1。介绍
近年来,随着计算机网络和通信技术的快速发展,信息安全问题变得越来越重要。作为一种新兴的光学成像技术(
1- - - - - -
3),CGI(计算机鬼成像)吸引了研究人员的注意,一旦出现,已广泛应用于军事、加密、雷达等领域(
4,
5]。因此,CGI的安全性尤为重要。
CGI开发基于鬼成像技术(
6),它可以传输图像信息通过一个光学路径,结构简单,抗干扰能力强,良好的成像效果。2010年,克莱提出了一个基于CGI的图像加密技术(
7];如图
1,这个解决方案可以加密plain-images到光强度值和只需要一桶探测器没有接收光强的空间分辨率,这表明光学信息安全的新研究方向(
8]。实现图像重建效率高,Katz提出了一个抗压鬼成像(CSGI)计划,CGI相结合,压缩感知(CS)算法来测量图像恢复所需的数量减少一个数量级(
9- - - - - -
11]。
CGI加密方案。
然后,Durfin等人提出了一个CSGI加密方案(
12]。赵等人进一步提高光学加密的安全利用QR的高容错编码,减少传输图像的大小和增强鲁棒性
13]。吴等人提出了一个基于CGI光学多图像加密方案,这种方法可以同时传输多个图像;但随着距离的钥匙,它是容易受到穷举式攻击(
14]。朱等人使用指纹技术产生相位调制矩阵,指纹具有唯一性,但很容易获得,传播的关键,指纹太大(
15]。李等人提出了一种多重象CSGI加密方法基于轻型和XOR操作(
16]。大多数作品在文献中没有关联的关键与明文图像和有大的传输密钥。这促使我们去寻找小说CSGI与明文相关加密方法,较小的传输密钥,密钥空间大,图像重建效率高。
混乱有许多优良的特性,如伪随机数、遍历性、对初始点敏感参数(
17- - - - - -
23),已广泛应用于图像加密和隐私保护
24- - - - - -
28)、通信加密(
29日),和其他领域。混沌系统可分为低维混沌系统和高维混沌系统。低维混沌系统,如Henon混沌系统(
30.,
31日)和帐篷映射(
32,
33)等人首次被用于加密系统(
34但已经被证明是不够安全
35]。高维混沌系统,如三维Lorenz混沌系统(
36,
37],和陈系统[
38Yu)和系统(
39,
40)等人有更多的空间和更高的复杂性。特别是hyper-chaotic系统(
41,
42)两个或两个以上的李雅普诺夫指数大于0和更大的密钥空间和更高的复杂性。Hyper-chaotic系统已经广泛应用于混沌图像加密方案(
28,
43- - - - - -
45]。DNA编码和解码技术(
46)是一种生物的方法来处理信息,具有大规模并行性的特点,high-storage密度、超低功耗消费,独特的分子结构,分子间识别机制。DNA有很大发展前景信息加密领域的
47- - - - - -
52]。本文基于hyper-chaotic CSGI加密方案系统,提出了DNA和KSVD技术。首先,给出四个传动键,输入四键hyper-chaotic-system初始值;第二,4长hyper-chaotic系统所产生的混沌序列,然后他们三个排列成一个相序,和其他序列被用来产生一个DNA序列。第三,弥散相序与DNA序列DNA操作,然后得到相位调制矩阵,用于作为输入的空间光调制器(SLM)。同时,被KSVD字典与原始图像矩阵D,实现原始信号稀疏表示通过D .最后,完整的加密方案。与现有CSGI加密方案相比,该方案具有较小的双传输密钥,密钥空间大,关键的灵敏度高,明文相关性和不可预测性。使用DNA进一步增加的复杂性和随机性加密方案。
本文的其余部分组织如下。节
2CGI的基本理论,hyper-chaotic系统,DNA技术,压缩传感,奇异值分解。节
3,我们的系统框架方案和相位掩模矩阵的生成过程详细描述。仿真结果和安全分析执行部分
4。本文总结了部分
5。
2。基本理论
2.1。CGI
在CGI,如图
2空间激光光束传输通过空间光调制器(SLM),它引入了一个任意的相位掩模矩阵<我nline-formula>
φ米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
,产生一个空间非相干光束。了解随机相位和激光光场的分布<我nline-formula>
U米米l:mi>
在米米l:mtext>
x米米l:mi>
,米米l:mo>
y米米l:mi>
,一个人可以评估光强的分布<我nline-formula>
U米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
SLM之后:
(1)米米l:mtext>
U米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
=米米l:mo>
U米米l:mi>
在米米l:mtext>
x米米l:mi>
,米米l:mo>
y米米l:mi>
e米米l:mi>
我米米l:mi>
φ米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
。米米l:mo>
CGI的基本理论。
