本发明公开了一种基于部分块匹配和半张量积的图像加密方法，属于视觉安全加密领域。该方法可分为加密和嵌入两个步骤：在加密步骤中，利用半张量积压缩感知将明文图像进行压缩与加密，得到一幅尺寸减小的中间秘密图像；在嵌入过程中，利用部分块匹配替换算法，将秘密图像嵌入到载体图像中，得到最终的密文图像。本发明得到的密文图像与载体图像具有高度的结构相似性，不会引起攻击者的怀疑，适用于视觉有意义的图像加密。
1.一种基于部分块匹配和半张量积的图像加密方法，其特征在于，包括以下步骤：步骤1：对明文图像P进行离散小波变换，得到稀疏系数矩阵P1，稀疏系数矩阵P1与明文图像P大小均为N×N；
步骤2：为进一步减少图像噪声，对稀疏系数矩阵P1进行阈值化处理，即，将稀疏系数矩阵P1中所有元素值小于预设阈值的元素置为0，得到矩阵P2；
步骤3：利用一维五近邻元胞自动机，生成长度为N的十进制混沌序列V和长度为M×N的混沌序列E，其中，M＝CR×N，CR为压缩率；
步骤4：使用步骤3生成的混沌序列V对矩阵P2进行置乱，获取置乱后的矩阵P3；利用步骤
3生成的混沌序列E生成矩阵 并采用半张量积策略降低矩阵的维度至(M/n)×(N/n)，得到测量矩阵Φ，n是一个正整数；
步骤5：对矩阵P3进行半张量积压缩感知，使用测量矩阵Φ对矩阵P3的每一列并行采样，得到测量值矩阵步骤6：量化测量值矩阵D的每个元素，使其在[0,255]范围内，得到大小为M×N的秘密图像S；
步骤7：分别将秘密图像S以及载体图像T进行预设大小的分块，得到k个秘密图像块S1,S2,...,Sk与l个载体图像块T1,T2,...,Tl，且k≤l；其中，载体图像T的大小与明文图像相同，
1,2,...,k表示秘密图像块的位置编号，1,2,...,l表示载体图像块的位置编号；
步骤8：分别计算每个秘密图像块和每个载体图像块的像素均值以及标准方差值；
步骤9：基于标准方差值，分别对k个秘密图像块和l个载体图像块进行排序，得到排序后的两个位置编号序列Ssort＝{a1,a2,...,ak}，Tsort＝{b1,b2,...,bl}；
步骤10：为Ssort中的每个元素在Tsort中找到一个对应的映射元素，生成一个k个元素的映射序列MS，其中步骤11：根据映射序列MS，用k个秘密图像块分别替换载体图像中对应的载体图像块，得到一个大小为N×N的密文图像T1；
步骤12：对载体图像中每个秘密图像块的每个像素进行颜色转换，同时为将颜色转换后秘密图像块中像素值规范在[0,255]范围内，对颜色转换后的秘密图像块中发生溢出的像素进行修正处理，得到修正密文图像T2；
步骤13：分别计算密文图像T2中每个秘密图像块旋转0°,90°,180°,270°四个角度后的均方根误差RMSE，将每个秘密图像块旋转具有最小RMSE的角度，得到密文图像T3；
步骤14：将恢复图像所需的必要信息E通过可逆信息隐藏技术嵌入到密文图像T3中，得到最终的视觉安全密文图像I；其中必需信息E包括：映射序列MS，秘密图像块与其替换的载体图像块的均值差，颜色转换后的秘密图像块中发生溢出的像素的上下溢出值，具有最小RMSE的旋转角度。
2.如权利要求1所述的基于部分块匹配和半张量积的图像加密方法，其特征在于，步骤
3中一维五近邻元胞自动机的每个元胞仅考虑0、1两个状态，所有的元胞在离散时间内同步地更新状态，更新规则如下：其中， 代表元胞m‑2,m‑1,m,m+1,m+2在时间t下的状态，f(·)表示规则。
3.如权利要求1所述的基于部分块匹配和半张量积的图像加密方法，其特征在于，步骤2
3中生成长度为N的十进制混沌序列V和长度为M×N的混沌序列E，具体为：0
将一个256位的密钥Kseed作为该元胞自动机的初始状态C ，根据规则迭代 次，2
