基于混沌理论的图像置乱算法

龙源期刊网 https://www.360docs.net/doc/9312394947.html,

基于混沌理论的图像置乱算法

作者：杨勃葛学锋解海燕

来源：《电子技术与软件工程》2017年第23期

摘要图像置乱技术作为一种图像加密处理的方法，越来越多的应用于图像在网络的传播当中。本文分析了置乱算法的研究现状，对Logistic混沌算法进行了研究，并通过MATLAB

仿真实验对该算法进行了验证分析。

【关键词】图像加密图像置乱 Logistic混沌算法

1 引言

随着“互联网+”时代的来临，越来越多的图像信息在网络中进行着传播。这些图像信息有可能涉及到个人隐私或者是商业机密甚至是国家安全问题，所以如何保证这些信息的安全，越来越多的受到了人们的关注。图像置乱技术作为一种有效的保护图像安全传输的方法被专家学者们所研究。

2 图像置乱技术研究现状

图像置乱技术是通过相关算法将图像的空间域或频率域进行改变，从而达到图像加密目的的一种有效的加密方式。目前经过专家学者们的研究，图像置乱技术主要为基于空间域的置乱和基于频率域的置乱。基于空间域的置乱方法是通过某种算法将图像的像素坐标位置进行改变，从而改变图像的样貌，达到置乱的效果。此方法只是将图像的像素坐标位置进行了打乱，并没有改变图像的信息（直方图），所以容易被破解，安全性低。常见的算法有Arnold 变换、Hilbert 曲线变换和Fibonacci变换等。基于频率域的置乱方法是通过相关算法将图像的像素值进行改变，从而达到置乱效果。该方法不仅改变了图像的样子，还改变了图像的信息，所以加密效果更好，安全性更高。常见的算法有混沌变换、Gray 码变换。

3 混沌理论

混沌是曲线性稳定运动中的一类看似没有稳定运动轨迹可循的、看似随机的现象。混沌理论具有非线性特性、不确定性、不可重复、不可预测、对初始条件敏感等特性，对于需要加密文件的处理有很好的应用，所以混沌理论被越来越多的运用到图像置乱算法中。由于混沌理论的复杂性和不确定性，所以至今还没有一个标准的定义被所有人所公认，每位专家学者都有自己对于混沌的定义。Logistic混沌映射定义是由R·May于1976年提出的，因其表达式简单且

性能优良，被广泛运用到混沌映射中。Logistic混沌映射定义为：

f（x）=μx（1-x），x∈[0，1] （1）

公式（1）中μ是分支参数，取值范围：0≤μ≤4，x为初始值，取值范围0≤x≤1。

图像匹配的主要方法分析

图像匹配的主要方法分析在我国的图像处理中，有很多的关键技术正在不断的发展和创新之中。这些相关技术的发展在很大程度上推动了我国图像处理事业的发展。作为图像处理过程中的关键技术，图像匹配技术正在受到越来越多的关注。文章针对图像匹配的主要方法进行详细的论述，希望通过文章的阐述和分析能够为我国的图像匹配技术的发展和创新贡献微薄力量，同时也为我国图像处理技术的发展贡献力量。标签：图像处理；图像匹配；特征匹配；方法在我国的图像处理技术中，图像的匹配技术不仅仅是其中的重要组成部分，同时还是很多图像技术的发展创新的技术基础。例如图像技术中的立体视觉技术；图像技术中的运动分析技术以及图像技术中的数据融合技术等。通过上述内容可以看出，在我国的图像技术中，图像匹配技术具有非常广泛的应用。随着我国的相关技术不断的创新和发展，对于图像匹配技术的要求也是越来越高。这样就要求我国的图像匹配技术有更深层次的研究和发展。我国现阶段的研究主要是针对图像匹配过程中的匹配算法进行研究，希望借助研究能够更加有效的提升在实际的工作应用中的图像质量，同时也能够在很大程度上提升图像处理的图像分别率。文章的主要陈述点是通过图像匹配技术的具体方法进行优点和缺点的分析，通过分析优点和缺点来论述我国图像处理技术中的图像匹配技术的发展方向以及改进措施。近些年出现了很多的图像匹配方法，针对现阶段的新方法以及新的研究思路我们在实际的应用过程中要有一个非常清醒的选择。文章针对这一问题主要有三个内容的阐述。第一个是图像匹配技术的算法融合；第二个是图像匹配技术中的局部特征算法；最后一个是图像匹配技术中的模型匹配具体算法。 1 现阶段在世界范围内较为经典的图像匹配技术的算法关于现阶段在世界范围内的较为经典的图像匹配技术的算法的阐述，文章主要从两个方面进行分析。第一个方面是ABS图像匹配算法。第二个方面是归一化相互关图像匹配算法。下面进行详细的论述和分析。（1）算法一：ABS图像匹配算法。ABS图像匹配算法最主要的原理就是要使用模板的图像以及相应的匹配图像的搜索用窗口之间的转换差别来显示两者之间的关联性。图像匹配的大小在数值上等同于模板图像的窗口滑动顺序。窗口的每一次滑动都会引起模板图像的匹配计算。现阶段ABS的算法主要有三个，如下：在选择上述三种计算方法的过程中要根据实际情况社情相应的阀值，否则会出现很高的失误率。上述的三种算法使用范围较狭窄。只使用与等待匹配的图像在模板影像的计算。（2）算法二：归一化相互关图像匹配算法。归一化相互关的图像匹配算法在现阶段是较为经典的算法。通常专业的称法为NC算法。此计算方法主要是采

