一种基于混沌技术的新型图像置乱方法

摘要

本发明公开了一种基于混沌技术的新型图像置乱方法，通过量化处理后的混沌序列来控制图像的循环移位和旋转角度。首先结合彩色图像R，G，B，不同层的特征值产生混沌系统的三个初始值，然后通过独立的混沌系统产生三个混沌序列；根据明文图像长和宽的最大值定义变量w对混沌序列进行量化处理；最后通过三个混沌序列的两两结合来控制不同图层、不同行像素的循环移位位数和旋转角度，最终得到置乱后的彩色图像。本发明置乱后的图像具有很好的随机性，不仅能够抵御常规图像攻击，而且也打破传统置乱图像算法加密后不同图像层在相同位置像素具有很高相关性的局限。

说明书

技术领域

本发明涉及图像加密技术领域，具体涉及一种基于混沌技术的新型图像置乱方法。

背景技术

图像置乱是指对图像的像素进行混淆，也叫像素洗牌。在如今的图像加密技术中扩散和混淆是当前比较常见的技术。当前大多数的图像加密都是将扩散和混淆相组合的方法对图像进行加密。现在主要对图像在像素域、色度域、频率域和位平面这四个方向对图像进行加密。研究者主要是通过优化扩散对图像进行处理，使其具有一定随机性，对原始图像信息进行隐藏，一定程度上忽略了混淆算法的重要性，这些置乱算法往往大同小异。如在像素域通常采用正交变换，骑士巡游变换，阿诺德猫映射，遍历阵算法等。这些算法中最常见的是阿诺德猫映射和遍历阵算法，但是这两种算法都存在许多的不足之处。

第一种猫映射算法，其变换公式如下所示。

其中(X，Y)为图像的初始坐标，通过转换得到了新的坐标(X_n+1，Y_n+1)，但猫映射存在很多的局限性。例如猫映射受到明文图像的尺寸限制，其尺寸必须是N×N的方形规则图像，如果对不规则图像，就得对其进行模块化处理，这就显得十分复杂。而且对于一次转化，图像置乱的效果并不是很理想，还是能反映比较多的图像信息，并且使得图像的相邻像素点相关性比较高。因此往往需要通过多次迭代才能有比较好的效果。但通过多次迭代加密后会对解密的要求变得很高，往往需要通过多次迭代才能得到解密图像，增加了计算难度与解密时间。而且猫映射存在循环周期，使其置乱结果存在有限性，容易被破解。

第二种是遍历算法，这种算法是通过混沌系统得到与明文图像长和宽相等的两个遍历序列，对像素的坐标进行改变。这种方法由于受到计算机有限精度的影响，产生的混沌序列并不会完全遍历，因此需要通过人为操作对其进行遍历化处理。比较常见的是通过对混沌序列冒泡排序的同时对顺序序列进行打乱得到遍历序列，或者通过插值法，对混沌序列中所重复或者所缺的值进行增减。最后用所得到的两个遍历序列对图像的行与列进行重排。通过上述两种人为的方法进行遍历化处理都会使得产生序列的随机性下降，导致置乱后的图像相邻像 素间存在比较高的相关性，置乱效果不理想，并且需要通过多次置乱才能得到比较好的效果，这样就大大增加了算法的复杂度与图像置乱的时间。

发明内容

为了解决上述所存在的问题，增强图像信息的安全性，提高加密处理的效率，本发明提供一种基于混沌技术的新型图像置乱方法。

发明的新型图像置乱方法主要以混沌系统构造随机数发生器，根据图像本身的特性产生混沌初值和量化参数，对生成的混沌序列进行量化处理，并利用魔方的循环移位和旋转机制，实现图像RGB三层的相互置乱加密，并最终得到了置乱后的图像。