通过菲涅耳衍射光场分布的信号对象前面的飞机是一样的参考光,光的物体平面<我talic>
z我talic>距离的SLM,斑纹<我nline-formula>
我米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
可以计算:
(2)米米l:mtext>
我米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
=米米l:mo>
U米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
⊗米米l:mo>
h米米l:mi>
z米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
2米米l:mn>
,米米l:mo>
在哪里<我nline-formula>
h米米l:mi>
z米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
传递函数在空间域距离吗<我nline-formula>
z米米l:mi>
,<我nline-formula>
⊗米米l:mo>
代表卷积操作,<我nline-formula>
我米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
被定义为参考光。信号光强度检测到一桶探测器放置在对象,它可以表示为一个对象的传输函数<我nline-formula>
T米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
和写
(3)米米l:mtext>
B米米l:mi>
我米米l:mi>
=米米l:mo>
∫米米l:mo>
d米米l:mtext>
x米米l:mi>
d米米l:mtext>
y米米l:mi>
我米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
T米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
。米米l:mo>
构造对象的传输函数<我nline-formula>
T米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
,参考光散斑<我nline-formula>
我米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
阐述了信号光强度<我nline-formula>
B米米l:mi>
我米米l:mi>
:
(4)米米l:mtext>
G米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
=米米l:mo>
1米米l:mn>
N米米l:mi>
∑米米l:mo>
我米米l:mi>
=米米l:mo>
1米米l:mn>
N米米l:mi>
B米米l:mi>
我米米l:mi>
−米米l:mo>
B米米l:mi>
我米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
,米米l:mo>
在哪里<我nline-formula>
G米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
表示恢复对象的信息,<我nline-formula>
⋅米米l:mo>
=米米l:mo>
1米米l:mn>
/米米l:mo>
N米米l:mi>
∑米米l:mo>
我米米l:mi>
⋅米米l:mo>
是一个总体均值除以N的测量,<我nline-formula>
我米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
计算由接收方根据方程(
2),<我nline-formula>
B米米l:mi>
的平均值测量组件<我nline-formula>
B米米l:mi>
我米米l:mi>
(
53]。
2.2。Hyper-Chaotic系统
在我们提出CSGI加密方案,所需的相位掩模矩阵在SLM hyper-chaotic生成的系统:
(5)米米l:mtext>
x米米l:mi>
˙米米l:mo>
=米米l:mo>
一个米米l:mi>
y米米l:mi>
−米米l:mo>
x米米l:mi>
+米米l:mo>
y米米l:mi>
z米米l:mi>
,米米l:mo>
y米米l:mi>
˙米米l:mo>
=米米l:mo>
b米米l:mi>
x米米l:mi>
−米米l:mo>
y米米l:mi>
−米米l:mo>
x米米l:mi>
z米米l:mi>
+米米l:mo>
w米米l:mi>
,米米l:mo>
z米米l:mi>
˙米米l:mo>
=米米l:mo>
x米米l:mi>
y米米l:mi>
−米米l:mo>
c米米l:mi>
z米米l:mi>
,米米l:mo>
w米米l:mi>
˙米米l:mo>
=米米l:mo>
d米米l:mi>
w米米l:mi>
−米米l:mo>
x米米l:mi>
z米米l:mi>
