一种基于提升小波变换的数字图像多重置乱方法
【专利摘要】本发明公开了一种基于提升小波变换的数字图像多重置乱方法，属于数字图像处理领域和信息安全领域。包括图像正置乱和逆置乱两部分内容。该算法利用指定的提升小波函数，以及图像分块、随机整数矩阵扰动、低频分量与高频对角分量互换位置等多重密钥方法对图像进行置乱。实验数据表明，该算法安全性和通用性较强，具有算法简单和置乱速度快的特点，只需较少次数的置乱即可获得良好的图像置乱度和置乱效果，且逆置乱恢复图像无损。
【专利说明】一种基于提升小波变换的数字图像多重置乱方法
【技术领域】
[0001]本发明涉及一种基于提升小波变换的图像多重置乱方法，具体说是一种新的图像加密手段和信息隐藏预处理方法，属于数字图像处理领域和信息安全领域。
【背景技术】
[0002]随着数字多媒体技术的网络化发展，数字图像信息的安全和保密问题受到国家和全社会的重视。数字图像信息加密是数字图像处理领域和信息安全领域研究的热点，而数字图像置乱方法是数字图像信息加密技术中的重要方法之一。
[0003]数字图像置乱技术既可作为一种图像加密方法，又可以作为信息隐藏的预处理方法。数字图像置乱是将数字图像经过一定算法变换，使其成为面目全非的另一幅没有明显意义的混乱图像，其实质就是图像的加密隐藏，用来解决数字图像信息在网络传输和存储过程中的安全性和保密性问题。
[0004]目前常见的数字图像置乱方法大多属于空间域方法，包括Arnold变换、Fibonacci变换、仿射变换、Hilbert曲线、抽样置乱、幻方置乱、骑士巡游置乱、生命游戏置舌L、混沌序列置乱等。空间域置乱方法很多，但是没有确定的方法规律，无论是对数字图像的像素位置进行置乱，还是对像素值进行置乱，都在某方面存在着一定程度上的缺陷。比如最常用的Arnold变换和抽样技术置乱，都是对方阵图像进行置乱，且置乱结果的直方图没有改变，在通用性和安全性上比较差。Arnold变换还具有明显的周期性，即经过若干次迭代变换后，矩阵回到初始状态，其变换算法固定，要达到满意的置乱效果需经过多次迭代。其他类似算法也存在着诸如计算量大、计算复杂、周期性等问题，在置乱速度、置乱效率和置乱度等综合评价方面难以达到理想的置乱效果。
[0005]事实上，对数字图像的置乱，即可在空间域进行，也可在频域上进行。从数字图像加密的角度来说，频域加密比空间域加密更安全，且能与国际通用JPEG压缩标准兼容，在性能上更具有优越性。常见的频域置乱方法主要有傅里叶变换(DFT)、离散余弦变换(DCT)、Fourier变换以及小波变换(DWT)等，但尚未发现基于提升小波变换的图像置乱方法。
[0006]提升小波变换属于一种不依赖于傅里叶变换的第二代小波变换，具有结构简单、计算量小、逆变换直接翻转等特点，目前只在数字水印技术中有个别应用。传统小波变换的实现是通过卷积完成的，其计算复杂、运算速度慢、内存需求量大，且经过传统小波变换后产生的系数是浮点数，受到计算机有限字长的限制而不能精确地重构原始信号。而提升小波是通过一个基本小波，逐步构建出一个性质更好的小波(这就是提升的基本含义)，它不仅仅是简单地提升问题，还具有结构简单、运算量小、原位运算、节省内存空间、逆变换可直接翻转实现等特点，既保持了传统小波的优点，又克服了传统小波的局限性，正好适合数字图像置乱技术的需求。
[0007]因此考虑到，利用提升小波变换实现的数字图像置乱方法，不但可以对数字图像进行快速置乱，还可以对图像置乱效果的通用性、完整性和安全性提供保证。
【发明内容】
[0008]本发明的目的是提出一种基于提升小波变换的数字图像多重置乱方法。本算法采用了图像分块、随机整数矩阵扰动、低频分量与高频对角分量互换位置等多重密钥的创新设计方法，不但解决了诸如周期性恢复的安全问题，也满足数字图像加密和信息隐藏的鲁棒性要求。
[0009]本发明的目的是通过下述技术方案实现的:一种基于提升小波变换的数字图像多重置乱方法，其特征在于:包括正置乱和逆置乱两个过程；
[0010]所述的正置乱过程实现步骤如下:
[0011]输入待置乱的初始图像Image，读取其图像大小为MXN，设定置乱次数密钥cycle e [1，max (Μ, N)]、分块大小密钥 block (block e [I, min (Μ, N)])及选定的小波函数族名密钥wname ；