一种图像置乱算法及其在数字电视中的应用研究

通讯作者：JongWeon KIM ，jwkim@smu.ac.kr 基金项目：2009年度MCST&韩国著作权委员会技术开发项目结果一种图像置乱算法及其在数字电视中的应用研究崔基哲 1 张波1 JongWeon KIM 2 1 (延边大学经济管理学院信息管理与信息系统延吉 133002) 2 (韩国祥明大学著作权保护专业教授 Seoul, KOREA 100080) (cuijizhe@https://www.360docs.net/doc/9312394947.html, ；zhangbo0037@https://www.360docs.net/doc/9312394947.html,; jwkim@smu.ac.kr ) 【摘要】本文阐述了数字电视加解密原理，并介绍了图像置乱算法及其它在数字电视行业中的应用。我国的数字电视行业已经迈入高清时代，但收费节目的管理、卫星传播与有线传播的协调等问题上，还需要成熟的解决方案。本文提出了基于离散余弦变换的图像置乱算法，可适用于收费电视节目的安全管理。通过本算法可以简化原数字电视加解密系统的两端间的交互流程，增加CA 共享所带来的安全性。经测试发现，提出的图像置乱算法抑制了其他置乱算法中存在的块效应，算法基本满足数字电视的管理及播放要求，无需增加硬件费用。【关键词】图像加密；置乱算法；数字电视；条件接收系统；离散余弦变换【中图分类号】TN05 【文献标识码】A 【文章登记号】7-16 An Image Scrambling Algorithm and The Application in Digital TV Cui Jizhe 1, JongWeon KIM 2, Zhang Bo 1 1 (College of Economic and Management, Yanbian University , Yanji 133002) 2 (Dept. of Copyright Protection Sangmyung University, Seoul, 110743) Abstract This paper elaborates the theory of encryption and decryption about digital television, then gives an introduction of the image scrambling algorithm and the application in digital television industry. In china, the digital TV has stepped into the high definition age, while there also need the mature solution in the management of fee programmers, as well as the balance of satellite transmission and cable transmission. This paper puts forward to the image scrambling based on the Discrete Cosine Transform (DCT), it can be used in managing the security of fee-TV programmers. By means of this algorithm, it can simplify the Interactive process between original digital TV encryption and decryption, and increase the security bringing by CA share. By test, it is founded that the image scrambling algorithm promoted by this paper restrain blocking effects existing in other scrambling algorithm. The algorithm can content the demand of managing and playing of digital TV , dispense with increasing the hardware costs. Keywords Image encryption; Image Scrambling; Digital TV; CAS ；Discrete Cosine Transform 1 引言 2009年8月，广电总局发布促进高清电视发展的《通知》，要求现阶段要采取高清、标清同播过度发射，并要求卫星传输的高清节目必须进行加密[1] 。相继CCTV1等九套高清同播节目上星播出，标志着我国电视播出进入高清时代[2]。数字电视是将传统的模拟信号经过采样、量化和编码等过程转化为数字信号，然后进行各种功能的端到端的系统。数字电视不仅包括数字电视接收机、电视台，还包括信号的产生、处理、传输、接收和重现的全过程。在数字电视网上还可以接入电视会议、可视电话、视频点播、按次付费、网络游戏等传统业务外的增值业务。为了确保增值业务的实现，除安全可控的综合管理业务平台之外还需要条件接收系统，简称为CAS(Conditional Access System)。为防止未授权的用户违法窃取业务，在数字电视传播过程中需要对数据进行加密。图像或视频信息的

基于特征的图像匹配算法毕业设计论文(含源代码)

诚信声明本人声明：我所呈交的本科毕业设计论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。本人完全意识到本声明的法律结果由本人承担。申请学位论文与资料若有不实之处，本人承担一切相关责任。本人签名：日期：2010 年05 月20日

毕业设计（论文）任务书设计（论文）题目：学院：专业：班级：学生指导教师（含职称）：专业负责人： 1．设计（论文）的主要任务及目标 (1) 了解图象匹配技术的发展和应用情况，尤其是基于特征的图象匹配技术的发展和应用。 (2) 学习并掌握图像匹配方法，按要求完成算法 2．设计（论文）的基本要求和内容（1）查阅相关中、英文文献，完成5000汉字的与设计内容有关的英文资料的翻译。（2）查阅15篇以上参考文献，其中至少5篇为外文文献，对目前国内外图象匹配技术的发展和应用进行全面综述。（3）学习图象匹配算法，尤其是基于特征的图象匹配算法。（4）实现并分析至少两种基于特征的图象匹配算法，并分析算法性能。 3．主要参考文献 [1]谭磊, 张桦, 薛彦斌．一种基于特征点的图像匹配算法[J]．天津理工大学报，2006， 22(6)，66-69． [2]甘进，王晓丹，权文．基于特征点的快速匹配算法[J]．电光与控制，2009，16(2)， 65-66． [3]王军，张明柱．图像匹配算法的研究进展[J]．大气与环境光学学报，2007，2(1)， 12-15．

