基于分数阶变换的信息安全与图像融合算法

【摘要】： 随着网络和信息技术的迅猛发展,信息给人们生活带来极大便利的同时也出现了很多安全隐患,信息安全技术的研究变得越来越重要。图像作为信息表达方式的主流,图像信息安全问题成为人们关注的焦点。作为两种常用的图像信息安全技术―――图像加密和图像水印,探索其新的算法对图像信息安全技术的发展具有重要理论意义和实用价值。本文主要研究变换域的图像信息安全算法。本文还研究了遥感图像融合算法,从算法形式上讲,图像融合可看成一种可视水印,其在遥感领域中的应用非常广泛。具体研究工作概括如下: 提出了一种彩色图像加密算法。常用的RGB色彩空间不能很好地适应实际中人眼所能解释的颜色,因为彩色图像并不真的是由三原色图像简单合成的。人眼所能解释的颜色应由亮度(Intensity)、色度(Hue)和饱和度(Saturation)来描述,IHS色彩空间很好地满足上述特点。把RGB彩色图像变换到IHS空间,对IHS空间中的不同成分分别用离散分数随机变换和阿诺德变换进行加密。阿诺德变换是一种位置加密形式,离散分数随机变换是一种像素值和位置的双重加密形式。离散分数随机变换的随机性保证了该算法的安全性,离散分数随机变换的分数阶和阿诺德变换的迭代次数进一步提高了算法的安全性。加密算法密钥一般需要保存下来为解密服务,相对于传统的双随机相位编码加密,该算法在保证较高安全性的同时节省了密钥存储空间,对常用的破解攻击还具有良好的鲁棒性。 研究了离散分数随机变换用于水印算法的鲁棒性。离散分数随机变换既具有分数傅里叶变换良好的数学性质,还具有自身特有的随机性。比较分析了离散傅里叶变换、离散分数傅里叶变换、离散余弦变换和离散分数随机变换域相同水印算法的鲁棒性。由于离散分数随机变换谱的随机分布特点,变换谱能量均匀分散开来,在保证较高水印容量的同时对常用的攻击也有较好的鲁棒性。由于该变换的随机性,变换本身就是密钥,其较长的密码长度加强了水印算法的安全性,这是其它三个变换无法具备的。在该变换的半周期处,对于实数的输入会产生实数的输出,相对于复数的输出结果,这一半周期实数化的特点便于数据存储和节省存储空间。 提出了分数傅里叶变换域的光学水印算法。主图像和水印分别放在分数傅里叶变换的输入和输出平面上,利用随机相位编码来嵌入水印并给出了光电混合实现装置。整个水印系统可以看成一个封装的系统,只要输入一个主图像就能通过这个系统检测或提取出水印。不管是水印嵌入还是水印提取过程都未对主图像带来任何改变,保证了水印算法理想的不可见性,也保证了水印提取后原始主图像的内容能完整地恢复到原来的状态。该算法计算速度快,便于实时实现。由于原始主图像位于相位而不是振幅上,当攻击强度达到一定程度后,再增大攻击强度,提取的水印质量不再继续下降而是趋于不变,体现出了良好的鲁棒性。 提出了离散分数随机变换域的遥感图像融合算法。把离散分数随机变换引入到图像融合领域中。该变换的随机性让由融合带来的信息改变分散开来,相对于集中性的改变,保证了较小的光谱失真;随机变换谱的均匀性保证了当变换谱的任意位置受到破坏时基本都能给出可以接受的融合结果,相对于能谱集中的变换中特定位置受到破坏时可能导致整个波段的信息丢失,保证了算法一定的鲁棒性。对随机变换谱中的光谱信息部分和空间细节部分根据不同的融合目的采用不同的融合规则进行融合。实际多光谱图像和全色图像的数值结果表明该算法在保持多光谱图像光谱信息的同时加入了全色图像的空间细节信息,并且具有较强的光谱信息保持能力。 基于最大期望算法和协方差交叉原理提出了一种遥感图像融合算法。把图像融合看成估计问题,即从低空间分辨率的多光谱图像和高空间分辨率的全色图像估计出高空间分辨率的多光谱图像。一般估计方法假设数据源是互相独立的,实际图像之间存在一定的相关关系,为此引入协方差交叉算法。协方差交叉算法对具有任何交叉相关关系的数据源都能通过凸组合给出无偏且一致的估计值。数据源的协方差信息往往是未知的,用最大期望算法给出协方差的最大似然估计,从而协助协方差交叉算法实现了图像融合。相对于传统融合方法,该算法在考虑数据源之间相关关系的同时,还能给出一致精确的估计值。遥感图像的仿真结果表明该算法能很好地达到融合目的且比传统方法具有更好的光谱信息保持能力。 提出一种图像配准和图像融合联合的最大似然方法。把图像配准和图像融合都看成估计问题,区别于传统中图像配准和图像融合分开进行处理的方法,用最大期望算法(Expectation maximization, EM)联合这两个过程,图像融合在E步进行,配准参数在M步得到更新。该联合方法中融合性能作为配准精度的评价标准,在优化融合性能的同时配准参数得到自动调整。数值结果表明估计的均方差值与理论极限Cramer-Rao界接近且一致。