按时间间隔4采样得到长度为 的序列O；取序列O的前8N 位，每8位转换成一个十2
将另一个256位的密钥K′seed作为初始状态C，根据规则迭代 次，按时间间隔
4采样得到长度为 的序列O′，取O′的前M×N位得到混沌序列E；其中，M＝CR×N，CR为压缩率。
4.如权利要求1所述的基于部分块匹配和半张量积的图像加密方法，其特征在于，步骤
首先按照元素大小对混沌序列V进行排序 ，得到排序后的位置向量2
然后将矩阵P2重组至长度为N的序列形式，并根据公式(2)进行置乱得到序列P’3，最终将序列P’3调整至N×N的矩阵形式，得到矩阵P3：P3(q)＝P2(pvq),q＝1,2,...,N×N (2)。
5.如权利要求1所述的基于部分块匹配和半张量积的图像加密方法，其特征在于，步骤
首先根据公式(3)对混沌序列E进行转换，得到一个长度为M×N的随机序列W，然后将序列W按列优先顺序构造矩阵 并采用半张量积策略降低矩阵的维度至(M/n)×(N/n)，得到测量矩阵Φ，构造公式如公式(4)所示：其中，er、wr分别为混沌序列E、随机序列W中的第r个元素。
6.如权利要求1所述的基于部分块匹配和半张量积的图像加密方法，其特征在于，步骤
其中，D′αβ表示矩阵D中第α行第β列元素Dαβ量化后的值，floor(z)表示求取小于或等于z的最大整数，min代表矩阵D中的最小值，max则是矩阵D中的最大值。
7.如权利要求1所述的基于部分块匹配和半张量积的图像加密方法，其特征在于，步骤
8中均值μS、μT以及标准方差值σS、σT的计算表达式分别如公式(6)和(7)所示：其中，pt和p′t分别代表秘密图像块和载体图像块中第t个像素的像素值，n表示图像块中像素总数量。
8.如权利要求1所述的基于部分块匹配和半张量积的图像加密方法，其特征在于，步骤
Δu＝round(μT‑μS) (8)p″t＝pt+Δu (9)
其中，round(.)表示取整函数，Δu表示载体图像块与替换它的秘密图像块之间的均值差，μT和μS分别表示载体图像块与替换它的秘密图像块的均值，pt、p″t分别表示颜色转换前、后的像素值。
9.如权利要求8所述的基于部分块匹配和半张量积的图像加密方法，其特征在于，步骤
p″′t＝pt+Δu′ (11)其中，p″′t表示修正后的像素值，Δu′表示修正后的均值差，OVmax代表颜色转换后的秘密图像块中发生溢出的像素的最大的上溢像素值，UNmin代表颜色转换后的秘密图像块中发生溢出的像素的最小的下溢像素值。
一种基于部分块匹配和半张量积的图像加密方法
技术领域
[0001] 本发明属于信息安全领域中的视觉安全加密技术，具体涉及一种基于部分块匹配和半张量积的图像加密方法。
背景技术
[0002] 随着通信网络、物联网以及多媒体技术的飞速发展，大量的多媒体数据在网络中传输并存储在云端。这些文件、音频、图片、视频等多媒体数据，往往包含有隐私的、富有价值的甚至是机密的信息，且很容易遭受泄露风险。因此，数据安全逐渐成为一个富有挑战的研究课题。图像安全可以分为图像加密与信息隐写两大类。
[0003] 大部分图像加密算法是通过打乱像素位置或改变像素值将一幅明文图像转化为一幅类噪声的密文图像。但是，这类密文图像类噪声的视觉特征，很容易引起攻击者的好奇并遭受恶意攻击。不同于图像加密，信息隐写是将密文数据嵌入到有意义的图像中，并且嵌入的密文不易被发现。将明文图像作为待嵌入的密文数据嵌入到载体图像中，可以弥补上述图像加密算法的缺点，进一步提高传输时的安全性。近些年，许多视觉安全图像加密方案相继被提出。按照嵌入方法，可以将这些视觉安全加密方案分为两类：频域类以及空间域类。
