压缩感知技术在图像加密中的应用研究

来源 :重庆大学 | 被引量 : 1次 | 上传用户:liongliong421
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
压缩感知是一种新型的信号采样模型,能够通过设置欠定线性系统来有效地捕获和恢复信号。通过利用自然界的信号通常是稀疏或可压缩的特性,压缩感知理论表明通过少部分线性、非自适应的测量值可以高概率地重构信号。在这种新颖的信号采样模型中,压缩过程直接被融入到采样过程中。因此,由于其固有的特征,自提出以来,压缩感知在诸多领域引起了高度关注。
  由压缩感知的采样系统可知,投射到随机子空间的测量值可以被视为信息保护的一种方式。压缩感知框架可以被看作是一种对称密码加密方案,其中压缩感知框架中的信号、测量矩阵和测量值分别对应于密码方案的明文、密钥和密文。图像作为多媒体数据的一种常见的呈现形式,经常被用于信息传输中。由于自然界图像的像素之间具有很高的相关性,并且压缩感知在为信号提供保护机制的同时还可以减少数据的冗余性。因此,在考虑图像安全的应用场景中,压缩感知是一个有前景的保护图像安全的技术。
  然而,对压缩感知框架进行安全分析的结果表明除非测量矩阵为高斯矩阵,并且待采样的信号具有相同的能量时,否则传统的压缩感知密码系统不能实现完美安全。另外,在测量矩阵被重复利用的情况下,如果在设计图像加密方案时只考虑传统压缩感知技术,则加密方案不能抵抗选择明文攻击。因此,本论文主要围绕压缩感知技术在图像加密中的应用,针对性地做了以下几个方面的工作:
  ①分析总结了把基于压缩感知技术的各种密码系统运用到图像加密中所存在的安全问题以及重构质量问题。另外,从稀疏信号处理及测量矩阵生成等角度说明在压缩感知中可能融入的一些密码特征,引入安全机制,从而为设计出基于压缩感知的图像加密方案提供更多的角度。
  ②在测量矩阵被重复利用的情况下,为了平衡密码系统的效率和安全性,提出了融合稀疏信号变换和并行压缩感知的图像加密方案。该方案在进行压缩感知采样之前对稀疏系数矩阵进行变换,不仅可以提高算法的安全性,而且可以保护图像的能量信息。另外,由于稀疏信号变换是一种线性操作,从而不会增大计算开销。而且,实验结果和理论分析表明加密方案可以抵抗选择明文攻击。
  ③为了实现密文图像的可视化安全,提出了基于并行压缩感知的可视化安全图像加密方案。加密方案不仅可以保护明文图像的信息,而且可以实现密文图像的可视化安全。首先,利用融合计数器模式的并行压缩感知对图像加密和压缩得到秘密图像。然后,将秘密图像嵌入到载体图像中生成密文图像。为提高算法的安全性,其中秘密图像的嵌入方式由混沌系统决定。解决了现有方案中存在的两个问题:一是载体图像选择的灵活性,即重构图像的质量不会受载体图像的影响,使得加密方案在实际应用中更有应用前景;二是秘密图像的可逆性,即能够从密文图像中准确无误地提取出秘密图像,从而可以稳定地重构图像。
  ④为同时实现压缩感知的采样和测量值的扩散,提出了基于嵌入扩散矩阵的并行压缩感知图像加密方案。在进行压缩采样的同时,方案不仅可以保护图像能量信息的隐私性,并且攻击者也不能从测量值的信息分布中统计出明文图像的像素分布。另外,通过不断更新扩散矩阵,保证加密方案可以抵抗选择明文攻击。而且,理论分析和实验仿真结果表明方案在提高密码系统安全等级的同时,不会因为引入扩散矩阵而影响解密图像的质量。
  ⑤考虑到数据在不安全的信道传输过程中可能会遭受到攻击,由于稀疏信号的重构过程非常耗时,为了能够在重构图像之前可以验证数据的完整性,提出了基于压缩感知的图像加密和认证方案。在密文图像遭受攻击时,方案不仅能够验证密文图像的完整性,还可以定位被篡改的区域。
其他文献
量子网络是在量子系统之间实现信息传输、建立量子关联的重要媒介,它满足了量子信息系统的扩展需求,在量子信息技术由理论实验走向大规模实用化的过程中发挥着关键性的作用。本文工作围绕解决量子网络构建中的典型问题以及扩展量子网络的应用领域展开,分别对量子消相干的建模与分析、量子态的传输与存储、量子系统的消相干控制、基于量子网络的远程量子博弈以及对博弈问题量子化方式的扩展五个方面的问题进行了研究。本文的主要研
学位
