图像置乱及置乱度评价方法综述

合集下载

图像精度评价方法

图像精度评价方法进行遥感影像分类或进行GIS动态模拟时，需要评价结果的精度，而进行评价精度的方法主要有混淆矩阵、总体分类精度、Kappa系数、多分误差、漏分误差、每一类的生产者精度（制图精度）和用户精度。

1、混淆矩阵（Confusion Matrix）: 主要用于比较分类结果和地表真实信息，可以把分类结果的精度显示在一个混淆矩阵里面。

混淆矩阵是通过将每个地表真实像元的位置和分类与分类图象中的相应位置和分类像比较计算的。

混淆矩阵的每一列代表了地面参考验证信息，每一列中的数值等于地表真实像元在分类图象中对应于相应类别的数量；混淆矩阵的每一行代表了遥感数据的分类信息，每一行中的数值等于遥感分类像元在地表真实像元相应类别中的数量。

如有50个样本数据，这些数据分成3类，每类50个。

分类结束后得到的混淆矩阵为：43 5 22 45 30 1 49则第1行的数据说明有43个样本正确分类，有5样本本应该属于第1类，却错误分到了第二类，有2个样本本应属于第一类，而错误的分到第三类。

2、总体分类精度（Overall Accuracy）: 等于被正确分类的像元总和除以总像元数，地表真实图像或地表真实感兴趣区限定了像元的真实分类。

被正确分类的像元沿着混淆矩阵的对角线分布，它显示出被分类到正确地表真实分类中的像元数。

像元总数等于所有地表真实分类中的像元总和。

3、Kappa系数：The Kappa Index of Agreement (K): this is an important index that the crossclassification outputs. It measures the association between the two input images and helps to evaluate the output image. Its values range from -1 to +1 after adjustmentfor chance agreement. If the two input images are in perfect agreement (no change has occurred), K equals 1. If the two images are completely different, K takes a value of -1. If the change between the two dates occurred by chance, then Kappa equals 0. Kappa is an index of agreement between the two input images as a whole. However, it also evaluates a per-category agreement by indicating the degree to which a particular category agrees between two dates. The per-category K can be calculated using the following formula (Rosenfield and Fitzpatrick-Lins,1986):K = (Pii - (Pi.*P.i )/ (Pi. - Pi.*P.i )where:P ii = Proportion of entire image in which category i agrees for both datesP i. = Proportion of entire image in class i in reference imageP.i = Proportion of entire image in class i non-reference imageAs a per-category agreement index, it indicates how much a category have changed between the two dates. In the evaluation, each of the two images can be used as reference and the other as non-reference.Kappa系数是另外一种计算分类精度的方法。