实现本发明的技术方案为：

一种基于混沌技术的新型图像置乱方法，包括图像置乱和图像解置乱两个过程；

所述图像置乱过程包括如下步骤：

1)求出各层中二进制数“1”的百分比值，分别将其设置混沌系统的初始值x_R(1)，x_G(1)，x_B(1)；

2)比较初始图像的长和宽，取其较大值为参数w；根据初始值x_R(1)，x_G(1)，x_B(1)，迭代混沌系统(1)w次，得到混沌序列x_R(n)，x_G(n)，x_B(n)，1≤n≤w；

$x_{R,G,B}\left(i\right)=\left(\begin{array}{cc}{x}_{R,G,B}(i-1)/a,& 0\le x_{R,G,B}(i-1)<a,\\ (1-x_{R,G,B}(i-1\left)\right)/(1-a),& a\le x_{R,G,B}(i-1)\le 1,\end{array}\right)---\left(1\right)$

其中，式(1)中α(0＜α＜1，且α≠０.５)是帐篷映射的控制参数，i表示序列的第i个值，x_R，G，B表示生成与RGB三层相对应的三组混沌序列；进一步通过下式(2)将上述所得到的三个序列的数值进行量化得到对应的整数序列x′_R(n)，x′_G(n)，x′_B(n)；

x′_R，G，B(i)＝x_R，G，B(i)×10¹⁴modw+1>

x′_R，G，B表示通过量化后的三组混沌序列；

3)对R、G、B三层进行循环移位和旋转操作，具体循环移位和旋转方式如下：

假定置乱处理过程中各层数据矩阵任意时刻的行数为L，对图像R层的置乱步骤为：

a.设i＝1，对R层中小于等于L/2的偶数行和大于等于L/2的奇数行进行循环左移x′_G(i)位；对R层中的其它行进行循环右移x′_B(i)位，如式(3)所示，其中i表示序列的第i个值，I_R表示图像的R层矩阵，j表示图像的第j行；

b.一次循环移位完成后，对得到的新矩阵向右旋转90°；

c.令i＝i+1，重复步骤a和步骤b；

d.当i＞w时，R层置乱操作完成；

图像G层和B层的置乱步骤与R层的置乱步骤基本一致，只存在处理的细微区别，具体为：

①G层与R层的奇偶移位方向相反且移位控制参数不同，如对G层中小于等于L/2的奇数行和大于等于L/2的偶数行进行循环左移x′_R(i)位，对其它行进行循环右移x′_B(i)位，具体如式(4)所示；

②B层与R层的旋转方向相反且移位控制参数不同，如B层步骤b中为向左旋转90°，移位控制参数分别为x′_R(i)和x′_G(i)，具体如式(5)所示；

通过上述对R层、G层和B层的置乱，最终得到置乱的图像，置乱过程结束；

所述图像的解置乱过程包括如下步骤：

1)与置乱过程的步骤1)、2)、3)一致，首先得到三个整数混沌序列x′_R(n)，x′_G(n)，x′_B(n)，1≤n≤w；

2)同理，对R、G、B三层进行循环移位和旋转操作，假设解置乱过程中各层矩阵任意时刻的行数为L，对R层的解密步骤为：

a.设i＝w，对R层中小于等于L/2的偶数行和大于L/2的奇数行进行循环右移x′_G(i)位，对R层中其它行进行循环左移x′_B(i)位；

b.一次循环移位完成后，对得到的新矩阵向左旋转90°；

c.令i＝i-1，重复步骤a和步骤b；

d.当i≤0时，R层解置乱操作完成。

对G层和B层的解置乱过程基本一致，具体细节区别为：G层各行的移位方式与R层相反，且控制参数分别为x′_R(i)和x′_B(i)；而B层的解置乱时每次的旋转方向与R层相反，且以移位的控制参数分别为x′_R(i)和x′_G(i)的移位方式进行解置乱。

