射生成,罗切斯特映射:
ln=μ*ln-1(1-ln-1),其中参数μ∈[3.5699456,4]ln∈(0,1)n∈N。
本发明的有益效果在于:本发明提供的算法图像直观信息和图像灰度信息得到很好的隐藏;图像像素间相关性趋于不相关;加密算法密钥空间相较于普通加密算法提升显著,安全性增高;有效抗多种密钥攻击算法;次加密算法为完全可逆加密,属于无损加密算法。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为本发明所述算法的流程图。
具体实施方式
下面将结合附图,对本发明的优选实施例进行详细的描述。
图1为本发明所述算法的流程图,本发明提供的基于小波分层和组合混沌的图像加密算 法具体包括以下步骤:
步骤1:对原始图像进行小波分解,得到图像的四个小波分解系数矩阵Ima,Imh,Imv,Imd;
步骤2:对四个系数矩阵进行几何形式上的重组,得到图像小波系数整合矩阵Coe_E;
步骤3:利用一般混沌映射,如logistics映射,设定三个或以上初值和参数值,生成简单混沌矩阵Sub_a,sub_b,sub_c;
步骤4:设定常数W,使它的取值范围与初始值值域相同,利用多混沌组合公式得到组合混沌矩阵Chaos_P;
步骤5:将步骤2生成的Coe_E与步骤4生成的Chaos_P,矩阵异或,生成最红加密矩阵E_image。
其中,所述对图像进行小波分解和图像系数的几何形态重组,二维灰度图像的多尺度分解如下:
对各层系数矩阵Ima,Imh,Imv,Imd进行重组得到初步加密图像
Coe_E与组合混沌矩阵Chaos_P异或得到密文图像E_image。
所述组合混沌Chaos_P由以下公式生成:
Chaos_P(i,j)=W0(1-t)2sub_a(i,j)+2W1(1-t)sub_b(i,j)+W2t2sub_c(i,j)
其中,调节参数W={w0,w1,w2},t,W∈(0,1);sub_a(i,j),sub_b(i,j),sub_c(i,j)为logistics混沌映射生成。
所述子混沌矩阵由一般混沌映射罗切斯特映射生成,罗切斯特映射:ln=μ*ln-1(1-ln-1),其中参数μ∈[3.5699456,4]ln∈(0,1)n∈N。
最后说明的是,以上优选实施例仅用以说明本发明的技术方案而非限制,尽管通过上述优选实施例已经对本发明进行了详细的描述,但本领域技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离本发明权利要求书所限定的范围。
机译: 基于小波的图像的分层集中化和集中化编码
机译: 基于小波的图像压缩,用于使用分层子带分解进行存储,传输和重建
机译: 基于小波的图像分层注视和注视类型编码