[0004] 在频域类视觉安全加密方案中，Bao等人最早提出将明文图像转换成视觉有意义的加密图像这个图像加密概念。该加密方案先将明文图像预加密成一个类噪声图像，然后通过离散小波变换将其嵌入到载体图像中。空间域类视觉安全加密方案中，Lai等人基于块替换算法提出了一个有效的图像加密算法。该算法将明文图像分块后重新组合，经过颜色转化得到一个与事先选择的载体图像视觉相似的密文图像。为进一步提高嵌入容量，Ping等人将压缩感知技术以及部分块匹配替换方案考虑进视觉安全加密方案中。先将明文图像压缩并加密成一个类噪声且尺寸减小的秘密图像，之后将秘密图像与载体图像进行固定大小的分块，并依次进行块匹配替换。因为秘密图像尺寸减少，因此只需对载体图像进行部分块替换。虽然利用压缩技术以及部分块匹配方案提升了嵌入能力以及密文图像的视觉效果，但是当分块尺寸较大时，密文图像仍然存在较为明显的失真。除此之外，针对大尺寸明文图像，压缩感知技术的测量感知矩阵需要较大的存储与计算资源，这是一个不可忽视的因素。
发明内容
[0005] 本发明针对上述图像加密方案中的不足，提供一种基于改进的部分块匹配和半张量积的图像加密方案。首先，在压缩加密阶段，利用半张量积压缩感知技术对明文图像进行压缩后，得到一个类噪声且尺寸较小的秘密图像。然后，在嵌入阶段，利用改进的块匹配替换方案，在载体图像块中选择与秘密图像结构最为相似的块进行替换，使得最终生成的密文图像与载体图像具有更高的结构相似度，解决了一定程度的失真现象，进一步提高了视觉安全加密算法的安全性。
[0006] 本发明所述的一种基于部分块匹配和半张量积的图像加密方法，包含以下具体步骤：
[0007] 步骤1：对明文图像P进行离散小波变换，得到稀疏系数矩阵P1，矩阵P1与明文图像P大小均为N×N。
[0008] 步骤2：为进一步减少图像噪声，对稀疏矩阵P1进行阈值化处理，即，将矩阵P1中所有元素值小于预设阈值的元素置为0，得到矩阵P2。
[0009] 步骤3：利用一维五近邻元胞自动机生成混沌序列：
[0010] 将一个256位的密钥Kseed作为元胞自动机的初始状态C0，根据规则迭代2
次，按时间间隔4采样后得到序列O，长度为 取序列O的前8N位，每8位转换成一
2
个十进制数，最终得到十进制混沌序列V，长度为N。同样地，将另一个256位的密钥K′seed作
0
为初始状态C ，迭代 次，按时间间隔4采样后得到长度为 的序列
O′，取O′前M×N位得到混沌序列E。其中，M＝CR×N，CR为压缩率。
[0011] 步骤4：使用步骤3生成的混沌序列V对矩阵P2进行置乱，获取置乱后的矩阵P3。利用步骤3生成的混沌序列E生成矩阵 并采用半张量积策略降低矩阵的维度至(M/n)×(N/n)，得到测量矩阵Φ，n是一个正整数。
[0012] 步骤5：对矩阵P3进行半张量积压缩感知，使用测量矩阵Φ对矩阵P3的每一列并行采样，最终得到测量值矩阵 即为明文图像P的压缩结果。
[0013] 步骤6：量化测量值矩阵D的每个元素，使其在[0,255]范围内。量化后，得到大小为M×N秘密图像S。
[0014] 步骤7：分别将秘密图像S以及载体图像T进行预设大小的分块，得到k个秘密图像块S1,S2,...,Sk与l个载体图像块T1,T2,...,Tl，且k≤l；其中，载体图像T的大小与明文图像相同，1,2,...,k表示秘密图像块的位置编号，1,2,...,l表示载体图像块的位置编号。
[0015] 步骤8：分别计算秘密图像块Si,i＝1,2,...,k和载体图像块Tj,j＝1,2,...,l的均值以及标准方差值；
[0016] 步骤9：基于标准方差值，对k个秘密图像块和l个载体图像块进行排序，得到排序后的两个位置序列Ssort＝{a1,a2,...,ak}，Tsort＝{b1,b2,...,bl}。