图像匹配与拼接方法

图像匹配与拼接分匹配和拼接两部分一、匹配当然匹配的方法，有sift，surf什么的，这里主要就介绍一下我自己的方法啦！特征点提取是必须的，不然搜索范围太大哇！并且可能不可靠，所以特征点提取是必须的。什么点适合做特征点呢？这方面的论文很多啦，主要还是看你用什么方法匹配了，如果是用互相关作为相似性准则的话，那自相关系数随各个方向变化大的点就适合作特征点了，当然还要考虑稳定性，即特征点应该不太受光照、噪声、缩放、旋转等的影响，这样的才是好的特征点。当然，如果确定了应用坏境，不一定要满足不受上四个因素影响的，比如平行的双目匹配、全景图的匹配等，具体问题具体分析吧！角点特征是个人比较喜欢的特征。这里我自己定义了一种局部特征，效果还行，匹配采用互相关为准则的匹配，大概效果如下：目测这几个匹配点还是正确的哇！在一些应用中，可能需要的匹配点数相当多，这就需要较密集的匹配了。密集的匹配可以根据初始的匹配结果估计搜索范围，这可以加速搜索，同时也要提取更多的特征点呀！话不多说了，下面是密集的匹配：

虽然这样的密度对于三维重构来说还不够，但对于一般的图像拼接来说足够了。匹配完了，下面就要将第二步了。二、矫正匹配好两幅图像了，接下来干啥呢？把它们对准呗。可惜了，两幅图像之间不但存在平移，还存在旋转缩放什么的，更复杂的，可能还存在所谓的3D变换，那就复杂啦！不管怎么样，所谓的对准，也就是矫正，总是基于一定的模型的，即基于相机拍摄两幅图像的相对姿态。对于全景图拼接（个人觉得是最简单的且较实用的拼接），需要根据相机焦距或者视场角投影到柱面上，然后两幅图像间的位置就只有一维的平移关系了。但是这对拍摄的相机也是有要求的，就是要保证拍摄两幅图像时，物防焦点是重合的，这样才能根据稀疏的几个点确定所有重叠区域内点的相对位置呀！但实际中很难做到物方焦点重合，比如数码相机或者所谓的智能手机的全景图拍摄，一般人都是拿着相机或者手机绕人旋转，而非绕物方焦点旋转拍摄的，这样拼接起来是绝对有误差的呀！特别是拼接近景，误差就更大了，远景还好。怎么克服这个缺点呢？简单的改进方法就是绕着摄像头旋转吧，虽然这也不是严格绕物方焦距旋转，但起码误差小得多啦，拼接的效果当然也就好得多了，可以试一试哦！不扯了，第二种模型就是认为两幅图像间存在的变换关系是有2D旋转、缩放、平移的，可以通过一个旋转、缩放、平移矩阵来矫正，这个也不难，但是应用范围却相当有限，不详说了。第三种模型就是不用模型，或者说认为两幅图像间的对应点存在的是一种线性变换关系，这样只要解一个线性方程组就可以了，似乎也挺简单的。但可惜的是，不是任给的两幅图像间都只存在线性变换呀！它可能是一个3D的线性变换，那就麻烦了，这个必须需要密匹配呀！不然就一定是有误差的，即不能通过稀疏的匹配点来矫正两幅图像的所有对应点的。还有更多的模型，比如各方位的全景图，需要投影到球面上的哇！不过这个模型也不难。最难的当然是拍摄两幅图像时，相机不同，相机姿态也不同了，这个是很有挑战的，我也很惧怕这个。下面展示三种矫正结果： 1、2D线性模型： 2D矫正，认为匹配点之间存在线性变换，X=ax+by+c，Y=dx+ey+e这样的模型，业内称之放射变换，其中x，y是第一幅点的坐标，X,Y是对应的第二幅图像中的点坐标，使用最小二乘法计算a、b、c、d、e、f，第二幅图相对于第一幅图矫正的结果就是这样的了

(完整版)基于MATLAB的混沌序列图像加密程序

设计题目：基于MATLAB的混沌序列图像加密程序一.设计目的图像信息生动形象，它已成为人类表达信息的重要手段之一，网络上的图像数据很多是要求发送方和接受都要进行加密通信，信息的安全与保密显得尤为重要，因此我想运用异或运算将数据进行隐藏，连续使用同一数据对图像数据两次异或运算图像的数据不发生改变，利用这一特性对图像信息进行加密保护。熟练使用matlab运用matlab进行编程，使用matlab语言进行数据的隐藏加密，确保数字图像信息的安全，混沌序列具有容易生成，对初始条件和混沌参数敏感等特点，近年来在图像加密领域得到了广泛的应用。使用必要的算法将信息进行加解密，实现信息的保护。 .设计内容和要求使用混沌序列图像加密技术对图像进行处理使加密后的图像使用matlab将图像信息隐藏，实现信息加密。三.设计思路 1. 基于混沌的图像置乱加密算法本文提出的基于混沌的图像置乱加密算法示意图如图1所示加密算法如下：首先，数字图像B大小为MX N（ M是图像B的行像素数，N是图像B的列像素数），将A的第j行连接到j-1行后面（j=2，3, A，M，形成长度为MX N的序列C。其次，用Logistic混沌映射产生一个长度为的混沌序列｛k1，k2，A，kMX N｝，并构造等差序列D: ｛1，2，3, A，MX N-1，MX N｝。再次，将所

