图像人工退化研究

图像人工退化研究

论文摘要

图像人工退化,即人为主动地通过可逆的方式降低图像的视觉质量。主要目的是实现商业图像的先用后买的商业模式。即先给用户发送经过退化处理的图片给其试用,待用户决定购买后,再提供解密密钥恢复原图。这样就可以将互联网的共享精神和商业的赢利目的融为一体,实现双赢。本文主要从选择加密和图像噪声两个方向,对图像人工退化进行了探讨和分析。主要所做工作如下:1.介绍并分析了基于选择加密的图像人工退化算法,包括位平面选择加密算法和DCT系数选择加密算法[1]。根据分析结果指出,在位平面选择加密图像退化中,最好不加密第一个和第二个比特位;在DCT系数选择加密中,建议对游程编码后的AC幅度值加密,而不是加密游程编码之前的AC系数。2.提出了一种新的选择加密退化算法。通过加密图像的部分像素来实现图像退化。实验表明,该算法不能抵御图像滤波的攻击。为此,提出按块加密的方案。实验证明改进可有效地提高算法对图像滤波算法的抵抗力。3.提出了利用图像噪声来进行图像退化的思路。并提出了加性噪声和乘性噪声两种模式。分别对两种模式进行了退化程度的量化分析,提出了退化程度的预测公式并进行了实验验证。4.对基于图像噪声的退化算法进行了安全性分析和改进。针对图像滤波攻击,提出了混合噪声的解决方案。对图像平均攻击,采用了选择模板进行二元加噪。5.最后,给出了论文的不足之处。本文最主要的创新点就是提出了基于噪声的图像退化算法。这种算法简单快速,利于实用。更重要的是,该算法可以量化分析图像的退化程度,在加性噪声的条件下,还可以估计退化图像的压缩率变化。这些在商业应用是非常重要的条件。这说明这种算法已经具备商业应用的基本条件。具有一定的实用价值。

论文目录

  • 摘要
  • ABSTRACT
  • 1 绪论
  • 1.1 研究背景
  • 1.2 研究目的
  • 1.3 本文的主要工作
  • 2 图像退化相关知识
  • 2.1 密码学
  • 2.1.1 密码学概述
  • 2.1.2 密码的安全性评价标准
  • 2.1.3 密码攻击方法
  • 2.2 混沌与混沌密码学
  • 2.2.1 混沌现象及其理论
  • 2.2.2 混沌系统的特性
  • 2.2.3 混沌在密码学中的应用
  • 2.3 信息论概述
  • 2.3.1 信息
  • 2.3.2 信源
  • 2.3.3 信息量和熵
  • 2.3.4 图像信息熵
  • 2.4 图像质量与图像噪声
  • 2.4.1 图像质量评价方法
  • 2.4.2 图像噪声
  • 2.4.3 几种常用空间域图像去噪方法介绍
  • 2.5 图像压缩编码技术
  • 2.5.1 JPEG 标准简介
  • 2.5.2 预测编码技术
  • 2.6 本章小结
  • 3 基于选择加密的图像退化
  • 3.1 空域选择加密
  • 3.1.1 选择部分像素加密
  • 3.1.2 选择位平面加密
  • 3.2 频域选择加密
  • 3.3 算法性能总结分析
  • 3.4 本章小结
  • 4 基于噪声的图像人工退化
  • 4.1 基于噪声的图像退化模型
  • 4.2 噪声发生器的设计
  • 4.3 基于加性噪声的图像退化算法设计
  • 4.3.1 算法流程
  • 4.3.2 图像退化程度量化分析
  • 4.3.3 退化图像压缩率分析
  • 4.3.4 安全性分析及改进
  • 4.5 基于乘性噪声的图像退化算法设计
  • 4.5.1 算法设计
  • 4.5.2 图像退化程度量化分析
  • 4.5.3 溢出控制与精度损失
  • 4.5.4 安全性分析及改进
  • 4.5.5 算法改进
  • 4.6 本章小结
  • 5 总结与展望
  • 5.1 本文总结
  • 5.2 不足与展望
  • 致谢
  • 参考文献
  • 附录
  • A. 作者在攻读硕士学位期间发表的论文目录
  • B. 作者在攻读硕士学位期间参加的科研项目
  • 相关论文文献

    • [1].基于暗通道先验的大气退化图像去雾新方法[J]. 控制工程 2020(02)
    • [2].稀疏先验型的大气湍流退化图像盲复原[J]. 光电工程 2020(07)
    • [3].微间隙焊缝磁光退化图像自动恢复方法仿真[J]. 计算机仿真 2019(03)
    • [4].探究恶劣雾霾天气退化图像的处理与优化技术[J]. 科技创新导报 2015(08)
    • [5].基于字典学习的大气湍流退化图像复原技术应用[J]. 吉林大学学报(信息科学版) 2016(01)
    • [6].非均匀介质退化图像快速仿真模型的建立[J]. 浙江大学学报(工学版) 2014(02)
    • [7].大气湍流退化图像的复原研究[J]. 合肥工业大学学报(自然科学版) 2011(01)
    • [8].基于学习字典和稀疏约束的湍流退化图像盲复原[J]. 电子测量技术 2020(17)
    • [9].退化图像的去雾方法[J]. 红外与激光工程 2010(05)
    • [10].基于二阶加权差分的湍流退化图像快速复原[J]. 计算机工程与应用 2008(31)
    • [11].一种水下退化图像的增强方法[J]. 数字技术与应用 2013(03)
    • [12].湍流退化图像并行校正方法[J]. 计算机与数字工程 2009(03)
    • [13].复杂背景红外湍流退化图像复原算法研究[J]. 激光与红外 2008(12)
    • [14].水平路径上多帧湍流退化图像重建[J]. 电视技术 2017(03)
    • [15].基于二次二维经验模态分解去噪的湍流退化图像复原算法[J]. 计算机应用研究 2020(05)
    • [16].基于预处理的气动退化图像边缘定位[J]. 无线电工程 2012(11)
    • [17].湍流效应退化图像的数值模拟和仿真计算[J]. 计算机仿真 2008(04)
    • [18].水下退化图像处理方法[J]. 天津大学学报 2010(09)
    • [19].红外探测湍流退化图像并行复原方法研究[J]. 红外技术 2009(01)
    • [20].基于飞行参数约束的湍流退化图像快速复原算法[J]. 红外与激光工程 2008(03)
    • [21].基于改进湍流模型和偏振成像技术的水下退化图像复原方法[J]. 农业工程学报 2013(S1)
    • [22].基于时域特性的多帧湍流退化图像复原算法[J]. 激光与光电子学进展 2013(12)
    • [23].基于随机点扩散函数的多帧湍流退化图像自适应复原方法[J]. 中国光学 2015(03)
    • [24].雾天退化图像的增强技术研究[J]. 新型工业化 2014(02)
    • [25].基于频谱分析的退化图像模糊类型识别[J]. 云南大学学报(自然科学版) 2009(S2)
    • [26].海上薄雾条件下退化图像的快速Retinex增强算法[J]. 导航与控制 2015(03)
    • [27].退化图像复原方法研究进展[J]. 液晶与显示 2018(08)
    • [28].气动退化图像自适应空域正则化复原[J]. 计算机仿真 2013(11)
    • [29].维纳滤波在图像复原中的应用研究[J]. 可编程控制器与工厂自动化 2014(03)
    • [30].基于序列图像的湍流退化图像复原方法研究[J]. 长春理工大学学报(自然科学版) 2012(02)

    标签:;  ;  ;  ;  

    图像人工退化研究
    下载Doc文档

    猜你喜欢