。米米l:mo>
通过设置参数<我nline-formula>
一个米米l:mi>
=米米l:mo>
35米米l:mn>
,<我nline-formula>
b米米l:mi>
=米米l:mo>
3米米l:mn>
/米米l:mo>
8米米l:mn>
,<我nline-formula>
c米米l:mi>
=米米l:mo>
55米米l:mn>
,<我nline-formula>
d米米l:mi>
=米米l:mo>
1。3米米l:mn>
我们获得四个李雅普诺夫指数,包括两个正的李雅普诺夫指数,<我nline-formula>
λ米米l:mi>
1米米l:mn>
=米米l:mo>
1.4164米米l:mn>
和<我nline-formula>
λ米米l:mi>
2米米l:mn>
=米米l:mo>
0.5318米米l:mn>
李雅普诺夫指数,一个零<我nline-formula>
λ米米l:mi>
3米米l:mn>
=米米l:mo>
0米米l:mn>
和一个消极的李雅普诺夫指数<我nline-formula>
λ米米l:mi>
4米米l:mn>
=米米l:mo>
−米米l:mo>
39.1015米米l:mn>
(
54]。通过这种方式,系统展示hyper-chaotic行为。图
3描述了阶段的画像hyper-chaotic系统。在这里,我们采用四阶龙格-库塔方法解决(
5),获得四hyper-chaotic序列。
阶段的画像。(一)<我nline-formula>
x米米l:mi>
−米米l:mo>
y米米l:mi>
飞机。(b)<我nline-formula>
x米米l:mi>
−米米l:mo>
z米米l:mi>
飞机。(c)<我nline-formula>
x米米l:mi>
−米米l:mo>
w米米l:mi>
飞机。(d)<我nline-formula>
y米米l:mi>
−米米l:mo>
z米米l:mi>
飞机。
2.3。DNA
DNA是一种长链聚合物,是四个基本元素核酸基地,即<我nline-formula>
一个米米l:mi>
(腺嘌呤),<我nline-formula>
C米米l:mi>
(胞嘧啶),<我nline-formula>
G米米l:mi>
(鸟嘌呤),<我nline-formula>
T米米l:mi>
(胸腺嘧啶),<我nline-formula>
一个米米l:mi>
和<我nline-formula>
T米米l:mi>
,<我nline-formula>
C米米l:mi>
和<我nline-formula>
G米米l:mi>
分别是互补的。在一个双星系统,0和1是互补的。它可以得出结论:00和11是互补的,和10 01是互补的。这四种碱基编码<我nline-formula>
一个米米l:mi>
,<我nline-formula>
C米米l:mi>
,<我nline-formula>
G米米l:mi>
,<我nline-formula>
T米米l:mi>
0和1,8编码方法,如表所示
1。每个DNA编码规则对应于一个操作规则,和下面的算法是基于编码规则1和规则2。根据二进制计算规则,我们可以得到相应的规则的DNA,减法,补充规则表中列出
2和
3。
DNA编码规则。
| 规则 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
|
一个我talic> |
00 |
00 |
01 |
01 |
10 |
10 |
11 |
11 |
|
T我talic> |
11 |
11 |
10 |
10 |
01 |
01 |
00 |
00 |
|
C我talic> |
01 |
10 |
00 |
11 |
00 |
11 |
01 |
10 |
|
G我talic> |
10 |
01 |
11 |
00 |
11 |
00 |
10 |
01 |
DNA编码规则。
| 除了 |
一个 |
C |
G |
T |
减法 |
一个 |
C |
G |
T |
|
一个我talic> |
一个 |
C |
G |
T |
一个 |
一个 |
T |
G |
C |
|
C我talic> |
C |
G |
T |
一个 |
C |
C |
一个 |
T |
G |
|
G我talic> |
G |
T |
一个 |
C |
G |
G |
C |
一个 |
T |
|
T我talic> |
T |
一个 |
C |
G |
T |
T |
G |
C |
一个 |
DNA编码规则。
| 补充 |
1 |
2 |
3 |
4 |
5 |
6 |
|
一个我talic> |
T |
T |
C |
C |
G |
G |
|
T我talic> |
C |
G |
G |
一个 |
C |
一个 |
|
C我talic> |
G |
一个 |
T |
G |
一个 |
T |
|
G我talic> |
一个 |
C |
一个 |
T |
T |
C |
2.4。压缩传感
压缩传感技术利用DFT稀疏基如DCT或代表了信号稀疏,测量信号基于高斯随机矩阵,然后重建信号的基础上<我talic>
l我talic>1范数和其他算法。