基于隐写术的图像置乱算法

中图法分类号：Ｐ０＋２Ｔ３９
文献标识码：Ａ
文章编号：００７２（０７１．６２０１０．０４２０）５３３．４
Ａｌｏｉｍｆｍａｅｓｒｍｂｉｇｂｓｄｏｔｇｎｇａｈｇｒｔｏｇｃａｌａｅｎｓｅａｏｒｐｙｈｉｎ
ｄｒｔｏｄｓｌｅａｉ￣Ｔｅａｇｒｔｍｏｕｅｏｉｏｓｉｈｔｅｅｅｄｂｅｃｅｃｅｔｓｏｌｅｐｓｅｒｔ，ｔｅｖｄｅｓｄａｏｖｄｅｓｌｈｌｏｈｃｍｐｔｄｐｓｔｎｃｍｂｄａｌｏｆｉｎｓｈｕｄｂｏｉｄｆｓｌｈｎｍｏｅｏｎｙｉｉｗｈｈｉｔｉｙ
ｅｅｄｂｅｃｅｃｅｔｔｅｅｐｓｔｎｉｒｕｅｔｅｅｅｄｂｅｃｅｃｅｔｎｆｒｙＴｅｅｅｔｆｔｅａｇｒｔｏｔｅｒｍｂｄａｌｏｆｉｎｓｏｔｓｏｉｏｓｔｄｓｉｔｈｍｂｄａｌｏｆｉｎｓｉｏｍｌ．ｈｆｃｌｏｈｆｍｏｉｈｉｏｔｂｉｕｏｈｉｍｒｈｙｎｒｃｉｒｖｓｔｈｓｌｏｈｃｕｄａｔｎｔｅｕｒａｄｐａｔｅｐｏｅａｉａｇｒｔｏｌｔｉｅｒｑｉｍｅｔｆｃａｌｇｉｅａｏｒｐｙｃｈｔｔｉｍａｈｅｎｒｍｂｉｓｇｏｓｎｎｔｎｇａｈ．Ｋｅｒｓｔｇｏｒｐｙｓｒｂｉｇｇａｈｔｅｒ；ｃｒｓａｒｄｃ；ｙｗｏｄ：ｅａｇａｈ；ｃａｌ；ｒｐｏａｔｉｐｏｕｔｗａｅｅｏｆｃｅｔｓｎｍｎｈｙｅｎｓｖｌｔｅｃｉｉｎｓ

基于图像加密的置乱性能分析研究

０引言
图像加密的方法有很多Βιβλιοθήκη 安全强度各有不同，是不管什但
定义２图像Ｇ中不动点占所有像素点的百分比，称为
该图的不动点比，Ｄ（）用ＢＧ表示，定义为 ∑ｚ（ｆａＧＣＤ（，）１００％
么方法，其加密变换都属于下面３：类 ①仅像素位置变换的图像加密；仅图像灰度值变换的图像加密；像素位置及灰度 ② ③
相关度和图像相似度。最后利用这些参数对图像加密算法进行了模拟实验分析和安全性评价。
关键词：图像加密；置乱度：信息熵；图像相似度；安全性分析
中图法分类号：Ｐ０＋Ｔ３９．２
文献标识码：Ａ
文章编号：０００４２０）４７９３１．２（６２－２－０７０４０
ｅａｕｔｔｅｍａｅｓｒｍｂｉｇｔａｔｓｇｅａａｔｓｈｅｌｏｔｍｏｉａｅｅｃｙｔｎｓｅｔｄｎｅａｅｆｅｌｒｈｖｌａｅｇａｌ．Ａｓｕｉｒｍｅｅ，ｔｇｒｈｆｒｇｎｒｐｉｓｄｆｔｏｔｇｉｍｉｈｃｎｌｎｔｐｈｒａｉｎｏｉｔｅａｔｓｙｈａｏｔｈ
脚
＝
。
值都发生变换的图像加密。图像加密的目的是实现图像的安
全传输或保存，现在许多算法都认为自身具有很高的安全性，可以抵抗多种攻击，这些方案的安全性到底如何呢？如何评价这些不同变换类型，以及同一类型中的不同方法的安全强
度呢？这一问题的解决将对图像加密研究有着重要的意义，

