基于CNN超混沌加密的Shearlet域数字图像隐藏

摘要

当今时代，网络通信已经成为人们进行信息交流的主要渠道，互联网给信息传输带来了极大的方便，但互联网的开放性也对信息安全提出了新的挑战。诸如个人医学档案、公司核心技术和国家机密等信息若直接在网络中进行传输，是极其容易被非法者破坏和窃取的，其后果是不可估量的。因此，信息隐藏作为信息安全的重要手段，已经成为人们研究的焦点。
　　图像在网络通信中扮演着越来越重要的角色，图像隐藏也成为了信息隐藏的重要组成部分。图像隐藏技术通常先对秘密图像进行加密预处理，而后进行隐藏。图像加密算法主要有基于矩阵变换的图像加密、基于秘密分存的图像加密和基于混沌的图像加密等，这些算法安全性不高，有的存在周期性。图像隐藏算法大多集中在变换域，变换域算法具有较好的鲁棒性，但研究不可见性、鲁棒性与算法时间复杂度之间的矛盾较少。
　　本文采用细胞神经网络（CNN）超混沌序列、位平面分解与Arnold置乱相结合的方法对秘密图像进行加密预处理，弥补了传统混沌序列密钥简单、安全性低的不足。将Shearlet变换引入隐藏算法，隐藏秘密图像时，首先对载体图像进行四尺度Shearlet分解，产生的低频部分再进行小波包分解，将经过加密处理的高位平面信息加权隐藏到低频子带系数的奇异值矩阵中，低位平面信息嵌入Shearlet带频子带中。利用Shearlet变换的能量聚集特性，提取秘密图像时，对载密图像进行二尺度Shearlet分解。实验结果表明，该算法在一定程度上平衡了不可见性、鲁棒性与算法时间复杂度之间的矛盾。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.3 本文的研究工作及内容安排

第2章 数字图像隐藏技术基础

2.1 数字图像隐藏的基本概念和常用术语

2.2 数字图像加密技术的基本分类

2.3 数字图像隐藏技术的基本分类

2.4 数字图像隐藏算法的性能指标和评价标准

2.5 本章小结

第3章 细胞神经网络超混沌加密

3.1 位平面分解

3.2 细胞神经网络超混沌理论

3.3 一种基于CNN超混沌的数字图像加密算法

3.4 本章小结

第4章 Shearlet域图像隐藏

4.1 Shearlet变换理论概述

4.2 小波包变换

4.3 奇异值分解

4.4 算法原理

4.5 本章小结

第5章 基于CNN超混沌加密的Shearlet域图像隐藏实验分析

5.1 实验环境

5.2 Shearlet分解尺度对图像隐藏性能的影响

5.3 同一载体图像的实验结果及分析

5.4 同一秘密图像的实验结果及分析

5.5 彩色图像的实验结果及分析

5.6 算法间的横向比较

5.7 本章小结

第6章 总结与展望

6.1 本论文研究总结

6.2 下一步的研究工作

参考文献

致谢

攻读硕士学位期间取得的科研成果