[0017] 步骤10,：为Ssort中的每个元素在Tsort中找到一个对应的映射元素，生成一个包括k个一对一映射关系的映射序列MS，其中
[0018] 步骤11：根据步骤10得到的映射序列MS，用k个秘密图像块分别替换载体图像中对应的载体图像块。所有秘密图像块替换完成后，得到一个大小为N×N的密文图像T1。
[0019] 步骤12：为了让密文图像T1与载体图像T更为相似，将T1中每个秘密图像块的每个像素进行颜色转换，得到一个新的像素值。
[0020] 步骤13：为将颜色转换后的像素值规范在[0,255]范围内，考虑颜色转换后像素值的上下溢情况，对发生溢出的像素值进行修正，得到修正密文图像T2。
[0021] 步骤14：分别计算密文图像T2中每个秘密图像块旋转0°,90°,180°,270°四个角度后的均方根误差RMSE，并将每个秘密图像块旋转具有最小RMSE的角度，得到密文图像T3。
[0022] 步骤15：将恢复图像所需的必要信息E通过可逆信息隐藏技术嵌入到密文图像T3中，得到最终的视觉安全密文图像I。必需信息E包括：映射序列MS，秘密图像块与其替换的载体图像块的均值差，颜色转换后的秘密图像块中发生溢出的像素的上下溢出值，具有最小RMSE的旋转角度。
[0023] 进一步，所述步骤3中一维五近邻元胞自动机的每个元胞仅考虑两个状态：0、1，所有的元胞在离散时间内同步地更新状态，更新规则如下：
[0024]
[0025] 其中， 代表元胞m‑2,m‑1,m,m+1,m+2在时间t下的状态；元胞m的新状态由规则f根据五个邻居 的当前状态更新得到。本发明采用已
通过所有NIST统计测试的规则1436965290，1721325161。
[0026] 进一步，所述步骤3中生成长度为N2的十进制混沌序列V和长度为M×N的混沌序列E，具体为：0
[0027] 将一个256位的密钥Kseed作为该元胞自动机的初始状态C ，根据规则迭代2
次，按时间间隔4采样后，得到长度为 的序列O；取序列O的前8N位，每8位转换成
2
一个十进制数，得到长度为N的十进制混沌序列V；
0
[0028] 将另一个256位的密钥K′seed作为初始状态C，根据规则迭代 次，按时间间隔4采样后，得到长度为 的序列O′，取O′的前M×N位得到混沌序列E；其中，M＝CR×N，CR为压缩率。
[0029] 进一步，序列O/O′由以下步骤生成：
[0030] (1)采用256位的密钥Kseed作为五近邻元胞自动机的初始状态，记为
[0031] (2)将元胞自动机根据选定的规则R迭代 次，得到构型1 2 3 d
序列C ,C ,C ,...,C；
[0032] (3)为了解除序列之间的相关性，采用参数为4的时间间隔技术进行采样，最终输出1 5 9
的位序列仅包含C ,C ,C ,...，因此生成的序列为
[0033] 进一步，所述步骤4中矩阵P2的置乱过程如下，首先按照元素大小对混沌序列V进2
行排序得到其位置向量 然后将矩阵P2重组至长度为N的序列形式，
并根据公式(2)进行置乱得到P’3，最终再将序列P’3调整至N×N的矩阵形式，得到矩阵P3：
[0034] P3(q)＝P2(pvq),q＝1,2,...,N×N (2)。
[0035] 进一步，所述步骤4中测量矩阵 的构造过程如下：首先根据公式(3)对混沌序列E进行转换，得到一个长度为M×N的随机序列W，然后将序列W按列优先顺序构造矩阵Φ，构造公式如公式(4)所示：
[0036]
[0037]
[0038] 其中，er、wr分别为混沌序列E、随机序列W中的第r个元素， 用于归一化；
[0039] 进一步，所述步骤6中的量化表达式如下：
[0040]
