【图像加密】离散小波变换结合Schur分解双重加密零水印算法【含Matlab源码 2845期】

💥💥💥💥💥💥💥💥💞💞💞💞💞💞💞💞💞Matlab武动乾坤博客之家💞💞💞💞💞💞💞💞💞💥💥💥💥💥💥💥💥
🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚤🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀

🔊博主简介：985研究生，Matlab领域科研开发者；

🚅座右铭：行百里者，半于九十。

🏆代码获取方式：
优快云 Matlab武动乾坤—代码获取方式

更多Matlab图像处理仿真内容点击👇
①Matlab图像处理（进阶版）

⛳️关注优快云 Matlab武动乾坤，更多资源等你来！！

⛄一、离散小波变换结合Schur分解双重加密零水印图像加密解密

离散小波变换（Discrete Wavelet Transform, DWT）是一种常用的信号处理技术，可以将信号分解成具有不同频率和时间分辨率的子带。Schur分解是一种矩阵分解方法，可以将矩阵分解为两个三角矩阵的乘积。双重加密是指使用两种以上的加密算法对数据进行加密，以提高安全性。零水印是一种隐蔽在数字媒体中的不可见信息，通常用于版权保护或认证。

将离散小波变换与Schur分解结合可以实现双重加密和零水印的目的。具体步骤如下：

首先，对原始数据进行离散小波变换，将信号分解成多个子带。
然后，对每个子带进行Schur分解，将子带矩阵分解为两个三角矩阵的乘积。
对其中一个三角矩阵进行加密操作，可以选择使用对称加密算法或非对称加密算法。
将加密后的三角矩阵与另一个三角矩阵相乘，得到最终的加密子带。
将加密子带进行逆离散小波变换，得到加密后的信号。
如果需要添加零水印，可以在加密信号中嵌入零水印信息。
解密时，先从加密信号中提取出零水印信息，然后使用相同的密钥和算法对加密子带进行解密。
对解密后的子带进行逆Schur分解和逆离散小波变换，得到原始信号。
这种结合了离散小波变换、Schur分解、双重加密和零水印的方法可以提高数据的安全性和隐蔽性，适用于一些对数据保密性要求较高的应用场景。

⛄二、部分源代码

% getZeroWM(‘lena.jpg’+‘TT’+‘nufe.bmp’)
clc
close all
clear all
%oriPic: 原始图片对象，可以由
oriPic = imread(‘./测试图片/lena.jpg’);

%watermark: 水印信息图片对象，可以由
watermark = imread(‘./测试图片/nufe.bmp’);
[zeroWM,WM,a,b,c,key2]=zeroshuiyin(oriPic,watermark);
for attack=0:12
switch attack
%%0.JPEG 压缩
case 0,
gongji=[1 20 90];
for i=1:3
imwrite(zeroWM ,‘attackf.jpg’,‘jpg’,‘quality’,gongji(i));
zeroWM_JPEG=imread(‘attackf.jpg’);
% 解密，得出水印。
decrypt = xor(zeroWM_JPEG,c);
WM_JPEG = Fibonacci(key2,decrypt,32,32,0);
NC_JPEG(i) = nc(watermark,WM_JPEG);%计算nc(归一化相关系数)
ber_JPEG(i)=BER(watermark,WM_JPEG);%计算误比特率
fprintf(‘JPEG压缩下，攻击参数=%d,NC=%.2f,BER=%.2f\n’,gongji(i),NC_JPEG(i),ber_JPEG(i))
end

    case 1,
        %%1. 中值滤波
        gongji=[2 5 8];
        for i=1:3
            attackf=medfilt2(zeroWM,[gongji(i) gongji(i)]);
            %     解密，得出水印。
            decrypt = xor(attackf,c);
            WM_zhongzhi = Fibonacci(key2,decrypt,32,32,0);
            NC_zhongzhi(i) = nc(watermark,WM_zhongzhi);%计算nc(归一化相关系数)
            ber_zhongzhi(i)=BER(watermark,WM_zhongzhi);%计算误比特率
            fprintf('中值滤波下，攻击参数=%d,NC=%.2f,BER=%.2f\n',gongji(i),NC_zhongzhi(i),ber_zhongzhi(i))
        end
    case 2,
        %%2. 高斯低通滤波
        gongji=[3 5 9];
        for i=1:3
            h=fspecial('gaussian',gongji(i),1);
            attackf=filter2(h,zeroWM);
            %     解密，得出水印。
            decrypt = xor(attackf,c);
            WM_gaotong = Fibonacci(key2,decrypt,32,32,0);
            NC_gaotong(i) = nc(watermark,WM_gaotong);%计算nc(归一化相关系数)
            ber_gaotong(i)=BER(watermark,WM_gaotong);%计算误比特率
            fprintf('高斯低通滤波下，攻击参数=%d,NC=%.2f,BER=%.2f\n',gongji(i),NC_gaotong(i),ber_gaotong(i))
        end

⛄三、运行结果

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]李明. 基于离散小波变换和Schur分解的图像双重加密方法[J]. 计算机工程与设计, 2019, 40(6): 1527-1532.
[2]赵雷, 孙启伟. 基于离散小波变换和Schur分解的图像双重加密算法[J]. 计算机应用与软件, 2015, 32(10): 130-13

3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除

🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合