近年来,随着互联网技术和在线社交网络的发展,人们可以随时随地创作、浏览、转发、评论各种信息,在个人创作和消费信息的同时提高了信息在时空传播的效率。与广播、电视、报纸等大众传媒相比,在线社交网络从根本上改变了信息传播的方式和机理,逐渐成为信息发布和传播的主流平台。社交网络信息传播的相关研究,不但能够帮助人们认识社交网络本身,解释网络群体行为规律,预测信息传播趋势,而且在公共舆论导控、精准市场营销、信
学位
运动目标行为分析是无人车研究的难点问题,本文着眼于提高无人车复杂环境下的场景理解能力,以相关性表示为切入点,开展运动目标行为分析方法研究。论文的主要研究成果和创新点如下:  1.提出一种基于时空显著性的级联相关滤波算法。该算法深入研究序贯图像中的目标行为特性,利用相关滤波方法对目标行为特征进行在线建模,并针对相关滤波算法固有的边缘效应问题,研究多层次特征的级联表示,利用高层次特征表示整体语义,提升
学位
高质量的预测结果对人们的生产生活具有重要的指导意义,有利于人们制定出更可靠的决策方案。预测是根据事物过去发展的现律,估计其未来发展趋势的一种理论。近十几年,各领域专家学者提出了数以万计的预测方法,预测学科得到了突飞猛进的发展。随着大数据时代的到来,挖掘海量非结构化和半结构化数据中蕴含的信息对预测方法提出了新的挑战。同时,如何提高预测方法在特定领域的精度成为了一个预测研究的重要研究方向。深度信念网络
学位
复杂任务往往需要异构多智能体合作才能完成,而联盟是实现合作的重要方法之一。同时,在分布式系统中,通信是多智能体合作执行任务的前提。因此,在同时承担通信和任务执行的条件下,智能体如何合理有效地组建联盟是提高多智能体系统应对复杂任务的关键之一。然而,适合于通信的联盟结构(Coalition Structure,CS)不一定适合于合作完成任务,适合于合作完成任务的联盟结构也不一定能满足通信的要求;因此,
学位
由于决策与人的思维和认识有着密切的关系,决定了决策科学是一个十分复杂的系统科学。在许多现实的决策过程中,由于决策问题自身的复杂性、不确定性和人类思维、认识的模糊性及参与决策的专家个人偏好等不确定性,形成了一类包含语言值数据的不确定决策问题,这类含有语言信息的决策问题一直是决策科学研究的一个难点。  Zadeh教授于上个世纪六十年代建立的模糊集理论,为人们处理模糊的语言信息提供了有力的工具。但是,在
该文所做的工作主要就是围绕其中的图像特征和高维索引展开的.图像特征的重要性在于它是图像检索的基础,一个好的图像检索系统必须能够提取出最能描述图像内容的特征来,否则后面的相似性检索就无从谈起.在诸多特征中,色彩特征是最为常用的一种.它不仅有良好的视觉特性,在复杂背景下有较强的鲁棒性,而且对图像尺寸和拍摄视角等具有相对的独立性.所以也是被使用最广的.目前对于色彩特征的研究,已经从早期的直方图发展到了结
学位
交通流量预测是指通过历史交通数据估计在未来某一时段某一指定区域通过的车辆数量。交通流量预测是智能交通系统的一个重要组成部分,其预测精度对于交通控制系统的有效实现具有重要的意义。虽然交通流量预测问题已研究长达数十年,但是现有的预测方法仍然存在一些不足。这些不足主要表现在:浅层模型难以揭示交通流量数据的内在时空关系;许多方法将特征学习和回归预测分离,使得模型性能下降;手工提取特征不能适应问题的复杂性;
科学技术的发展,尤其是智能移动互联和物联网相关技术的普及,影响了数据的维度、大小、种类以及产生方式,增加了数据的复杂度,从而使数据的标注愈加困难。所以,如何在类标未知的样本中解决模式识别的相关问题成了无监督学习应用的背景。在无监督学习中,聚类和异常检测是两类广泛使用的方法。  早在《战国策.齐策三》中,我们的先人就提出了“物以类聚,人以群分”的思想。近年来,密度代表点这一概念被广泛应用于聚类分析领
学位
随着社会的快速发展,模式识别已在各行各业受到了广泛地关注,并已成为当今社会生活中的实际应用。模式识别研究内容包括了数学、机器学习、计算机视觉、人工智能、神经科学以及认知科学等多门学科,是一个具有挑战性的理论研究难点,也是一个快速发展的挑战性应用问题。作为模式识别的核心内容,特征提取主要研究如何从高维观测数据中学习到有利于识别任务的判别属性,特征提取模型的质量直接决定着模式识别的性能。特征提取研究是
学位