[0041] 其中，D′αβ表示矩阵D中第α行第β列元素Dαβ量化后的值，floor(z)表示求取小于或等于z的最大整数，min代表矩阵D中的最小值，max则是矩阵D中的最大值。
[0042] 进一步，所述步骤8中均值μS、μT以及标准方差值σS、σT的计算表达式分别如公式(6)和(7)所示：
[0043]
[0044]
[0045] 其中，pt和p′t分别代表秘密图像块和载体图像块中第t个像素的像素值，n表示图像块中像素总数量。
[0046] 进一步，所述步骤11中颜色转换的表达式如下：
[0047] Δu＝round(μT‑μS) (8)
[0048] p″t＝pt+Δu (9)
[0049] 其中，round(.)表示取整函数，Δu表示载体图像块与替换它的秘密图像块之间的均值差，μT和μS分别表示载体图像块与替换它的秘密图像块的均值。
[0050] 进一步，所述步骤12中像素溢出的修正处理如下：
[0051]
[0052] p″′t＝pt+Δu′ (11)
[0053] 其中，Δu′是根据公式(10)修正之后的均值差，用于保证修正后的像素值p″′t落在[0,255]范围内；OVmax代表颜色转换后的秘密图像块中发生溢出的像素的最大的上溢像素值，UNmin代表颜色转换后的秘密图像块中发生溢出的像素的最小的下溢像素值。
[0054] 与现有技术相比，本发明具有如下优点：
[0055] (1)本发明采用基于方差值的部分块匹配替换方案进行空间域的图像嵌入，在载体图像块中选择与秘密图像块方差值最为接近的块进行匹配替换，即选择两个结构最为相似的块进行块匹配替换，使得最终生成的密文图像与载体图像具有更高的结构相似度，解决了一定程度的失真现象，提高了视觉安全图像加密算法的安全性；
[0056] (2)本发明利用半张量积压缩感知技术进行明文图像的压缩加密，相比于传统的压缩感知方案，减少了测量矩阵的存储资源并且提高了压缩加密阶段的计算效率。
附图说明
[0057] 图1为明文图像；
[0058] 图2是载体图像；
[0059] 图3是压缩加密后的图像；
[0060] 图4是嵌入图像后未经颜色转换的图像；
[0061] 图5是生成的密文图像；
[0062] 图6是明文图像的恢复结果；
[0063] 图7是明文图像的直方图，其中(a)是红色通道，(b)是绿色通道，(c)是蓝色通道；
[0064] 图8是密文图像的直方图，其中(a)是红色通道，(b)是绿色通道，(c)是蓝色通道；
[0065] 图9是本发明的方法流程图。
具体实施方式
[0066] 下面对本发明的技术方案进行详细说明，所述实施方式的示例在附图中示出。但是本发明的保护范围不局限于所述实施例。
[0067] 本具体实施例采用Matlab软件进行仿真，原始明文图像选用大小为512×512的标准测试彩色图像Avion，图像的每一个像素由8比特组成，如图1所示；载体图像选用大小为512×512的标准测试彩色图像Colomtn，如图2所示。
[0068] 本发明设计一种基于部分块匹配替换和半张量积的图像加密方法，该方法对明文图像进行压缩加密，并经过部分块匹配替换进行图像嵌入，最终生成有意义的视觉安全密文图像，如图9所示，具体实施步骤如下：
[0069] 步骤1：对明文图像P进行离散小波变换，得到稀疏系数矩阵P1，矩阵P1与明文图像P大小均为512×512。
[0070] 步骤2：为进一步减少图像噪声，对稀疏矩阵P1进行阈值化处理，即，将矩阵P1中所有小于预设阈值20的像素值置为0，得到矩阵P2。
[0071] 步骤3：利用一维五近邻元胞自动机生成混沌序列：
[0072] 随机生成一个256位的二进制序列作为密钥Kseed，并将其作为元胞自动机的初始0