产生的混沌序列｛kl, k2. A, kMX N｝的M N个值由小到大排序，形成有序序列｛k1', k2'. A' kMX N' ｝，确定序列｛k1, k2, A, kMX N｝中的每个ki在有序序列｛k1', k2', A , kMX N' ｝中的编号，形成置换地址集合｛t1 , t2 , A, tM X N｝，其中ti为集合｛1 , 2, A, MX N｝中的一个；按置换地址集合｛t1 , t2 , A, tM X N｝对序列C进行置换，将其第i个像素置换至第ti列, i=1 , 2, A, MX N,得到C'。将等差序列D做相同置换，得到D'。最后，B'是一个MX N 的矩阵，B' (i ,j)=C ' ((i-1) X M+j)，其中i=1 , 2, A, M j=i=1 , 2, A, N,则B'就是加密后的图像文件。解密算法与加密算法相似，不同之处在于第3步中，以序列C'代替随机序列｛k1, k2, A, kMX N｝,即可实现图像的解密。 2. 用MATLAB勺实现基于混沌的图像置乱加密算法本文借助MATLAB^件平台，使用MATLAB!供的文本编辑器进行编程实现加密功能。根据前面加密的思路，把加密算法的编程分为三个主要模块：首先，构造一个与原图a等高等宽的矩阵b加在图像矩阵a后面形成复合矩阵c: b=zeros(m1, n1); ifm1>=n1 ifm1> n1 fore=1: n1 b=(e,e); end else fore=1: n1 end fore=1:( n1-m1) b((m1+e-1),e)=m1+e-1 end end c=zeros(m1*2, n1); c=zeros(m1*2,1); c=[b,a]; 然后，用Logitic映射产生混沌序列:

图像置乱

数字图像置乱技术研究 6.3.1图像置乱原理图像置乱技术属于图像加密技术，它通过对图像像素矩阵的重排，破坏了图像矩阵的相关性，以此实现信息的加密，达到安全传输图像的目的。图像置乱的实质是破坏相邻像素点间的相关性，使图像“面目全非”，看上去如同一幅没有意义的噪声图像。单纯使用位置空间的变换来置乱图像，像素的灰度值不会改变，直方图不变，只是几何位置发生了变换。置乱算法的实现过程可以看做是构造映射的过程，该映射是原图的置乱图像的一一映射，如果重复使用此映射，就构成了多次迭代置乱。我们假设原始图像为0A ，映射关系用字母σ表示，得到的置乱图像为1A ，则原图到置乱图像的关系，可简单的表示为： 1 0A A ?→?σ 例如：原始图像用矩阵0A 表示，置乱后的图像为1A , ij a 代表坐标为(),x y 的像素点的灰度： ? ? ?? ?? ??????=3332 31 30 2322212013121110 03020100 0a a a a a a a a a a a a a a a a A ???? ? ???????=1200 21 33 112010 023******* 312322131a a a a a a a a a a a a a a a a A （6.3.1）置乱映射σ的元素存在两种形式：一种是序号形式，用()j width i +*表示图像中像素的排列序号；一种是坐标形式，()j i ,表示第i 行第j 列。则相应的置乱映射σ可表示如下： ? ? ??? ???????=1253720131011511948614σ或者() () ()()() ()()()()()()()()()() ()????? ????? ??0,31,13,03,12,00,01,32,21,03,33,21,20,10,22,12,3 （6.3.2）映射τ中的元素表示：原图中该点元素在置乱后图像中的位置。比如坐标为(0,1)的像素点最后变换到(1,2)这个位置上。因此使用置乱映射σ进行迭代置乱，原图0A 应用映射τ迭代适当的次数后，能够得到理想置乱图像。对1A 应用逆置乱映射，还原得到原始图像0A ：

图像匹配搜索算法

本文基于相关性分析来实现图像匹配第一步：读取图像。分别读取以下两幅相似的图片，显示效果如下：第二步：选择一副图像的子区域。用户可以通过鼠标选择需要截取的图像部分，用于匹配。随机选取图片的一块区域，如下图：

第三步：使用相关性分析两幅图像采用协方差的方式计算相关系数，分析图片的相似性。 1．协方差与相关系数的概念对于二维随机变量(,)X Y ，除了关心它的各个分量的数学期望和方差外，还需要知道这两个分量之间的相互关系，这种关系无法从各个分量的期望和方差来说明，这就需要引进描述这两个分量之间相互关系的数字特征——协方差及相关系数。若X Y 与相互独立,则()( )0 Y E X EX Y EY σ--???? =≠;若()()0E X EX Y EY --≠????,则表示X 与Y 不独立,X 与Y 之间存在着一定的关系设 (,)X Y 是二维随机变量，则称()()E X EX Y EY --????为X 与Y 的协方差（Covariance ），记为 ()cov ,X Y 或XY σ，即 ()()()cov ,XY X Y E X EX Y EY σ==--???? 若 0X σ≠ 且0Y σ=≠，则称 XY XY X Y σρσσ== 为X 与Y 的相关系数（Correlation Coefficient ）。()c o v ,X Y 是有量纲的量，而XY ρ则是无量纲的量．协方差常用下列公式计算

()() =-? cov,X Y E XY EX EY 2．用全搜索和协方差计算截取图片与另外一幅图片的各点的相似度。c=normxcorr2(sub_I1(:,:,1),I2(:,:,1)); 第四步：找到整幅图像的偏移。 [max_c,imax]=max(abs(c(:))); [ypeak,xpeak]=ind2sub(size(c),imax(1)); [m,n]=size(sub_I1); xbegin=xpeak-n+1; ybegin=ypeak-m+1; xend=xpeak; yend=ypeak; 从原图像提取匹配到的图像 extracted_I1=I2(ybegin:yend,xbegin:xend,:); 第五步：显示匹配结果。相关性匹配图：找出峰值即最相似区域的中心

