一种改进的Arnold Cat变换图像置乱算法

Arnold Cat变换是经典的图像置乱算法,但其存在密钥量小,置乱视觉效果差的缺点。同时置乱仅仅是重新排列图像各像素点的位置,像素值并没有发生改变,这样攻击者就可以通过统计分析等手段进行破译。针对Arnold Cat变换的不足,运用混沌理论,提出了一种基于均匀性的改进Arnold Cat变换置乱算法。仿真实验证明改进的算法具有密钥量大、置乱视觉效果好、图像的位置和像素值均发生本质改变等优点,增加了图像加密的安全性。

图像置乱程度的衡量方法

图像置乱变换是信息隐藏和图像加密常用的方法,如何衡量一种置乱变换的好坏,是研究的热点和难点问题。基于置乱前后位置变化的方法可以作为一个衡量的标准,但是位置变化并不能代表像素点值的改变,而且把图像作为一个整体来考虑也会产生一些偏差。为了克服这个缺点,提出了一种基于各点相关性的图像置乱程度衡量方法,主要是通过比较置乱前后每个点与其相邻点相关性的差异来进行衡量。由Matlab仿真结果表明,该方法可以很好地衡量图像置乱次数与置乱效果的关系,而且与人类的视觉具有比较好的一致性。

分布均匀性的图像置乱衡量方法

尽管越来越多的置乱算法被提出,如Arnoldcat变换、Hilbert变换、幻方变换和基于混沌置乱变换等,但是针对这些置乱算法的衡量方法却很少,现有的方法都是基于某一种置乱变化而提出的,通用性不强。从图像置乱均匀分布的角度出发,定义了理想置乱状态的模型,并根据理想状态的特点提出了一种图像置乱衡量方法,通过比较置乱效果与理想状态的偏离度来评价置乱效果的好坏。对Arnoldcat变换进行了仿真分析,实验结果显示该方法能准确衡量图像的置乱程度,与人类视觉相吻合。并指出对256×256的图像来说,8×8,16×16的分块可以更准确地衡量置乱效果。

基于伪随机序列的Arnold加密算法

Arnold变换是一种经典的图像置乱算法。由于其具有周期性,导致密钥量不够。提出了一种改进的Arnold变换方法,即引入伪随机序列并利用安全哈希算法产生随机参数序列,将数字图像分块,并对每个块图像分别进行Arnold变换,最终得到一幅置乱图像。该算法有效地增加了密钥量,可以克服通过穷举分析等手段进行的攻击,增加了图像的安全性。