假设一个信号<我nline-formula>
x米米l:mi>
∈米米l:mo>
ℝ米米l:mi>
N米米l:mi>
×米米l:mo>
1米米l:mn>
之前,采样信号<我nline-formula>
x米米l:mi>
,选择一个合适的和正交稀疏的基础<我nline-formula>
Ψ米米l:mi>
∈米米l:mo>
ℝ米米l:mi>
N米米l:mi>
×米米l:mo>
N米米l:mi>
稀疏表示的信号<我nline-formula>
x米米l:mi>
作为
(6)米米l:mtext>
x米米l:mi>
=米米l:mo>
Ψ米米l:mi>
年代米米l:mi>
,米米l:mo>
在哪里<我nline-formula>
年代米米l:mi>
稀疏表示的吗<我nline-formula>
x米米l:mi>
在稀疏的基础上<我nline-formula>
Ψ米米l:mi>
。<我nline-formula>
年代米米l:mi>
有<我nline-formula>
K米米l:mi>
非零元素,和其他<我nline-formula>
N米米l:mi>
−米米l:mo>
K米米l:mi>
N米米l:mi>
≫米米l:mo>
K米米l:mi>
元素的值是0。
稀疏矩阵操作和测量必须满足限制等容财产(RIP)。离散余弦变换、快速傅里叶变换等是常见的操作。
在测量<我nline-formula>
x米米l:mi>
,为了减少测量的数量,确保测量结果包含尽可能多的信息<我nline-formula>
x米米l:mi>
,我们需要一个合适的测量矩阵<我nline-formula>
Φ米米l:mi>
∈米米l:mo>
ℝ米米l:mi>
米米米l:mi>
×米米l:mo>
N米米l:mi>
米米米l:mi>
<米米l:mo>
N米米l:mi>
。伯努利矩阵,高斯分布矩阵,Hadamar矩阵,托普利兹矩阵等中经常使用压缩传感技术。测量的信号<我talic>
x我talic>可以表示为
(7)米米l:mtext>
y米米l:mi>
=米米l:mo>
Φ米米l:mi>
x米米l:mi>
=米米l:mo>
Φ米米l:mi>
Ψ米米l:mi>
年代米米l:mi>
=米米l:mo>
Θ米米l:mi>
年代米米l:mi>
,米米l:mo>
在哪里<我nline-formula>
Φ米米l:mi>
Ψ米米l:mi>
=米米l:mo>
Θ米米l:mi>
一个传感器矩阵和吗<我nline-formula>
y米米l:mi>
∈米米l:mo>
ℝ米米l:mi>
米米米l:mi>
×米米l:mo>
1米米l:mn>
是测量结果。
最后,使用压缩传感重建算法重建<我nline-formula>
年代米米l:mi>
˜米米l:mo>
从<我nline-formula>
y米米l:mi>
:
(8)米米l:mtext>
年代米米l:mi>
˜米米l:mo>
=米米l:mo>
最小值米米l:mi>
年代米米l:mi>
˜米米l:mo>
l米米l:mi>
1米米l:mn>
=米米l:mo>
最小值米米l:mi>
Ψ米米l:mi>
T米米l:mi>
x米米l:mi>
l米米l:mi>
1米米l:mn>
酸处理米米l:mtext>
y米米l:mi>
=米米l:mo>
Φ米米l:mi>
x米米l:mi>
=米米l:mo>
Θ米米l:mi>
年代米米l:mi>
。米米l:mo>
可获得近似解向量通过逆变换<我nline-formula>
年代米米l:mi>
˜米米l:mo>
:
(9)米米l:mtext>
x米米l:mi>
˜米米l:mo>
=米米l:mo>
Ψ米米l:mi>
年代米米l:mi>
˜米米l:mo>
。米米l:mo>
2.5。奇异值分解)
假设一个真正的矩阵<我nline-formula>
E米米l:mi>
K米米l:mi>
′米米l:mo>
∈米米l:mo>
ℝ米米l:mi>
米米米l:mi>
×米米l:mo>
n米米l:mi>
可以分解可以分解成吗
(10)米米l:mtext>
E米米l:mi>
K米米l:mi>
′米米l:mo>
=米米l:mo>
UEV米米l:mtext>
T米米l:mi>
,米米l:mo>
在哪里<我nline-formula>
E米米l:mi>
∈米米l:mo>
ℝ米米l:mi>
米米米l:mi>
×米米l:mo>
n米米l:mi>
是一个奇异值矩阵的非零元素只是位于对角线。<我nline-formula>
U米米l:mi>
∈米米l:mo>
ℝ米米l:mi>
米米米l:mi>
×米米l:mo>
米米米l:mi>
和<我nline-formula>
V米米l:mi>
∈米米l:mo>
ℝ米米l:mi>
n米米l:mi>
×米米l:mo>
n米米l:mi>
单元测试是正交矩阵,然后呢<我nline-formula>
U米米l:mi>
左奇异矩阵和手段<我nline-formula>
V米米l:mi>
意味着正确的奇异矩阵,分别。一般来说,<我nline-formula>
E米米l:mi>
被表示为
(11)米米l:mtext>
E米米l:mi>
=米米l:mo>
σ米米l:mi>