基于素数的图像置乱技术

维普资讯
第３卷第４５期
、．５ｂ１Ｎｏ４３．
河
北
工
业
大
学
学
报
２０年８０６月
Ａｕｕｔ２０ｇｓ０６
ＪＯＵＲＮＡＬＯＦＨＥＢＥＩＵＮＩＲＳＴＯＦＴＣＨＮ０Ｌ０ＧＹＶＥＩＹＥ
ｔｅＫｅｃｈｆｓｙｏｈｓｓｉｒｐｏｏｙＥｐｒｅｔｓｏｔａｕｔｏｓａｅｉｈｓｃｒｙａｄｃｎｏｔｉｘｅｔｄｈｒｋｏｐｔｅｉｎｃｙｔｌｇ．ｘｅｉｎｓｈｗｔｒｍｅｈｄｖｇｅｕｉｎａｂａｎｅｐｃｅｈｍｈＯｈｈｔｄｓｒｅｅｒｅｑｉｋｙｉｏｄｒｇｅｕｃｌ．ｄ
设．实验结果表明该方法具有较高的安全性，能快速达到预期的置乱度．关键词密码学；信息安全；图像置乱；信息隐藏；置乱度
Ｔ１．Ｎ９９８文献标识码Ａ中图分类号
ＴｈｐｉａｉｎｏｒｍｅＮｕｅｍａｅＳｒｍｂｉｇｅＡｐｌｔｆｉｍｂｒｔＩｇｃａｌｃｏＰｏｎ
ＡｂｔａｔＢａｅｎｔｅｐｏｅｔｓｆｒｍｅｎｍｂｒｔａｅｏｅｆｍａｅｓｒｍｂｉｇａｇｒｔｍｓｄｕｌ・ｅｒｔｋｙｓｒｃｓｄｏｒｐｒｉｐｉｕｅ，ｗｏｃｔｇｒｓｏｉｇｃａｌｌｏｈ，ｏｂｅｓｃｅ・ｅｈｅｏｉｎｉ
据相应的算法和密钥恢复出原始图像．图像置乱还可以作为图像隐藏的预处理和后处理，使保密图像更加不宜被敌方发觉和破译．本文提出两类新的图像置乱算法：基于素数性质的双密钥算法和单密钥算法．其特点是能够快速对图像进行置乱，扩展了密钥空间的尺度且满足密码学中的Ｋｒｈｆ假设，ｅｋｏｓｃ即算法可以完全公开，解密只依赖于密钥而不是算法本身．为便于比较，本文用文献［］中提出的衡６量图像置乱程度的方法计算置乱度，然后与经典的Ａｎｌ算法相比较．ｒｏｄ

Arnold变换在图像置乱中的应用研究

叫做信息伪装。图像置乱所依赖的信息隐藏技术
不仅提供了非密码的安全途径，引发了信息战尤更其是网络情报战的革命，产生了一系列新颖的作战方式，引起了许多国家的重视。网络情报战是信息战的重要组成部分，核心内容是利用公用网络进其
然ｌ与非１正整数均互素，Ａｌ因此可以得出结论：对
Ｎ × 像素的数字图像进行ＡｏＮｎｄ置ｒｌ乱具备周期性。Ａｌｍｏｄ置乱的周期性是一个很好的性质。在利用Ａｎｌ乱对数字图像进行置乱变换时，ｒｏｄ置起
…
好，这样就限制了图像的选择，所以，使用求逆矩阵的方法可能效果会更好。比如周期为１０次，前０之已经置乱了３０次，么，用逆向置乱的方法，那使就只需要运行３０次，传统的方法就需要把剩下的而
一
１基于Ａｏｎｄ变ｒｌ换的图像置乱
１１Ａｎｌ．ｒｏｄ置乱算法原理有单位正方形上的点（ｙ如图 … ：，）
幅新的图像。除了简单、于实现外，ｍｏｄ置易Ａｌ
将点（Ｙ变到另一点（，的变换为：，）Ｙ）
增加，图像会变得越来越杂乱无章，继续反复使但用Ａｎｌ乱，图２ｈ所示，可以恢复出原ｒｏｄ置如（）就图，到与图２ａ一模一样的图像，里通过在得（）这ｍｔｂ．ａｌ７１上的仿真实验，ａ验证了Ａｎｌ法的周ｒｏｄ算期性及其在图像加密中的作用。