[0012](I)循环迭代开始，循环条件k = Iicycle ；
[0013](2)依次对图像的每一个分块进行缩减一倍的操作，并确定四个分量块坐标位置，然后按设定的提升小波方案进行变换，以形成4个分量图像数组[CA，CH, CV, CD]；
[0014](3)建立随机扰动矩阵密钥R，并将R与低频分量CA进行叠加:CA = CA+R ；
[0015](4)将叠加后的低频分量CA与高频对角分量CD互换位置，然后通过逆变换恢复为MXN的图像fig，正置乱的一次迭代结束；
[0016](5)当k不等于cycle，即循环未结束时，转至步骤⑵继续操作，直到迭代k次，得到置乱后图像fig，正置乱过程结束。
[0017]所述的逆置乱过程实现步骤如下:
[0018]输入置乱后图像fig，设定与正置乱过程中相同的置乱次数密钥cycle、分块大小密钥block及小波函数族名密钥wname ；
[0019](I)循环迭代开始，循环条件k = Iicycle ；
[0020](2)依次对图像的每一个分块进行缩减一倍的操作，并确定四个分量块坐标位置，然后按设定的提升小波方案进行变换，以形成4个分量图像数组[CA，CH, CV, CD]；
[0021 ] (3)建立随机扰动矩阵密钥R，并与低频分量CA进行减法操作:CA = CA-R ；
[0022](4)将低频分量CA，即原CD，与高频对角分量CD，即原CA，互换位置，再进行提升小波的逆变换，结果保存在FIG中，算法一次迭代结束；
[0023](5)当k不等于cycle，即循环未结束时，转至步骤⑵继续操作，直到迭代k次，得到的逆置乱恢复图像FIG，逆置乱过程结束。
[0024]所述的提升小波函数及小波函数族名wname，其值可以是包括“db3”、“db6”、“Sym4”、“Sym8”、“COif”等其它适合的小波函数名。
[0025]所述的低频分量CA与高频对角分量⑶互换位置，包括分量图像数组的任意位置的互换。
[0026]本发明的有益效果:使用本发明方法获得的置乱图像视觉效果良好，置乱后的图像更像白噪声，经过逆置乱恢复后的图像与原始图像相比没有任何像素误差(即因提升小波变换具有整数变换的特点)。【专利附图】
【附图说明】
[0027]图1(a)~图1(c)展示了基于提升小波变换置乱方法置乱256X5121ena图像效果图。其中图1(a)为原始图像，图1(b)为置乱16次图像效果图，图1(c)为置乱恢复图像图。
[0028]图2(a)~图2(c)展示了基于提升小波变换置乱方法置乱512X5121ena图像效果图。其中图2(a)为原始图像图，图2(b)为置乱3次图像效果图，图2(c)为置乱恢复图像图。
[0029]图3(a)~图3(c)展示了 Arnold置乱方法512X5121ena图像效果图。其中图3(a)为原始图像图，图3(b)为置乱I次图像效果。图3(c)为置乱135次图像效果图。
[0030]图4(a)~图4(c)展示了抽样置乱方法置乱512X5121ena图像效果图。其中图4(a)为原始图像图。图4(b)为置乱3次图像效果图。图4(c)为置乱77次图像效果图。
[0031]图5为提升小波变换置乱的灰度值连续置乱程度评价曲线图。
[0032]图6为Arnold置乱方法的灰度值连续置乱程度评价曲线图。
[0033]图7为抽样置乱方法的灰度值连续置乱程度评价曲线图。
[0034]图8为提升小波变换置乱的小波域局部标准差置乱程度评价曲线图。
[0035]图9为Arnold置乱 方法的小波域局部标准差置乱程度评价曲线图。
[0036]图10为抽样置乱方法的小波域局部标准差置乱程度评价曲线图。
【具体实施方式】
[0037]本发明的设计思想如下:
[0038]一、设图像大小为MXN(M、N可以不相等，即此方法直接适用于矩形图像)。本算法中设计四重置乱密钥，包括循环次数cycle e [l，max(M，N)]、分块大小block e [1，min (Μ, N)]、小波函数族名 wname e [1，37],如，db6，或 ’ sym4’ 等，以及随机扰动矩阵R e [1，max (Μ, N)]。即以512 X 512图像为例，则有C41537 ^ 211种密钥的选择，当然，也包括选择其中几种密钥组合的灵活运用，或者采用多级提升小波变换的方案，都可以极大地提高置乱安全性。