状态C ，根据规则号1436965290的规则迭代 次后，采用时间间隔为4的采
2
样技术得到序列O，长度为 取序列O的前8×512 ＝2097152位，每8位
2
转换成一个十进制数，最终得到十进制混沌序列V，长度为512＝262144。
[0073] 同样地，使用另一个随机生成的256位密钥Ks′eed作为初始状态C0，根据规则号1721325161的规则迭代 次后，采用时间间隔为4的采样技术得到长度
为 的序列O′，取其前128×512＝65536位得到混沌序列E。其中，压
缩率CR在本示例中设为0.25，M＝CR×N＝0.25×512＝128。
[0074] 步骤4：使用步骤3生成的混沌序列V对矩阵P2进行置乱，按照元素大小将序列V进2
行排序得到其位置向量 然后将矩阵P2重组至长度为512 的序列形
式，并根据表达式P3(q)＝P2(pvq),q＝1,2,...,512×512进行置乱得到序列P’3，最后，将序列P’3调整至512×512的矩阵形式，得到矩阵P3。
[0075] 利用步骤3生成的混沌序列E生成测量矩阵 首先将序列E根据表达式进行转换得到一个大小为128×512的随机序列W，然后
将序列W按列优先的顺序构造矩阵Φ′，构造公式如下：
[0076]
[0077] 并采用半张量积策略降低矩阵Φ′的维度至(M/n)×(N/n)＝(128/2)×(512/2)＝64×256，得到测量矩阵Φ，其中正整数n在本示例中设为2。
[0078] 步骤5：对矩阵P3进行半张量积压缩感知，使用测量矩阵Φ对矩阵P3的每一列并行采样，最终得到测量值矩阵 即为明文图像P的压缩结果。
[0079] 步骤6：量化测量值矩阵D的每个元素，使其在[0,255]范围内，量化表达式为量化后，得到如图3所示的秘密图像S，其大小为128×512。
[0080] 步骤7：分别将如图3所示的秘密图像S以及如图2所示的载体图像T进行大小为8的分块，得到{S1,S2,...,S1024}与{T1,T2,...,T4096}；载体图像T的大小与明文图像相同。
[0081] 步骤8：分别按照表达式 以及计算每个秘密图像块Si,i＝1,2,...,1024和
载体图像块Tj,j＝1,2,...,4096的均值μS、μT以及标准方差值σS、σT，pt为图像块中的第t个像素点。
[0082] 步骤9：基于标准方差值，对秘密图像块和载体图像块进行排序，分别得到排序后的两个位置序列Ssort＝{a1,a2,...,a1024}，Tsort＝{b1,b2,...,b4096}。
[0083] 步骤10：为Ssort中的每个元素在Tsort中找到一个对应的映射元素，生成一个包括1024个一对一映射关系的映射序列MS，其中
[0084] 步骤11：根据步骤10得到的映射序列MS，用秘密图像块替换载体图像中对应的载体图像块。所有秘密图像块替换完成后，得到如图4所示的密文图像T1，其大小为512×512。
[0085] 步骤12：为了让密文图像T1与载体图像T更为相似，根据表达式Δu＝round(μT‑μS)计算载体图像块与替换它的秘密图像块之间的均值差，将T1中秘密图像块的每个像素根据表达式p″t＝pt+Δu进行颜色转换，得到一个新的像素值p″t。为将转换后的像素值规范在[0,255]范围内，考虑颜色转换后像素值的上下溢情况，将最大的上溢像素值记为OVmax，最小的下溢像素值记为UNmin，并将均值差根据表达式 进行修正，修正之后按照表达式p″′t＝pt+Δu′重新进行颜色转换，得到修正密文图像T2。
[0086] 步骤13：计算修正密文图像T2中秘密图像块在分别旋转0°,90°,180°,270°四个角度后的均方根误差RMSE，并将相应的秘密图像块旋转具有最小RMSE的角度，得到密文图像T3。