通过上对述R层、G层和B层的解置乱，最终得到解置乱后的图像，解置乱过程结束。

本发明基于混沌技术的新型图像置乱方法有益效果体现在：

1)混沌系统的初始值是根据明文图像的信息特征获得，通过得到各个像素层中二进制数“1”的百分比值作为混沌系统的初始值。它们都是由高精度的定点小数组成，使整个系统具有非常大的密钥空间。

2)本发明的新型魔方置乱算法是自适应图像置乱算法，对于任意尺寸的图像，都可以依据其本身的特性对其进行置乱。并且混沌序列的值和个数都受到明文图像本身长和宽的最大值严格控制，使其置乱像素能够遍历图像的任意位置。

3)置乱方法主要依据了魔方的旋转和移位特性，对于不同图层的像素矩阵所采用的旋转和移位操作方式都各不相同，极大增强了像素分散在图像中的随机性。

4)通过图像各层间相互置乱的方法，降低了图层间相同位置的相邻像素值的相关性。

本发明的基于混沌技术的新型魔方置乱算法具备快速置乱明文图像的功能，同时系统复杂度与置乱后图像安全性极高，并且能抵御常规图像攻击。

附图说明

图1为本发明总体RGB图像置乱方法流程图；

图2为本发明图像置乱方法的置乱过程的流程图；

图3为本发明实施例的像素移位图；

图4为本发明实施例中向右旋转90度后的10×8图像像素移位图；

图5为本发明图像置乱方法的解置乱过程的流程图。

具体实施方式

如图1和图2所示，一种基于混沌技术的新型图像置乱方法，其置乱过程如下：

1)、以RGB图像(假设大小为M×N)为例，分别求出各层中二进制数“1”的百分比值，分别将其设置混沌系统的初始值x_R(1)，x_G(1)，x_B(1)；

2)、比较初始图像的长和宽，取其较大值为参数w；根据初始值x_R(1)，x_G(1)，x_B(1)，迭代混沌系统(1)w次，得到混沌序列x_R(n)，x_G(n)，x_B(n)，1≤n≤w；

$x_{R,G,B}\left(i\right)=\left(\begin{array}{cc}{x}_{R,G,B}(i-1)/a,& 0\le x_{R,G,B}(i-1)<a,\\ (1-x_{R,G,B}(i-1\left)\right)/(1-a),& a\le x_{R,G,B}(i-1)\le 1,\end{array}\right)---\left(1\right)$

其中，式(1)中α(0＜α＜1，且α≠0.5)是帐篷映射的控制参数，进一步通过式(2)将上述所得到的三个序列的数值进行量化得到对应的整数序列x′_R(n)，x′_G(n)，x′_B(n)；

x′_R，G，B(i)＝x_R，G，B(i)×10¹⁴modw+1>

3)、对R、G、B三层进行循环移位和旋转操作。其中，各层的具体移位和旋转采用了不同的操作方式。具体如下：

假定置乱处理过程中各层数据矩阵任意时刻的行数为L，对图像R层的置乱步骤为：

a.设i＝1，对R层中小于等于L/2的偶数行和大于等于L/2的奇数行进行循环左移 x′_G(i)位；对R层中的其它行进行循环右移x′_B(i)位，如式(3)所示，其中i表示序列的第i个值，j表示图像的第j行；

b.一次循环移位完成后，对得到的新矩阵向右旋转90°；

c.令i＝i+1，重复步骤a和步骤b；

d.当i＞w时，R层置乱操作完成。

图像G层和B层的置乱步骤与R层的置乱步骤基本一致，只存在处理的细微区别，具体为：

①G层与R层的奇偶移位方向相反且移位控制参数不同，如对G层中小于等于L/2的奇数行和大于等于L/2的偶数行进行循环左移x′_R(i)位，对其它行进行循环右移x′_B(i)位，具体如式(4)所示。