图像匹配

研究配准进两年的时间，有幸看到一个技术文档，做了一下的总结，如有不妥之处敬请大家谅解，多提出意见废话不多说，书归正传！这里主要讲解的是多模态或者说是多序列MRI图像配准。采用的图片是人体膝盖图。配准暂且分为五部 Step1. 下载图片 Step2. 初始配准（粗配准） Step3. 提高配准精度 Step4. 利用初始条件提高配准精度配准 Step5. 结果满意不满意，你说了算下面一一详细说明以上几个步骤！一，下载图片这里采用的图片是matlab子带的两张MR膝盖图， “knee1.dcm”作为参考图像，"knee2.dcm"为浮动图像！ Plain Text code ? 1 2 fixed = dicomread('knee1.dcm'); % 读参考图像fixed moving = dicomread('knee2.dcm'); % 读浮动图像moving 可能接下来大家关注的问题就是这两幅图像到底有什么区别，这种区别又有多大的可视化程度，下面就为推荐两个比较好用的函数用于观测两幅图像的区别。Plain Text code ? 1 2 figure, imshowpair(moving, fixed, 'method'); title('Unregistered'); imshowpair函数就是指以成双成对的形式显示图片，其中一个重要的参数就是‘method’，他又4个选择（1）‘falsecolor’字面意思理解就是伪彩色的意思了，其实就是把两幅图像的差异用色彩来表示，这个是默认的参数。（2）‘blend’这是一种混合透明处理类型，技术文档的翻译是 alpha blending，大家自己理解吧。（3）‘diff’这是用灰度信息来表示亮度图像之间的差异，这是对应 ‘falsecolor’的一种方式。（4）参数‘monotage’可以理解成‘蒙太奇’，这是一种视频剪辑的艺术手法，其实在这里我们理解成拼接的方法就可以了。为什么在这里罗里吧嗦的说这么多的显示呢，大家知道"人靠衣装，美靠...."(就不多说了吧)，总之就是一个好的视觉效果能给人以耳目一新的效果。

算法学习：图论之二分图的最优匹配(KM算法)

二分图的最优匹配（KM算法） KM算法用来解决最大权匹配问题：在一个二分图内，左顶点为X，右顶点为Y，现对于每组左右连接XiYj有权wij，求一种匹配使得所有wij的和最大。基本原理该算法是通过给每个顶点一个标号（叫做顶标）来把求最大权匹配的问题转化为求完备匹配的问题的。设顶点Xi的顶标为A[ i ]，顶点Yj的顶标为B[ j ]，顶点Xi与Yj之间的边权为w[i,j]。在算法执行过程中的任一时刻，对于任一条边(i,j)，A[ i ]+B[j]>=w[i,j]始终成立。 KM算法的正确性基于以下定理：若由二分图中所有满足A[ i ]+B[j]=w[i,j]的边(i,j)构成的子图（称做相等子图）有完备匹配，那么这个完备匹配就是二分图的最大权匹配。首先解释下什么是完备匹配，所谓的完备匹配就是在二部图中，X点集中的所有点都有对应的匹配或者是 Y点集中所有的点都有对应的匹配，则称该匹配为完备匹配。这个定理是显然的。因为对于二分图的任意一个匹配，如果它包含于相等子图，那么它的边权和等于所有顶点的顶标和；如果它有的边不包含于相等子图，那么它的边权和小于所有顶点的顶标和。所以相等子图的完备匹配一定是二分图的最大权匹配。初始时为了使A[ i ]+B[j]>=w[i,j]恒成立，令A[ i ]为所有与顶点Xi关联的边的最大权，B[j]=0。如果当前的相等子图没有完备匹配，就按下面的方法修改顶标以使扩大相等子图，直到相等子图具有完备匹配为止。我们求当前相等子图的完备匹配失败了，是因为对于某个X顶点，我们找不到一条从它出发的交错路。这时我们获得了一棵交错树，它的叶子结点全部是X顶点。现在我们把交错树中X顶点的顶标全都减小某个值d，Y顶点的顶标全都增加同一个值d，那么我们会发现： 1）两端都在交错树中的边(i,j)，A[ i ]+B[j]的值没有变化。也就是说，它原来属于相等子图，现在仍属于相等子图。 2）两端都不在交错树中的边(i,j)，A[ i ]和B[j]都没有变化。也就是说，它原来属于（或不属于）相等子图，现在仍属于（或不属于）相等子图。 3）X端不在交错树中，Y端在交错树中的边(i,j)，它的A[ i ]+B[j]的值有所增大。它原来不属于相等子图，现在仍不属于相等子图。 4）X端在交错树中，Y端不在交错树中的边(i,j)，它的A[ i ]+B[j]的值有所减小。也就说，它原来不属于相等子图，现在可能进入了相等子图，因而使相等子图得到了扩大。（针对之后例子中x1->y4这条边）现在的问题就是求d值了。为了使A[ i ]+B[j]>=w[i,j]始终成立，且至少有一条边进入相等子图，d应该等于： Min{A[i]+B[j]-w[i,j] | Xi在交错树中，Yi不在交错树中}。改进以上就是KM算法的基本思路。但是朴素的实现方法，时间复杂度为O(n4)——需要找O(n)次增广路，每次增广最多需要修改O(n)次顶标，每次修改顶标时由于要枚举边来求d值，复杂度为O(n2)。实际上KM算法的复杂度是可以做到O(n3)的。我们给每个Y顶点一个“松弛量”函数slack，每次开始找增广路时初始化为无穷大。在寻找增广路的过程中，检查边(i,j)时，如果它不在相等子图中，则让slack[j]变成原值与A[ i ]+B[j]-w[i,j]的较小值。这样，在修改顶标时，取所有不在交错树中的Y 顶点的slack值中的最小值作为d值即可。但还要注意一点：修改顶标后，要把所有的不在交错树中的Y顶点的slack值都减去d（因为：d的定义为 min{ (x,y)| Lx(x)+ Ly(y)- W(x,y), x∈ S, y? T }