[0039]二、对提升小波变换后的低频分量CA位置与高频对角线分量CD的位置进行颠倒并对低频分量CA加上随机整数扰动。因为提升小波变换后的低频分量CA包含了人眼识别图像的主要部分，而高频对角线分量CD则对人眼而言是最不敏感的细节部分。所以，低频分量CA加上随机整数扰动已使得图像的主要部分得到了置乱，再经过与高频对角线分量CD颠倒位置后的图像在逆变换后，其置乱程度更强。当然，还可以对其它高频分量也采取颠倒位置或者加上随机整数扰动的方案，这样将会进一步加大破译的难度。
[0040]三、本置乱方法对每个分块分别做提升小波变换，不仅仅相当于对原图做了多次提升小波变换这一个方面的考虑，而且由于分块的块数改变，从而使得每次提升小波变换中的各个分量的大小做相应的改变，再加之CA与CD的位置颠倒及对低频分量CA附加随机整数扰动，从而达到进一步加大数据散乱程度的目的。当然，对于矩形图像的分块大小需能被矩形尺寸整除。
[0041]现对本发明的实现方法进行详细说明如下:
[0042]第一部分，正置乱过程的主要步骤如下:[0043]输入待置乱的初始图像Image，读取其图像大小为MXN，设定置乱次数密钥cycle e [1，max (Μ, N)]、分块大小密钥 block = 128 (block e [I, min (Μ, N)])及选定的小波函数族名密钥wname = ‘db6’ ；
[0044](I)循环迭代开始,循环条件k = 1:cycle ；
[0045](2)设定基本提升步骤 els = {’ p’，[_0.125_k*0.0010.125+k*0.001]，0}，并设定多项式插补提升方案 IsnewInt = addlift (liftwave (wname, ’ int2int’), els)；
[0046](3)依次对图像的每一个分块进行缩减一倍的操作，并确定四个分量块坐标位置，然后按IsnewInt提升方案进行变换，以形成4个分量图像数组:[CA(X, Y)，CH(X，Y),CV(X,Y), CD (X, Y)] = lwt2(double(Image(x, y)), lsnewlnt)；
[0047](4)建立随机扰动矩阵密钥 R = randperm(size (CA, I) *size (CA, 2)),并将 R 与低频分量CA进行叠加:CA = CA+R ；
[0048](5)将叠加后的低频分量CA与高频对角分量⑶互换位置，通过逆变换恢复为MXN 的图像 fig(x, y) = ilwt2 (CD(X，Y)，CH(X，Y)，CV (X, Y)，CA(X, Y)，lsnewlnt)，正置乱的一次迭代结束；
[0049]当k不等于cycle (即循环未结束)时，转至步骤(2)继续操作，直到迭代k次，得到的置乱后图像fig，正置乱过程结束。第二部分，逆置乱过程的主要步骤如下:
[0050]输入置乱后图像fig，设定与正置乱过程中相同的置乱次数密钥cycle、分块大小密钥block及小波函数族名密钥wname ；
[0051](I)循环迭代开始，循环条件k = Iicycle ；
[0052](2)设定基本提升步骤 els = {’ p’，[_0.125_k*0.0010.125+k*0.001]，0}，并设定多项式插补提升方案 lsnewlnt = addlift (liftwave (wname, ’ int2int’), els)；
[0053](3)依次对图像的每一个分块进行缩减一倍的操作，并确定四个分量块坐标位置，然后按lsnewlnt提升方案进行变换，以形成4个分量图像数组:[CA(X, Y)，CH(X，Y),CV(X,Y), CD (X, Y)] = lwt2(double(Image(x, y)), lsnewlnt)；
[0054](4)建立随机扰动矩阵密钥 R = randperm(size (CA, I) *size (CA, 2)),并将 R 与低频分量CA进行减法操作:CA = CA-R ；
[0055](5)将低频分量CA (即原⑶)与高频对角分量⑶(即原CA)互换位置，再进行提升小波的逆变换，结果保存在FIG中，算法一次迭代结束；
