压缩感知理论在数字图像加密中的应用研究

来源 :河南大学 | 被引量 : 0次 | 上传用户:ckxworkman
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
物联网、云计算、大数据、人工智能等新一代信息技术日新月异,正在深刻改变世界、改变着人们的生产和生活方式。信号处理领域传统的Nyquist-Shannon信号采样定理已无法满足实际应用需求,时代呼唤新技术“破茧化蝶”。压缩感知(Compressive Sensing)理论应时而生,突破了Nyquist-Shannon采样定理,它以比Nyquist采样频率要求的采样密度更稀疏的密度对信号进行随机亚采样,通过特别的追踪方法将原始信号恢复,使得用于恢复信号的数据量远少于传统采样所需要的数据量,在采样的过程中同时实现采样和压缩。压缩感知理论已在磁共振成像、图像处理、雷达等领域得到广泛的应用。混沌系统所具有的伪随机性、对参数和初值的极度敏感性、遍历性等优良特性,使其特别适用于数字图像加密。DNA(Deoxyribonucleic Acid)计算具有高度并行性、海量存储能力、低耗能、DNA序列丰富等天然特性,被广泛应用于解决生物、化学、数学、计算机科学等领域中复杂性计算问题,DNA图像加密目前已发展成为一个研究热点。为了保障数字图像安全,同时兼具低采样率、所需存储空间小、数据传输量少等特点,本文基于压缩感知理论,并结合混沌系统和DNA计算技术,设计了两种数字图像加密算法。主要工作和研究内容如下:1、提出了一种基于压缩感知和KPCA的彩色图像压缩加密方案。首先,将彩色明文图像划分成红、绿、蓝三基色分量,结合字典学习、K奇异值分解(KSVD)和主成分分析(PCA)技术,提取特征向量作为字典中原子的更新,减少误差并对分量矩阵进行稀疏表示。其次,用明文图像、哈希函数SHA-512和初始密钥更新混沌系统初始值和参数,并产生密钥流。然后,利用混沌系统生成的混沌序列来构造测量矩阵,并利用压缩感知理论测量稀疏矩阵,得到测量值。最后,利用密钥流对测量值执行置乱和扩散操作,从而得到最终的密文图像。实验结果表明,所设计的加密方案具有良好的压缩和加解密性能,以及较高的安全性,对噪声攻击和数据损失具有较强的鲁棒性。2、提出了一种基于压缩感知和Hachimoji DNA编码的双彩色图像加密方案。首先,利用压缩感知理论对两幅原始明文图像分别做二维离散小波变换,得到两组稀疏系数。其次,利用三个改进的低维混沌映射构造测量矩阵,并对前述稀疏系数进行测量,得到两组测量值。然后,将两组测量值拼接组合成一幅图像,并根据Hachimoji DNA编码规则,对图像进行DNA加密处理。最后,为进一步提升算法的安全性,将加密后的DNA序列矩阵转换为数字加密图像,并利用密钥流对数字加密图像进行扩散处理,从而得到最终的密文图像。在所提出的算法中,结合明文图像、SHA-256哈希函数和初始密钥更新混沌系统的参数和初值,并产生密钥流。仿真结果和安全性分析验证了所设计加密方案的有效性和安全性。
其他文献
随着物联网移动终端的大规模推广,移动终端供能问题成为无线通信系统的研究热点。解决供能问题的能量收集技术引起了科研工作者的极大关注,传统能量收集技术从自然能源中收集能量,可以有效解决供能问题。但由于自然能源的间歇性和不可预知性等特点,该技术易受自然环境变化因素影响,从而引发供能不稳定问题。新颖的无线携能(Simultaneous Wireless Information Power Transfer
学位
目标识别技术研究是计算机视觉研究领域中重要的研究方向之一,该技术也已逐渐成为计算机应用领域中提供准确目标类别信息的一项重要技术。当前,很多目标识别技术均是基于深度学习框架实现的,但是在实际应用中,成像探测器获取原始图像数据并作为深度学习框架的输入,进而实现目标识别的方式并非高效,数据获取并识别的过程包含了大量的冗余信息,降低了识别效率,虽然池化层等网络层次的出现实现了深度学习框架数据量的降级,但与