(完整版)图像特征特点及常用的特征提取与匹配方法

图像特征特点及常用的特征提取与匹配方法常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。一颜色特征（一）特点：颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。（二）常用的特征提取与匹配方法（1）颜色直方图其优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。最常用的颜色空间：RGB颜色空间、HSV颜色空间。颜色直方图特征匹配方法：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。（2）颜色集颜色直方图法是一种全局颜色特征提取与匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间（如HSV 空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系（3）颜色矩

图像处理技术--模板匹配

图像处理技术——模板匹配算法左力2002．3．认知是一个把未知与已知联系起来的过程。对一个复杂的视觉系统来说，它的内部常同时存在着多种输入和其它知识共存的表达形式。感知是把视觉输入与事前已有表达结合的过程，而识别也需要建立或发现各种内部表达式之间的联系。匹配就是建立这些联系的技术和过程。建立联系的目的是为了用已知解释未知。章毓晋《图像工程下册》P.163 一．模板匹配的基本概念模板就是一幅已知的小图像。模板匹配就是在一幅大图像中搜寻目标，已知该图中有要找的目标，且该目标同模板有相同的尺寸、方向和图像，通过一定的算法可以在图中找到目标，确定其坐标位置。以8位图像(其1个像素由1个字节描述)为例，模板T( m ? n个像素)叠放在被搜索图S( W ? H个像素)上平移，模板覆盖被搜索图的那块区域叫子图Sij。i，j为子图左上角在被搜索图S上的坐标。搜索范围是： 1 ≤ i ≤ W – M 1 ≤ j ≤ H – N 通过比较T和Sij的相似性，完成模板匹配过程。注意：图像的数据是从下到上、从左到右排列的。可以用下式衡量T和Sij相似性： ∑∑ = =- = N n ij M m n m T n m S j i D 12 1 )] , ( ) , ( [ ) ,(被搜索图 S 模板 T m i {

∑∑ ∑∑ ∑∑ ======+?-=N n M m N n ij M m N n ij M m n m T n m T n m S n m S 1 2 1 1 1 1 2 1 )] ,([),(),(2)],([ 上式的第一项为子图的能量，第三项为模板的能量，都与模板匹配无关。第二项是模板和子图的互相关，随( i, j )而改变。当模板和子图匹配时，该项有极大值。将其归一化，得模板匹配的相关系数： ∑∑∑∑∑∑======?= N n M m N n ij M m N n ij M m n m T n m S n m T n m S j i R 1 2 1 1 2 1 1 1 )] ,([)],([) ,(),(),( 当模板和子图完全一样时，相关系数R( i, j ) = 1。在被搜索图S 中完成全部搜索后，找出R 的最大值Rmax( im, jm )，其对应的子图Simjm 即为匹配目标。显然，用这种公式做图像匹配计算量大、速度较慢。另一种算法是衡量T 和Sij 的误差，其公式为： ∑∑ ==-=N n ij M m n m T n m S j i E 1 1 |),(),(|),( E( i, j )为最小值处即为匹配目标。为提高计算速度，取一个误差阈值E 0，当E( i, j )> E 0时就停止该点的计算，继续下一点计算。试验结果如下：注：以上试验是在赛扬600 PC 机上用VC6.0进行的。结果表明：被搜索图越大，匹配速度越慢；模板越小，匹配速度越快。误差法速度较快，阈值的大小对匹配速度影响大，和模板的尺寸有关。二．改进模板匹配算法我在误差算法的基础上设计了二次匹配误差算法：第一次匹配是粗略匹配。取模板的隔行隔列数据，即四分之一的模板数据，在被搜索图上进行隔行隔列扫描匹配，即在原图的四分之一范围内匹配。由于数据量大幅度减少，匹配速度显著提高。为了合理的给出一个误差阈值E0，我设计了一个确定误差阈值E0的准则： E 0 = e 0 * (m+1)/2 * (n+1)/2

