[发明专利]一种高光谱图像压缩加密方法

摘要

本发明提供了一种高光谱图像压缩加密方法，采用小波变换的3DSPIHT编码进行编码，编码的同时进行加密，通过Logistic映射构造置乱表置乱初始化的LIP，不断迭代Chen’s模型直到完成所有重要类型比特的加密，解密过程是加密的逆运算，不断更新Chen’s模型初始值解密重要类型数据，由此逐步逼近原图像，最后再现原图像。本发明利用3DSPIHT编码方法的前向依赖性，在压缩的过程中有选择的实时加密重要类型数据，减少了图像的加密数据量，提高了图像传输和加密效率，计算每个比特平面重要类型的加密数据量，预处理后扰动初始密钥，增加了密码方法对明文的敏感性。

主权项

1.一种高光谱图像压缩加密方法，其特征在于包含下述步骤：步骤1：将高光谱图像进行随机分组，每组为16个波段图像，分别对每组图像进行4层三维对称小波变换，对每组图像小波变换后的系数进行3DSPIHT编码；编码使用三个链表LIP、LIS、LSP，分别表示不重要系数表、不重要集合表和重要系数表，通过公式(1)判断系数或集合重要性；Sn(A)=1max(i,j,k)∈A|Xi,j,k|≥2n0...(1)]]>式中X_i,j,k为小波系数,2ⁿ为当前阈值，S_n(A)为集合A是否重要的标志位；在编码过程中，共产生4种不同类型压缩数据，分别是表示系数重要性的比特B_sig、表示重要系数符号的比特B_sgn、表示集合重要性的比特和精细扫描的比特其中k表示第k次迭代扫描；其中B_sig包含LIP链表中系数重要性和LIS链表中集合直接后代系数重要性B_sgn包含LIP链表中重要系数的符号和LIS链表中集合直接后代重要系数的符号位它们在解码过程中起着不同的作用,3DSPIHT算法是一种具有前向依赖性的编码方法，B_sig和类型数据的改变，不仅影响解码时某个系数值，还将直接影响其后大部分或所有数据的意义，对图像的重构起着重要的作用，而B_sig和类型数据的改变仅影响某个系数值，在图像重构时仅使图像发生失真，基本上不影响图像可视性，因此加密方法只需加密B_sig和类型数据，便可达到保护所有图像数据目的；步骤2：在编码的同时进行加密，便可得到加密图像，详细加密过程如下：设初始密钥Key为[g₀、x₀、y₀、z₀、γ]，待加密图像为I，图像大小为M×N×P,M,N是大小尺寸，P是波段数；（1）以密钥g₀初始值，迭代1000次Logistic模型得到g₁，通过m＝mod(round(10^16×g₁),P)+1将g₁映射成一个整数m，m∈[1,P]，其中P是波段，round(·)表示取整运算，mod(·,·)表示取模运算；取图像I的第m波段图像记为A，通过公式(2)计算中间值k₁和k₂，同时令k₃＝g₀；k1=1/2^16mod(Σi=1M2Σj=1Nai,j,2^16)k2=1/2^16mod(Σi=M2MΣj=1Nai,j,2^16)...(2)]]>其中a_i.j为图像A的第i行第j列的像素值；（2）根据Logistic映射动力学方程g_n+1＝μg_n(1-g_n)，以μ为控制参数，g'₀＝mod(g₀+|k₁-k₂|,1)为初始值，迭代Logistic模型构造置乱表T_LIP置乱初始化LIP表；初始化LIP的置乱详细步骤：3DSPIHT编码时，初始化LIP表包含最低子频带系数和同一分解层高频子带系数，最低子频带系数集中了图像绝大部分能量，对图像重构起重要作用，本发明采用Logistic混沌映射实现初始化LIP的置乱；Logistic映射动力学方程为：g_n+1＝μg_n(1-g_n)  (3)式中当3.5699456...