学位
随着文档分析与识别国际赛事(International Conference on Document Analysis and Recognition,ICDAR)的举行和模式识别技术的发展,场景文本图像检测和识别技术成为当今计算机视觉领域的研究热点。场景文本图像是指在自然场景中通过终端设备采集的图像。准确定位出图像中的文本区域并进行语义分析在图像检索和智能驾驶等领域有重要的应用价值。现在关于场景
学位
地形校正作为遥感影像预处理的重要组成部分,可以有效削弱地形起伏导致的地表接收太阳辐射不均匀和地表反射率失真问题,校正算法的精度和实际应用能力一直以来都是遥感定量反演领域的研究热点。基于数字高程模型(Digital Elevation Model,DEM)的地形校正模型是目前校正精度较高、应用范围较广的一类模型,其中以Minnaert地形校正算法为代表的非朗伯体模型考虑了地表的非朗伯体特性,更加接近
学位
无线传感器网络(Wireless Sensor Networks,WSN)由于其节点体积小、成本低和可随机部署性高等显著优势,已在军用和民用等领域广泛应用。但是,WSN中由于分布的节点个数较多,网络环境复杂多样,不合理的节点选择,会导致网络中工作节点冗余、网络能耗过大、寿命短等问题。因此,研究不同场景约束条件下的节点选择方法,对节省网络资源、延长网络生存周期、提高网络估计性能具有重要意义。本文主要
学位
近年来,自动驾驶技术、人脸识别、人体姿态估计、三维重建、深空探测(月球、火星探测)以及卫星系统定位等技术引起了学术界和工业界的广泛关注,并吸引了大量的研究学者对此领域展开研究。随着遥感卫星对地观测的数据具有分辨率高、幅宽广的特点,其中相机姿态估计是确定遥感卫星相机传感器方位的基础,由于观测数据时其姿态是不断变化的,这使得地表数据不能保持设定的理想姿态,降低了遥感卫星相机姿态估计的精度。为了克服传统
学位
故障诊断是保障智能制造过程中设备安全、高效运行的关键技术之一。实时性和精确性是判断故障诊断效果的重要指标。在实际的工业现场中,有标签的故障样本获取较为困难,而负载的改变也会导致采集到的数据质量偏低。深度学习作为一种有效的数据特征抽取工具,在数据驱动的故障诊断领域得到广泛应用,但深度学习故障诊断的实时性和精确性受到三个方面因素的影响,即数据的数量、数据的质量和数据的利用方式。一方面是有标签的故障数据
学位
由于我国工业化、城市化进程的加快,致使大气污染问题日益严重。在大气污染排放物中,由地表热异常点中的秸秆焚烧和重工业企业生产活动排放的污染物占比最大。卫星遥感技术能精准快速地监测热异常点,弥补了传统人工监测的耗时和不精确等问题,已被应用于我国热异常点的监测研究中。MODIS传感器热异常数据产品具有完整的时间序列,适合作为研究长期热异常年际变化趋势的数据。由于MODIS数据下载、处理困难,致使利用它对
学位
车辆路径问题的研究促进了现代物流和垃圾运输等行业的发展。随着电子商务和物流行业的迅速发展,物流配送路线的合理规划能够降低车辆配送成本,减少社会资源浪费,对社会经济的可持续发展起着非常重要的作用。城市人口的快速增长和社会经济的迅速发展促进了我国城市化进程,同时城市生活垃圾的产生量呈逐年快速增长的趋势,因此及时高效的处理城市生活垃圾变得尤其重要,然而城市生活垃圾的运输问题是对其处理的重要环节,这关乎到
学位
基于判别式相关滤波器的目标跟踪方法具有较高的跟踪精度和较快的跟踪速率,被广泛应用于如人机交互、智能交通、安防监控、智慧医疗以及航空航天等领域。但是,在目标跟踪过程中,运动目标存在形变、长宽比变化及超出视野范围等情况,相机拍摄时会受到遮挡、光线变化、背景杂乱及摄像机抖动等外在因素的干扰,这些都为构建跟踪目标外观模型、滤波器模型以及目标尺度估计模型等带来了巨大挑战,极大地限制了跟踪的鲁棒性。因此,本文
学位