半空间混合图像置乱方法

维普资讯
・
１２・７
计算机应用研究
２００６年
半空间混合图像置乱方法
李涛，田岩，张剑’ ，刘阿军
（．湖南科技大学信息与电气工程学院，南湘潭４１０；２华中科技大学图像识别与人工智能研究所，１湖１２１．湖
ｓｎｅｎｔｉａｅ．ｈｒｃｄｒｆｈｌｏｉｍｓｍａｎｙｄｖｄｄｉｔｔｐ：ｒｔｎｏｇｎｌｍａｅｉｅｏｏｅｒｅｔｄｉｈｓｐｐｒＴｅｐｏｅｕｅｏｅａｇｒｈｉｉｌｉｉｅｎｏｔｓｓｆｓ，ａｒｉａｉｇｓｄｃｍｐｓｄｆｔｔｗｏｅｉｉｏｉｒｔａｉｂｅｂ－ＤＣｔｅｙｃａｓｓｓｍ，ａｓｒｍｂｉｇｒｓｌｉａｈｅｅ．Ａｆｒｂｖｒｅ１ＤＤＣｒｔｅｓｒｍｂｔｆｓｒｌｙ１ＤＴ，ｈｎｂｈｏｙｔｓｉｖａｅｃａｌｅｕｔｓｃｉｖｄｎｔｙｉｅｓ一Ｔｆｃａ－ｅｎｏｈｌｇｒｓｌ，ｒｐａｉｇｔｅｓｍｅｐｏｅｕｅｆｒｈｅｏｄｖｒｌｔｅｆａｃａｌｇｒｓｌｉｂａｎｄｉｅｕｔｅｅｔａｒｃｄｒｅｓｃｎａｉｅ，ｈｎｌｒｍｂｉｅｕｔｓｏｔｉｅ．Ａｅｌｓｐｒｏｉｎｎｈｏｔｂａｉｓｎｔｔａｔａｆｔｓｈｔｈ
ቤተ መጻሕፍቲ ባይዱ

基于Hilbert变换的数字图像置乱新算法

次置乱处理。总之为使得图像置乱效果较好，图像的每一部
分尽可能被多置乱几次。图像置乱解密则为该算法的逆过程。
步骤３：Ｑ（的第一个像素点开始，记第一个像素的从Ｊ灰度值为Ｇ（。令Ｇ（与２５进行同或运算得到的值记为１）１）５Ｐ（；１然后对Ｐ１进行二进制交叉换位操作，换位具体的操作）（）
曲线置乱图像的拟周期。因为拟周期主要与原始图像灰度值分布有关，所以为了使置乱周期的讨论具有一般意义，本文利ｆ严格重合度的变化来测试不同的ＨｉｅｔＬ｝ｊｌｒ路径的置乱周期。ｂ
辐蒯的鬻簧）
３Ｈｌｒ曲线平移和灰度置乱方法ｉｅｔｂ
２１年第０期０２３
２Ｈｉｅｔｌｒ曲线置乱周期ｂ
我们将置乱后的图像严格意义上重合于原始图像的最小
的置乱次数称为图像Ｈｌｅｔｉｒ曲线置乱周期。当置乱图像在几ｂ
本文改进算法框图，如图４所示。
鞭ｌ弱纛譬
何位置尚未完全重合于原始图像时，这时出现置乱后图像的灰度值完全重合于原始图像，我们将这样的情况称为Ｈｉｅｔｌｒｂ
ｌ５
／／８、ｌ／／
／
得到的值记为ｚ２。ｆ）
Ｌ／／／ｙ ’ ２／９、／７／／
ｌ０
步骤５同理，：依次将Ｑ每个像素值Ｇｊ与ｚｉ） ∽ （）（１进一
行同或运算，得到的值记为），再次进行换位得到ｚ）ｚｉ。（）
图３所示。