一种基于混沌序列的数字图像加密算法

一种基于混沌序列的数字图像加密算法周焕芹 (渭南师范学院数学与信息科学系,陕西渭南714000) 摘　要:基于混沌序列给出了一种图像加密算法.借助Logistic混沌动力学系统过程既非周期又不收敛,且对初始条件敏感性,生成混沌矩阵,对原图像进行融合操作,实现了对图像的加密过程.实验结果证明,算法简单易行,安全性好. 关键词:数字图像;混沌序列;图像加密;迭代;置乱中图分类号T N911.73 文献标志码:A 文章编号:1009—5128(2008)02—0011—04 收稿日期:2007—05—31 基金项目:陕西省基础教育科研“十一五”规划课题(SJJY B06297);渭南师范学院科研基金资助项目(06YKF011);渭南师范学院教学改革研究项目(JG200712) 作者简介:周焕芹(1962—),女,陕西澄城人,渭南师范学院数学与信息科学系副教授 20世纪60年代人们发现了一种特殊的自然现象———混沌(chaos),混沌是一种非线性动力学规律控制的行为,表现为对初始值和系统参数的敏感性、白噪声的统计特性和混沌序列的遍历特性,其吸引子的维数是分维,有十分复杂的分形结构,具有不可预测性.由于混沌序列有如此优良的密码学特性,混沌密码学成为现代密码学的重要研究内容.最早将离散混沌动力学系统应用于加密算法的是M atthe w s[1],1990年,他给出了一种一维的混沌映射.该映射根据初始条件产生的具有混沌特性的伪随机序列可以直接应用于一次一密的加密算法中,但是该混沌映射在使用计算机实现时会退化成周期序列,而且该序列的周期一般较小.1990年,Habutsu等人也给出了一种基于线性的Tent映射的混沌加密系统[2],该方法保留了混沌系统对于初始条件的敏感性.1994年,B iance利用Logistic映射产生实数序列,应用范围较广[1-4]. 随着网络技术的发展,大量个人和公众信息在网络上传播.信息的安全问题成为人们关注的热点,而信息安全中图像安全是众所关心的.对于图像信息,传统的保密学尚缺少足够的研究.随着计算机技术与数字图像处理技术的发展,对此已有一些成果[6].近年来,相继召开了关于数据加密的国际学术会议,图像信息隐蔽问题为其重要议题之一,且有关的论文以数字水印技术为主.数字图像置乱技术,可以看做数字图像加密的一种途径,也可以用做数字图像隐藏、数字水印图像植入、数值计算恢复方法和数字图像分存的预处理和后处理过程.作为信息隐藏的基础性工作,置乱技术已经取得了较大的发展,提出了很多有效的方法如:基于A rnold变换,F ASS曲线,分形技术,幻方,正交拉丁方,骑士巡游,仿射变换,原根,Gray码变换的置乱方法[7]. 本文应用离散混沌动力系统设计了一种图像加密/解密算法.该方法的特点是:无论从加密还是解密算法的设计都是由不同的动力系统提供的.本文依赖于随机密钥的非线性迭代完成图像的像素融合,其中所用的子密钥由离散混沌系统产生.分析和仿真结果表明,经过这样的融合,算法具有良好的安全性及鲁棒性. 1　算法原理由混沌矩阵对图像置乱.从构成图像的像素角度考虑,一幅图像大小为M×N,具有256级灰度的图像,设图像为I m age,对应于像素点(i,j)的灰度值记为I m age(i,j),其中1≤i,j≤L,Endi m age(i,j)为(i,j)坐标处融合操作后图像的像素灰度值,即要设计映射f,使得 f:I m age(i,j)→End i m age(i,j)(1)为了使得融合后的像素灰度值Endi m age(i,j)具有不可预测性,本文采用离散混沌映射生成离散混沌矩阵Keyi m age(i,j)来达到这个目的.生成Keyi m age(i,j)的方法如下:采用目前广泛研究的Logistic映射构造混沌序列.混沌系统表述为 α k+1=μ?αk?(1-αk),k=0,1,2, (2) 2008年3月第23卷第2期渭南师范学院学报 Journal of W einan Teachers University M arch2008 Vol.23　No.2

基于混沌系统的图像加密算法研究[开题报告]

开题报告通信工程基于混沌系统的图像加密算法研究一、课题研究意义及现状意义: 随着计算机技术和网络通信技术不断发展和迅速普及，通信保密问题日益突出。信息安全问题已经成为阻碍经济持续稳定发展和威胁国家安全的一个重要问题，而密码学是用来保证信息安全的一种必要的手段，现代密码学便应运而生，如经典的私钥密码算法DES、IDEA、AES和公钥密码算法RSA、EIGamal等，新颖的量子密码、椭圆曲线密码算法等，在信息安全的保密方面都发挥了重要作用。图像信息生动形象，它已经成为人类表达信息的重要手段之一，网络上的图像数据有很多是要求发送方和接收方要进行保密通信的，信息安全与保密显得越来越重要。目前，国际上正在探讨使用一些非传统的方法进行信息加密与隐藏，其中混沌理论就是被采纳和得到广泛应用的方法之一。混沌加密是近年来兴起的一个研究课题，基于混沌理论的保密通信、信息加密和信息隐藏技术的研究已成为国际非线性科学和信息科学两个领域交叉融合的热门前沿课题之一，也是国际上高科技研究的一个新领域，基于混沌理论的密码学近来成为很热门的科学。对于数字图像来说，具有其特别的一面就是数字图像具有数据量大、数据相关度高等特点，用传统的加密方式对图像加密时存在效率低的缺点；而新型的混沌加密方式为图像加密提供了一种新的有效途径。基于这种原因，本论文主要探讨基于混沌理论的数字图像加密算法。混沌现象是在非线性动力系统中出现的确定性、类似随机的过程，这种过程既非周期又非收敛，并且对初值具有极其敏感的依赖性，混沌系统所具有的这些基本特性恰好能够满足保密通信及密码学的基本要求。图像加密过程就是通过加密系统把原始的图像信息(明文)，按照加密算法变换成与明文完全不同的数字信息(密文)的过程。国内外现状: 1963年，洛伦兹发表论文“决定论非周期流”，讨论了天气预报的困难和大气湍流现象，给出了著名的洛伦兹方程，这是在耗散系统中，一个确定的方程却能导出混沌解的第一个实例，从而揭歼了对混沌现象深入研究的序幕。混沌出现，古典科学便终止了。 1975年，美籍华人李天岩和美国数学家约克(Yorke)一篇震动整个学术界的论文“周期3