[0087] 步骤14：将恢复图像所需的必要信息E(映射序列MS，秘密图像块与其替换的载体图像块的均值差，颜色转换后的秘密图像块中发生溢出的像素的上下溢出值，具有最小RMSE的旋转角度θ)，通过可逆信息隐藏技术嵌入到密文图像T3中，得到最终如图5所示的视觉安全密文图像I。
[0088] 步骤15：将图5的密文图像进行解密，得到的复原图像如图6所示。
[0089] 下面结合附图以及实验数据对实施例进行性能分析：
[0090] 1.密文图像质量分析
[0091] 图像质量评估可以分为客观评估和主观评估两大类。客观评估是基于数学算法对图像质量进行评估，而主观评估则主要依靠人类视觉进行评估。常用的客观评价指标有峰值信噪比(Peak Signal‑to‑Noise Ratio，PSNR)、均方根误差(Root Mean Squared Error，RMSE)、结构相似度(Structural Similarity Index，SSIM)。
[0092] 均方根误差RMSE基于像素误差来反映图像的失真度，值越小代表图像失真越少，其计算公式如下：
[0093]
[0094] 其中，Oxy表示明文图像中第x行第y列的像素，Cxy表示密文图像中第x行第y列的像素，X和Y分别代表图像的长和宽。
[0095] 峰值信噪比PSNR表示峰值信号能量与噪声的平均能量比，值大于30dB时表示图像具有较好的视觉质量，其计算公式如下：
[0096]
[0097] 其中，Imax表示图像I的最大像素值。
[0098] 结构相似度SSIM基于像素间的空间依赖性进行质量评估，即评估图像的结构失真度，值越接近1代表结构相似度越高。其计算公式如下：
[0099]
[0100] 其中μc为图像c的均值，μs为图像s的均值， 为图像c的方差， 为图像s的方差，2 2
σcs为图像c与图像s的协方差，c1＝(k1L) ，c2＝(k2L)为两个常数用于保证除式的稳定，默认情况下k1＝0.01,k2＝0.03。
[0101] 表1列出了原始明文图像(图1)与密文图像(图5)在均方根误差、峰值信噪比以及结构相似度三个图像评价指标上的性能表现。可以看出密文图像的均方根误差较为接近0，峰值信噪比在30dB以上且结构相似度接近于1，说明了密文图像的视觉质量很好，且与对比的明文图像具有较高的结构相似度，证明了本发明具备视觉安全加密算法的安全性。
[0102] 表1明文图像与密文图像在RMSE、PSNR以及SSIM上的性能表现
[0103]
[0104] 2.密钥空间分析
[0105] 密钥空间反映了加密系统抵抗暴力攻击的抗攻击能力，由系统中所有可能的密钥组成。本发明中，密钥主要由用于置乱的Kseed和用于生成测量矩阵的K′seed构成。两个密钥都512
是256位的二进制序列，因此本发明的密钥空间为2 ，足够用于抵抗暴力攻击。
[0106] 3.直方图分析
[0107] 直方图可以清晰地展现图像中像素的分布情况。通常情况下，明文图像的直方图服从常规分布，具有明显的峰谷变化。而类噪声密文图像的像素分布一般是均匀的，以有效掩盖原始图像的信息。本发明所生成的密文图像是有意义的视觉安全加密图像，因此密文图像的直方图应该服从常规分布，且与载体图像的直方图分布相似。图7中的(a)至(c)是如图2所示的载体图像的红绿蓝三通道直方图，图8中的(a)至(c)是如图5所示的采用本发明方法加密过后密文图像的红绿蓝三通道直方图。可以看出，密文图像与明文图像的直方图具有明显的峰谷变化且分布趋势高度相似，说明了本发明的密文图像具有较高的视觉安全性。
[0108] 以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。
