由于网络和智能终端的普及,数字图像变得更加容易获取和使用,并且越来越多地被用于商业和日常生活中。在这种情况下,无论是保护商业机密还是保护个人隐私,对图像安全性的研究都有非常重要的意义。随着近几十年来各种高效图像加密算法(如选择加密)的发展,衡量加密图像特别是选择加密图像的视觉安全性至关重要。视觉安全指标(Visual Security Index,VSI)是在选择加密的安全分析中常用的工具。近年来,学者们已提出许多VSI来评价选择加密图像的安全性,包括图像质量评价(Image Quality Assessment,IQA)和专门用于加密图像的VSI。现有的VSI主要是比较明文图像和加密图像之间的相似度,但是它们通常在低质量的选择加密图像上表现较差。此外,研究者们虽然提出了视觉安全指标这个概念,但是并没有给出形式化的定义,因此视觉安全指标的相关概念还很模糊。另外,虽然现在已经有许多IQA被提出,但它们通常计算参考图像和失真图像之间的精确差异,然而在人类视觉系统(Human Visual System,HVS)中,不是所有的失真都是可被观察者感知的。本论文的主要研究工作和创新成果包括:(1)详细介绍和总结了现有的图像加密算法和安全分析方法,并分析了现有安全分析方法的缺点。本文将现有的安全分析分为两类,传统安全分析和视觉安全分析,并发现传统的安全分析不能有效地判断视觉信息的泄露,并且现有的视觉安全指标在加密图像上表现不能令人满意。(2)从理论上分析了视觉安全指标的安全模型,并形式化地给出了视觉安全及视觉安全指标的定义。为了准确地衡量视觉信息的泄露量,本文考虑了人类视觉系统,通过分析语义鸿沟,定义了不同等级的计算能力。在给定的威胁模型下,通过定义攻击者的优势形式化地定义了视觉安全及视觉安全指标。(3)结合人类视觉系统特性,提出了一种新的基于边缘和纹理相似度的视觉安全指标(Visual Security Index,VSI)。该视觉安全指标从两个方面衡量了明文图像和加密图像之间的内容相似度:边缘相似度和纹理相似度。该算法通过基于多阈值的边缘检测算子提取边缘相似度,利用共生矩阵获得纹理相似度。通过自适应加权将这两种相似度信息进一步整合,获得视觉安全指标。实验结果表明,与许多现有主流的视觉安全度量相比,VSI在低质量图像上表现出更好的性能。(4)考虑到选择加密算法的多样性,为了更准确地在视觉安全模型下分析加密图像的安全性,提出了一种基于关键点匹配的感知视觉安全指标(Perceptual Visual Security Index,PVSI)。PVSI利用特征提取算子获得关键点的描述并将其作为语义内容集合。通过评估明文和加密图像之间视觉相似度从而获得最终的指标。实验结果表明,与许多现有主流的视觉安全度量相比,PVSI在加密图像数据和众多公开数据库上都表现出更好的准确性和鲁棒性。(5)为了减少由不可察觉失真所带来的负面影响,提出了一种基于多尺度模糊梯度相似度偏差(Multi-scale Fuzzy Gradient Similarity Deviation,MFGSD)的全参考IQA方案。通过引入模糊推理系统,MFGSD利用模糊梯度相似度的标准差来衡量失真图像与参考图像的质量差异。本文在两个公开的图像数据库上进行了大量的实验,实验结果表明,相对于许多现有主流的IQA方案,MFGSD在不同失真类型和失真强度上具有更好的性能。