＜μ≤4时，Logistic映射呈现混沌状态；以μ为控制参数，g₀为初始值，迭代式(3)产生实数值混沌序列，取出迭代1000次后n₀个迭代值{g_t,t＝1,2,...,n₀}进行递增排序，用t_i表示随机数g_i排序后的位置，为产生的置乱数组，用T_LSP实现LIP链表的置乱；（3）以初始秘钥中γ为控制参数，以x'₀＝mod(x₀+k₁,1)，y'₀＝mod(y₀+k₂,1)，z'₀＝mod(z₀+k₃,1)为初始值迭代Chen’s模型N次，其中N₁、N₂、N₃分别为本轮加密的个数；将迭代值预处理转化为比特值序列Q加密扫描过程中产生的重要数据，不断迭代Chen’s模型直到完成本轮扫描过程中所有重要类型比特的加密；（一）比特序列生成CEPC方法中重要比特位的加密主要通过随机比特序列来实现，比特序列的随机性及不可预测性对方法安全性起着重要作用，文中通过Chen’s混沌映射生成实数值混沌序列，并对其进行预处理，产生所需要加密比特序列；Chen’s混沌系统的动力学方程为x·=α(y-x)y·=(c-α)x-xz+γyz·=xy-βz...(4)]]>式中α,β,γ为系统控制参数，当α＝35,β＝3,20＜γ＜28.4时，系统呈混沌状态；以x₀,y₀,z₀为初始值，迭代Chen’s模型得到三个实数值x_k,y_k,z_k，通过将x_k)转化为整数x'_k，并用32位二进制数表示为Q_x＝{q_x(t),t＝1,2,...,32}，同理可以得到Q_y＝{q_y(t),t＝1,2,...,32}，Q_z＝{q_z(t),t＝1,2,...,32}，其中q_x(t)，q_y(t)，q_z(t)均为0或1；将得到的三组比特值Q_x、Q_y、Q_z，然后序列两两之间进行异或，产生随机序列Q_xz＝{q_xz(t),t＝1,2,...,32}，Q_yx＝{q_yz(t),t＝1,2,...,32}，依次连接Q_xy、Q_xz、Q_yz构成序列Q，其中q_xy(t)，q_xz(t)，q_yz(t)均为0或1，如此迭代Chen’s模型直到达到所需要的数据加密比特长度；（二）重要比特位替换根据编码后不同类型数据重要性的分析，本发明采用Chen’s混沌映射产生密钥序列Q，实时加密扫描过程中产生的类型数据，具体扫描加密流程描述如下：（i）扫描LIP中的每个记录(i,j,k),输出S_n(i,j,k)q(t)，其中q(t)∈Q；若S_n(i,j,k)＝1，则将(i,j,k)移至LSP，并输出符号位；（ii）扫描LIS中的每条记录(i,j,k)a）如果该记录代表D(i,j,k)类集合，则输出S_n(D(i,j,k))q(t)，其中q(t)∈Q；若S_n(D(i,j,k),则对每个(m,n,l∈)O(i,j,输出此时q(t)∈Q；若S_n(m,n,l)＝1，则将(m,n,l)移至LSP，并输出符号位，否则将(m,n,p)移至LIP；若L(i,j,k)不为空集，则将(i,j,k)移至LIS尾部，标明为L类型，否则，将(i,j,k)从LIS中移出；b）如果该记录代表L（i,j,k)类集合，则输出S_n(L(i,j,k))q(t)，此时q(t)∈Q;若S_n(L(i,j,k))＝1，则将每个(m,n,p)∈(i,j,k)移到LIS尾部，同时从LIS中移出(i,j,k)项（4）令k₁＝mod(N₁,2¹⁵)/2¹⁵，k₂＝mod(N₂,2¹⁵)/2¹⁵，k₃＝mod(N₃,2¹⁵)/2¹⁵重复执行步骤(3)直到编码比特数达到所需压缩比的要求；步骤3：解密过程是加密的逆运算，采用k₁和k₂初始值扰动初始密钥g₀，采用Logistic模型生成置乱表逆置乱初始化LIP链表；然后不断更新Chen’s模型初始值解密重要类型数据，初始值更新方法同步骤2中的加密方法，由此逐步逼近原图像，最后再现原图像。