【图像加密】基于差分扩展缩略图的图像加密算法Matlab实现

 ✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、期刊写作与指导，代码获取、论文复现及科研仿真合作可私信或扫描文章底部二维码。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

🎁  私信完整代码和数据获取及论文数模仿真定制

🔥 内容介绍

基本原理

• 以块为单位，将块分为调整区和嵌入区，利用差分扩展将调整区中的像素的MSB嵌入嵌入区，加密后通过改变调整区像素的MSB使块平均像素与原始平均像素值基本一致从而达到缩略图保持。

应用场景

• 云端的图片保存等

具体步骤

一.腾空间

对块进行处理

1. 记录调整区的MSB

2. 对嵌入区的像素进行分类

   • EZ ：h=0 || h=-1

   • EN : |2*h+b| <= min(2(255-l), 2l+1)    即可拓展集合

   • CN : |2*[h/2]+b| <= min(2(255-l), 2l+1    即可变集合

   • NC : 不满足上述两个条件，即不可变区

   • l = [x+y]/2    

   • h = x-y

   • 每两个像素为一组

   • 计算两个像素之间的平均值以及差值

   • 通过判断 |2h+b| , |2[h/2]+b| 与 min(2(255-l),2l+1) 之间的关系，从而对每组像素进行分类

   • 考虑到空间因素，将EN分为EN1和EN2两部分一部分作为可拓展部分，一部分作为可变部分

3. 生成待嵌入数据

   • （若MSB>1，则将每个像素的同一位一起保存，例如将每个像素的最高位收集在一起，然后将次高位收集存在所有最高位之后）

   • locate-map用于标记可拓展像素组

   • 对属于EN2和CN集合的像素组的h的LSB部分进行收集(h=1 || h=-2时不用记录)

   • 调整区的MSB部分

   • 将locate-map以及MSB部分进行游程编码来进行压缩

   • 整合为块嵌入数据: data = Encode(locate-map) + LSB + Encode(MSB)

4. 进行预备工作

   • h' = 2*[h/2]

   • h' = 2*h

   • 对于可拓展像素组

   • 对于可变像素组

   • x' = l+[(h'+1)/2]      

   • y' = l-[h'/2]

对图像整体进行处理

1. 整合待嵌入数据

   • 对块内得到的数据信息进行编码，这里采用的是当遇到连续8个‘1’时，在后面加上‘0’

   • 对块与块数据之间插入分隔符‘01111111110’用于区别

2. 对图像整体进行数据嵌入

   • h' = h+b  (b为待嵌入比特)

   • 若数据已经嵌入完成，则不再进行嵌入操作

   • CH ：|2*[h/2]+b| <= min(2(255-l), 2l+1 即可变集合

   • NC ：不可变区

   • 通过判断 |2*[h/2]+b| 与 min(2(255-l),2l+1) 之间的关系，从而对每组像素进行分类

   • 对于可变像素组

   • x' = l+[(h'+1)/2]      

   • y' = l-[h'/2]

二.加密

• 此处用简单的流加密方式进行加密，当然可以采用更安全的加密方式（包括会改变像素位置的加密方式，但一定要记录可调整区像素位置用于调整）

三.调整

• 通过不断改变调整区像素的MSB，找出所有可能中最接近于原图像块平均像素的一组数据（即遍历查找）

四.解密

• 此处和加密一致，直接将加密过程用于解密即可

五.提取

对图像整体进行处理

1. 将嵌入区的像素组分类

   • CH ：|2*[h/2]+b| <= min(2(255-l), 2l+1 即可变集合

   • NC ：不可变区

   • l = [x+y]/2    

   • hh = x-y

   • 两个像素一组

   • 计算两个像素之间的平均值以及差值

   • 通过判断 |2*[h/2]+b| 与 min(2(255-l),2l+1) 之间的关系，从而对每组像素进行分类

2. 可变集合CH中的hh的LSB位即为嵌入的信息

3. 对提取的信息进行解码，并根据分隔符将整体嵌入信息分解为各个块的嵌入信息

对块进行处理

1. 计算出嵌入信息各组成部分压缩前的大小

   • locate-map：(blocksize-2)*(blocksize-2)/2

   • MSB：blocksize*4-4

   • LSB：size(data) - size(locate-map) - size(MSB)

2. 对经过压缩的嵌入数据进行还原

   • 从data的首部开始：边还原MAP边对已经还原的MAP元素个数进行计算，当达到locate-map原大小时停止

   • 从data的尾部开始：边还原MSB边对已经还原的MSB元素个数进行计算，当达到MSB原大小时停止

   • 两部分中间的即为LSB部分

3. 将嵌入区的像素组分类

   • CH ：|2*[h/2]+b| <= min(2(255-l), 2l+1 即可变集合

   • NC ：不可变区

   • l = [x+y]/2    

   • hh = x-y

   • 两个像素一组

   • 计算两个像素之间的平均值以及差值

   • 通过判断 |2*[h/2]+b| 与 min(2(255-l),2l+1) 之间的关系，从而对每组像素进行分类

4. 对可变区的像素进行还原

   • 对于属于EZ & EN1的像素组（即locate-map中值为1）： h = [hh/2]

   • 0 <= hh <= 1:  h = 1

   • 12 <= hh <= -1:  h = -2

   • else:  h = 2*[hh/2]+LSB

   • x = l+[(h+1)/2]

   • y = l-[h/2]

5. 对调整区像素进行还原

   • pixel = pixel(8-MSB)+MSB

⛳️ 运行结果

🔗 参考文献

[1] 耿桂华.数字图像混沌加密算法的研究与设计[D].重庆大学,2011.DOI:CNKI:CDMD:2.2010.217744.

[2] 刘志军.基于复合混沌与仿射变换的彩色图像加密算法[J].山东大学学报：工学版, 2016, 46(4):8.DOI:10.6040/j.issn.1672-3961.0.2015.367.

🎈 部分理论引用网络文献，若有侵权联系博主删除

👇 关注我领取海量matlab电子书和数学建模资料

擅长领域：

🌈 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、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位

🌈 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、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、用电量预测、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

🌈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

🌈 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、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

🌈 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、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

🌈 通信方面

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、水声通信、通信上传下载分配

🌈 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、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌈电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电

🌈 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌈 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌈 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