基于Vigenère密码的数字图像置乱方法

用时是相互关联的。数字图像置乱技术的目的是让图像的视觉效果呈现出各
２ｉｎｒ密码数字图像置乱的原理和算法漉程Ｖｇ￣ｅｅ
２１Ｖｇｎｒ密码．ｉｅ￣ｅＶｇｎｒｉｅ￣ｅ密码是一种经典的位移密码，这种加密体制直到今天在很多地方仍被认为是安全的。其密钥是一个向量，
（ｅａｔｎｆｌｃｏｉＥｇｎｅｎｎｆｒｔｎＳｉｎｅＵｎｖｒｉｆｃｅｃｎｅｈｏｏｙｏｈｎ，ｆｉ３０７ＤｐｒｍｅｔｅｔｎｃｎｉｅｒｇａｄＩｏｍａｏｃｅｃ，ｉｅｓｙｏｉｎｅａｄＴｃｎｌｇｆｉａＨｅｅ２０２）ｏＥｒｉｎｉｔＳＣ
下面以字母加密为例来说明这种密码的主要思想：
首先选定密钥长度ｎ接着从０到２，５的整数中选择元素
ｄｇｔｌｍａｅｇｅｅｅｃａｌｎｌｏｔｍａｅｅｃａｓｃｌｇｎｒｏｉｇｔｅ￣，ｎｒｓｎｓｔｅｄｔｉｅｒｃｓｆｔｉａｇｏｉｍ．ｅｉｉａｇｒｙｌｖｌｒｍｂｉｇａｇｒｈｉｓｉｂｓｄｏｎｔｌｓｉａｅ￣ｅｃｄｎｏａｄｐｅｅｔｅａｌｄｐｏｅｓｏｓｌｒｔｈＶｉｈｈｈｈＴｈｎｌｓｓｏｉｌｔｈｏａｉｉｏｌｏｉａａｙｉｆｔｅｓｍｕａｉｎｓｗｓｔｅｖｌｄｔｆｔｅａｇｒｔｍ：ｈｉｌｒｔｅｒｅｂｔｅｅｒｓｌ’ ｈｉｔｇａｎｉｅｎｉｅｉｇ ’ ｉｌｓｈｏｈｙｈｈｔｅｓｍｉａｙｄｇｅｅｗｅｎｔｅｕｔｓｏｒｉｈＳｍａｄｗｈｔｏｓｍａｅＳｓａｍｏｔ０９．．Ｂｙｄｓｕｓｎｅｓｃｒｔｎｏｉｃｓｉｇｔｅｕｙａｄｃｍｐａｅｔｈｅｕｔｆａｖｃｄｇｅｏｅｔａｓｏａｉｎ，ｈｅｐｏｏｅｌｏｔｍｓｐｏｅｆｂｔｒｈｉｒｄｗｉｔｅｒｓｌｏｄａｅｒｙｃｄｎｆｒｔｈｓｎｒｍｏｔｒｐｓｄａｇｒｈｉｒｖｄｏｅｔｉｅｐａｔｃｂｌｔ．ｒｃｉａｉｙｉ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Ｖ０１．１６Ｎｏ．３
Ｊｕ１．２０１３
文章编号：１００８－５５６４（２０１３）０３－００４９－０４
图像置乱及置乱度评价方法综述
郭琳琴
（吕梁学院数学系，山西离石０３３０００）
一
定成效，同时也在探索更为简单、有效、安全、适用于任何图像（不同大小，彩色和灰度）的置乱方法．
在置乱度评价研究方面也提出了诸多评价算法，但较为全面的、可以从多角度、评价多种类型置乱方法
的评价体系仍有待进一步的研究．
１置乱方法
目前提出的置乱方法有很多，基本上可以分为：基于位置改变的，基于灰度改变的和上述两种类型
Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｓｃｒａｍｂｌｉｎｇ；ｓｃｒａｍｂｌｉｎｇｄｅｒｅｇｅ；ｇｒａｙｓｃａｌｅ；ｓｉｇｎａｌ —ｎｏｉｓｅｒａｔｉｏ
图像是人类描述客观世界的最有效的手段之一．随着网络技术和计算机的发展，图像的存储与传输
ＯｎｔｈｅＩｍａｇｅＳｃｒａｍｂｌｉｎｇａｎｄＳｃｒａｍｂｌｉｎｇＤｅｇｒｅｅ
ＧＵＯＬｉｎ－ｑｉｎ
（ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ，ＬｖｌｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｌｉｓｈｉ０３３０００，Ｃｈｉｎａ）
法实质上就是对这个矩阵中的元素在不改变像素值的情况下进行打乱的方法．
１．１．１基于变换矩阵的位置置乱方法
基于变换矩阵的置乱方法是定义一种从２维坐标到２维坐标间的线性变换，它由一系列基本变换组合而成，如平移变换、错切变换等，将这种变换用于对图像矩阵中元素位置的改变而形成另外，由于置乱结果需要恢复，因此置乱变换实质上是定义了离散点域｛（ｉ，）：１ ≤ｉ ≤ ，１ ≤ ≤，ｖ｝到其自身的一
ｐｉｘｅｌｓｏｒｐｉｘｅｌｌｏｃａｔｉｏｎｏｆｄｉｇｉｔａｌｉｍａｇｅｔｏｒｅａｌｉｚｅｔｈｅｉｎｆｏｒｍａｔｉｏｎｅｎｃｒｙｐｔｉｏｎ．Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅ
５０
１．１基于位置置乱的方法
西安文理学院学报：自然科学版
第ｌ６卷
数字图像可以看作是由平面区域上的离散网格点处的采样值所组成的，采样点的位置（，）ＥＮ，采样点的值代表对应位置上的像素值厂（，），这样就得到了一个表示图像的矩阵，基于位置的图像置乱方
混合的．
收稿日期：２０１３４３４－１０
基金项目：吕梁学院自然科学青年基金项目（ＺＲＱＮ２０１２０５）
作者简介：郭琳琴（１９７８一），女，山西临县人，吕梁学院数学系副教授，硕士，主要从事信息隐藏、多媒体技术研究．
中的安全问题引起了较大的关注．图像置乱作为是一种重要的图像加密和预处理手段，其主要目的是将给定的图像进行修改，使得其所表达的真正信息不被破坏地隐藏起来，同时又无法用肉眼直接得到，从而实现图像传输的安全性．
目前对于置乱的研究主要集中在置乱方法和置乱度评价两个方面．在置乱方法研究方面已取得了
ｈａｖｅｓｕｍｍａｒｉｚｅｄｔｈｅｉｍａｇｅｓｃｒａｍｂｌｉｎｇｍｅｔｈｏｄｓａｎｄａｎａｌｙｚｅｄｔｈｅｃｕｒｒｅｎｔｄｅｆｉｎｉｔｉｏｎｓｏｆｉｍａｇｅｓｃｒａｍｂｌｉｎｇｄｅｇｒｅｅ．
一
映射和满映射关系．
定义１（基于矩阵变换的置乱）设原始图像大小为ＮＭ，则式（１）被称为２维变换Ｐ下的图像置乱
摘
要：图像置乱技术通过修改数字图像的像素或像素所在位置对图像矩阵进行打乱，从而实现信
息加密，概述并归纳了图像置乱的方法，对已有的图像置乱度定义进行分析．
关键词：图像置乱；置乱度；灰度；信噪比
中图分类号：ＴＰ３９１文献标志码：Ａ
第ｌ６卷第３期
２０１３年７月
西安文理学院学报：自然科学版
ＪｏｕｒｎａｌｏｆＸｉ ’ ａｎＵｎｉｖｅｒｓｉｔｙｏｆＡｒｔｓ＆ＳｃｉｅｎｃｅｆＮａｔＳｃｉＥｄ）
Ａｂｓｔｒａｃｔ：Ｉｍａｇｅｓｃｒａｍｂｌｉｎｇｔｅｃｈｎｏｌｏｇｙｉｓａｗａｙｏｆｄｉｓｒｕｐｔｉｘｂｙｍｏｄｉｆｙｉｎｇ