[0056](6)当k不等于cycle (即循环未结束)时，转至步骤(2)继续操作，直到迭代k次，得到的置乱恢复图像FIG，逆置乱过程结束。
[0057]下面结合附图对本发明
[0058]附图1给出了本算法对256X5121ena图像的置乱效果图，对矩形图像仅16次置乱即可获得满意的图像散乱度和良好的置乱效果。
[0059]附图2给出了本算法对512 X 5121ena图像的置乱效果图，对方阵图仅3次置乱即可获得满意的图像散乱度和良好的置乱效果。
[0060]附图3给出了 Arnold置乱方法512 X 5121ena图像效果图，相比较而言，该方法经过135次置乱后的视觉效果仍具有明显的纹理。
[0061]附图4给出了抽样置乱方法512X5121ena图像效果图，相比较而言，该方法经过77次置乱后的视觉效果也具有明显的纹理。[0062]可见，本发明置乱方法，在置乱速度、置乱度以及置乱效果方面都远远优于传统的置乱方法，尤其是常用的Arnold置乱方法。
[0063]附图5、附图6和附图7是根据连续区域图像置乱度评价方法(公式I)分别对本发明提升小波变换置乱方法、Arnold置乱方法和抽样置乱方法进行置乱度评价的曲线图。
[0064]对比可知:用Arnold算法迭代256次的曲线图(附图6)和抽样算法迭代256次的曲线图(附图7)，置乱度在0.2~0.8之间都有大幅度变化，说明Arnold和抽样算法的置乱度具有明显的周期性，安全性较差；而用本发明算法置乱256次的曲线图(附图5)，置乱度基本保持不变，说明本算法更稳定，而且能快速达到置乱的效果。
【权利要求】
1.一种基于提升小波变换的数字图像多重置乱方法，其特征在于:包括正置乱和逆置乱两个过程； 所述的正置乱过程实现步骤如下: 输入待置乱的初始图像Image，读取其图像大小为MXN，设定置乱次数密钥cycle e [1，max (Μ, N)]、分块大小密钥 block (block e [I, min (Μ, N)])及选定的小波函数族名密钥wname ； (1)循环迭代开始，循环条件k= 1:cycle ； (2)依次对图像的每一个分块进行缩减一倍的操作，并确定四个分量块坐标位置，然后按设定的提升小波方案进行变换，以形成4个分量图像数组[CA，CH, CV, CD]； (3)建立随机扰动矩阵密钥R，并将R与低频分量CA进行叠加:CA= CA+R ； (4)将叠加后的低频分量CA与高频对角分量CD互换位置，然后通过逆变换恢复为MXN的图像fig，正置乱的一次迭代结束； (5)当k不等于cycle，即循环未结束时，转至步骤(2)继续操作，直到迭代k次，得到置乱后图像fig，正置乱过程结束。 所述的逆置乱过程实现步骤如下: 输入置乱后图像fig，设定与正置乱过程中相同的置乱次数密钥cycle、分块大小密钥block及小波函数族名密钥wname ； (1)循环迭代开始，循环条件k= 1:cycle ； (2)依次对图像的每一个分块进行缩减一倍的操作，并确定四个分量块坐标位置，然后按设定的提升小波方案进行变换，以形成4个分量图像数组[CA，CH, CV, CD]； (3)建立随机扰动矩阵密钥R，并与低频分量CA进行减法操作:CA= CA-R ； (4)将低频分量CA，即原CD，与高频对角分量CD，即原CA，互换位置，再进行提升小波的逆变换，结果保存在FIG中，算法一次迭代结束； (5)当k不等于cycle，即循环未结束时，转至步骤(2)继续操作，直到迭代k次，得到的逆置乱恢复图像FIG，逆置乱过程结束。
2.根据权利要求1所述的一种基于提升小波变换的数字图像多重置乱方法，其特征在于:所述的提升小波函数及小波函数族名wname，其值可以是包括“db3”、“db6”、“ sym4”、“Sym8”、“COif”其它适合的小波函数名。
3.根据权利要求1所述的一种基于提升小波变换的数字图像多重置乱方法，其特征在于:所述的低频分量CA与高频对角分量CD互换位置，包括分量图像数组的任意位置的互换。
【文档编号】G06T1/00GK103985081SQ201410231666
【公开日】2014年8月13日 申请日期:2014年5月27日 优先权日:2014年5月27日
【发明者】张绍成, 范铁生, 王青松, 曲大鹏, 李鹏, 王丹华 申请人:辽宁大学