②B层与R层的旋转方向相反且移位控制参数不同，如B层步骤b中为向左旋转90°，移位控制参数分别为x′_R(i)和x′_G(i)，具体如式(5)所示。

实施例

为便于说明本发明，现以尺寸为10×8的图像为例，通过魔方置乱算法对其进行置乱。根据上述置乱步骤1)得到三个初始混沌序列x_R(n)，x_G(n)，x_B(n)。通过步骤2)定义w为图像 长和宽的最大值10，并且控制三组序列个数为10，通过公式(2)对序列的值进行量化得到三组新的序列x′_R(n)，x′_G(n)，x′_B(n)。

图3是以10×8RGB图像的R层为例，图像有8行，因此L的值等于8，这里由x′_G(n)，x′_B(n)两组数列控制R层图像循环移位：

a.判断前L/2行的奇偶性，若为小于等于L/2奇数行和大于等于L/2偶数行，通过x′_B(n)序列的第1个数x′_B(1)控制该行像素循环右移x′_B(1)位。若为小于等于L/2偶数行和大于等于L/2奇数行，则通过x′_G(n)序列的第1个数x′_G(1)控制该行像素循环左移x′_G(1)位。

如图3所示，第1行至第8行根据上述的判断规则，图像第1,3,6,8行循环右移x′_B(1)位，第2,4,5,7行循环左移x′_G(1)位。

b.将图像向右旋转90°，得到新图像尺寸为10×8，如图4所示，令i＝i+1。

c.图4是旋转后的图像像素移位图，重新读取图像的行数为10，则变量L重新赋值等于10。与上述方法相同，对于小于等于L/2奇数行和大于等于L/2偶数行，通过x′_B(n)序列的第2个数x′_B(2)来控制该行像素循环右移x′_B(21)位；对于小于等于L/2偶数行和大于等于L/2奇数行，通过x′_G(n)序列的第2个数x′_G(2)来控制该行像素循环左移x′_G(2)位；如图4所示，第1行至第10行根据上述的判断规则，图像第1，3，5，6，8，10行循环右移x′_B(2)位，第2，4，7，9行循环左移x′_G(2)位。

d.图像向右旋转90°，重复步骤a至步骤c，直到i＞w，得到R层置乱图像。

图像G层和B层的置乱步骤与R层的置乱步骤基本一致，只存在处理的细微区别，具体为：

①G层与R层的奇偶移位方向相反且移位控制参数不同，移位控制参数分别为x′_R(i)和x′_B(i)，如对G层中小于等于L/2的奇数行和大于等于L/2的偶数行进行循环左移x′_R(i)位，对其它行进行循环右移x′_B(i)位，具体如式(4)所示。

②B层与R层的旋转方向相反且移位控制参数不同，如B层步骤b中为向左旋转90°，移位控制参数分别为x′_R(i)和x′_G(i)，具体如式(5)所示。

图5是本发明新型图像置乱方法中解置乱过程的流程图，解置乱过程为置乱的逆过程，其具体步骤如下：

1)如置乱过程的步骤1)、2)一致，得到三个整数混沌序列x′_R(n)，x′_G(n)，x′_B(n)，1≤n≤w；

2)假设反置乱过程中各层矩阵任意时刻的行数为L，对R层的解置乱步骤为：

a.设i＝w，对R层中小于等于L/2的偶数行和大于等于L/2的奇数行进行循环右移x′_G(i)位，对R层中其它行进行循环左移x′_B(i)位；

b.一次循环移位完成后，对得到的新矩阵向左旋转90°；

c.令i＝i-1，重复步骤a和步骤b；

d.当i≤0时，R层解置乱操作完成。

对G层和B层的解置乱过程基本一致，具体细节区别为：G层各行的移位方式与R层相反，即对R层中小于等于L/2的奇数行和大于等于L/2的偶数行进行循环右移x′_G(i)位，对R层中其它行进行循环左移x′_B(i)位，且控制参数分别为x′_R(i)和x′_B(i)；而B层的解密时每次的旋转方向与R层相反，且移位的控制参数分别为x′_R(i)和x′_G(i)的移位方式进行解置乱。