图像特征特点及其常用的特征提取与匹配方法

图像特征特点及其常用的特征提取与匹配方法 [ 2006-9-22 15:53:00 | By: 天若有情 ] 常用的图像特征有颜色特征、纹理特征、形状特征、空间关系特征。一颜色特征（一）特点：颜色特征是一种全局特征,描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有属于图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可不受图像尺度变化的影响，基缺点是没有表达出颜色空间分布的信息。（二）常用的特征提取与匹配方法（1）颜色直方图其优点在于：它能简单描述一幅图像中颜色的全局分布，即不同色彩在整幅图像中所占的比例，特别适用于描述那些难以自动分割的图像和不需要考虑物体空间位置的图像。其缺点在于：它无法描述图像中颜色的局部分布及每种色彩所处的空间位置，即无法描述图像中的某一具体的对象或物体。最常用的颜色空间：RGB颜色空间、HSV颜色空间。颜色直方图特征匹配方法：直方图相交法、距离法、中心距法、参考颜色表法、累加颜色直方图法。（2）颜色集颜色直方图法是一种全局颜色特征提取与匹配方法，无法区分局部颜色信息。颜色集是对颜色直方图的一种近似首先将图像从RGB颜色空间转化成视觉均衡的颜色空间（如HSV 空间），并将颜色空间量化成若干个柄。然后，用色彩自动分割技术将图像分为若干区域，每个区域用量化颜色空间的某个颜色分量来索引，从而将图像表达为一个二进制的颜色索引集。在图像匹配中，比较不同图像颜色集之间的距离和色彩区域的空间关系（3）颜色矩这种方法的数学基础在于：图像中任何的颜色分布均可以用它的矩来表示。此外，由于颜色分布信息主要集中在低阶矩中，因此，仅采用颜色的一阶矩（m ean）、二阶矩（variance）和三阶矩（skewness）就足以表达图像的颜色分布。（4）颜色聚合向量其核心思想是：将属于直方图每一个柄的像素分成两部分，如果该柄内的某些像素所占据的连续区域的面积大于给定的阈值，则该区域内的像素作为聚合像素，否则作为非聚合像素。（5）颜色相关图二纹理特征（一）特点：纹理特征也是一种全局特征，它也描述了图像或图像区域所对应景物的表面性质。但由于纹理只是一种物体表面的特性，并不能完全反映出物体的本质属性，所以仅仅利用纹理特征是无法获得高层次图像内容的。与颜色特征不同，纹理特征不是基于像素点的特征，它需要在包含多个像素点的区域中进行统计计算。在模式匹配中，这种区域性的特征具有较大的优越性，不会由于局

基于混沌理论的图像置乱算法

龙源期刊网 https://www.360docs.net/doc/9312394947.html, 基于混沌理论的图像置乱算法作者：杨勃葛学锋解海燕来源：《电子技术与软件工程》2017年第23期摘要图像置乱技术作为一种图像加密处理的方法，越来越多的应用于图像在网络的传播当中。本文分析了置乱算法的研究现状，对Logistic混沌算法进行了研究，并通过MATLAB 仿真实验对该算法进行了验证分析。【关键词】图像加密图像置乱 Logistic混沌算法 1 引言随着“互联网+”时代的来临，越来越多的图像信息在网络中进行着传播。这些图像信息有可能涉及到个人隐私或者是商业机密甚至是国家安全问题，所以如何保证这些信息的安全，越来越多的受到了人们的关注。图像置乱技术作为一种有效的保护图像安全传输的方法被专家学者们所研究。 2 图像置乱技术研究现状图像置乱技术是通过相关算法将图像的空间域或频率域进行改变，从而达到图像加密目的的一种有效的加密方式。目前经过专家学者们的研究，图像置乱技术主要为基于空间域的置乱和基于频率域的置乱。基于空间域的置乱方法是通过某种算法将图像的像素坐标位置进行改变，从而改变图像的样貌，达到置乱的效果。此方法只是将图像的像素坐标位置进行了打乱，并没有改变图像的信息（直方图），所以容易被破解，安全性低。常见的算法有Arnold 变换、Hilbert 曲线变换和Fibonacci变换等。基于频率域的置乱方法是通过相关算法将图像的像素值进行改变，从而达到置乱效果。该方法不仅改变了图像的样子，还改变了图像的信息，所以加密效果更好，安全性更高。常见的算法有混沌变换、Gray 码变换。 3 混沌理论混沌是曲线性稳定运动中的一类看似没有稳定运动轨迹可循的、看似随机的现象。混沌理论具有非线性特性、不确定性、不可重复、不可预测、对初始条件敏感等特性，对于需要加密文件的处理有很好的应用，所以混沌理论被越来越多的运用到图像置乱算法中。由于混沌理论的复杂性和不确定性，所以至今还没有一个标准的定义被所有人所公认，每位专家学者都有自己对于混沌的定义。Logistic混沌映射定义是由R·May于1976年提出的，因其表达式简单且性能优良，被广泛运用到混沌映射中。Logistic混沌映射定义为： f（x）=μx（1-x），x∈[0，1] （1）公式（1）中μ是分支参数，取值范围：0≤μ≤4，x为初始值，取值范围0≤x≤1。