1米米l:mn>
0米米l:mn>
0米米l:mn>
0米米l:mn>
0米米l:mn>
0米米l:mn>
σ米米l:mi>
1米米l:mn>
0米米l:mn>
0米米l:mn>
0米米l:mn>
0米米l:mn>
0米米l:mn>
⋯米米l:mo>
0米米l:mn>
0米米l:mn>
0米米l:mn>
0米米l:mn>
0米米l:mn>
⋯米米l:mo>
0米米l:mn>
米米米l:mi>
×米米l:mo>
n米米l:mi>
。米米l:mo>
分解<我nline-formula>
E米米l:mi>
K米米l:mi>
′米米l:mo>
由方程(
10),然后我们可以得到
(12)米米l:mtext>
E米米l:mi>
K米米l:mi>
′米米l:mo>
E米米l:mi>
K米米l:mi>
′米米l:mo>
T米米l:mi>
=米米l:mo>
UEV米米l:mtext>
T米米l:mi>
已经米米l:mtext>
T米米l:mi>
U米米l:mi>
T米米l:mi>
=米米l:mo>
UEE米米l:mtext>
T米米l:mi>
U米米l:mi>
T米米l:mi>
,米米l:mo>
E米米l:mi>
K米米l:mi>
′米米l:mo>
T米米l:mi>
E米米l:mi>
K米米l:mi>
′米米l:mo>
=米米l:mo>
VEU米米l:mtext>
T米米l:mi>
问题米米l:mtext>
T米米l:mi>
V米米l:mi>
T米米l:mi>
=米米l:mo>
三角米米l:mtext>
T米米l:mi>
V米米l:mi>
T米米l:mi>
。米米l:mo>
的协<我nline-formula>
E米米l:mi>
K米米l:mi>
′米米l:mo>
E米米l:mi>
K米米l:mi>
′米米l:mo>
T米米l:mi>
和<我nline-formula>
E米米l:mi>
K米米l:mi>
′米米l:mo>
T米米l:mi>
E米米l:mi>
K米米l:mi>
′米米l:mo>
左奇异矩阵<我nline-formula>
U米米l:mi>
和正确的奇异矩阵<我nline-formula>
V米米l:mi>
可以获得。
3所示。提出CSGI加密方案
CSGI该加密方案包括三个主要部分:面具的生成阶段<我nline-formula>
φ米米l:mi>
、原始图像稀疏表示和CSGI加密。接下来,将详细介绍了实现过程。
3.1。代的相位掩模矩阵
混沌系统有一些重要的特性,比如确定性、伪随机数,和遍历性,对初始点敏感和参数。假设原始图像来标示<我nline-formula>
T米米l:mi>
的大小是<我nline-formula>
米米米l:mi>
×米米l:mo>
米米米l:mi>
,初始值<我nline-formula>
x米米l:mi>
0米米l:mn>
,<我nline-formula>
y米米l:mi>
0米米l:mn>
,<我nline-formula>
z米米l:mi>
0米米l:mn>
,<我nline-formula>
w米米l:mi>
0米米l:mn>
和<我nline-formula>
N米米l:mi>
相位掩模矩阵<我nline-formula>
φ米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
可以实现如下:
使用初始值<我nline-formula>
x米米l:mi>
0米米l:mn>
,<我nline-formula>
y米米l:mi>
0米米l:mn>
,<我nline-formula>
z米米l:mi>
0米米l:mn>
,<我nline-formula>
w米米l:mi>
0米米l:mn>
生产四个伪随机序列<我nline-formula>
C米米l:mi>
_米米l:mo>
x米米l:mi>
,<我nline-formula>
C米米l:mi>
_米米l:mo>
y米米l:mi>
,<我nline-formula>
C米米l:mi>
_米米l:mo>
z米米l:mi>
,<我nline-formula>
C米米l:mi>
_米米l:mo>
w米米l:mi>
通过迭代方程(
5)<我nline-formula>
米米米l:mi>
0米米l:mn>
+米米l:mo>
l米米l:mi>
次,<我nline-formula>
l米米l:mi>
=米米l:mo>
米米米l:mi>
×米米l:mo>
米米米l:mi>
。摆脱瞬时效应,我们丢弃第一<我nline-formula>
米米米l:mi>
0米米l:mn>
每个序列的数字。
定义两个<我nline-formula>
l米米l:mi>
序列长度,名叫<我nline-formula>
阶段米米l:mtext>
_米米l:mo>
年代米米l:mi>
和<我nline-formula>
DNA米米l:mtext>
_米米l:mo>
年代米米l:mi>
:
(13)米米l:mtext>
阶段米米l:mtext>
_米米l:mo>
年代米米l:mi>
我米米l:mi>
=米米l:mo>
C米米l:mi>
_米米l:mo>
x米米l:mi>
我米米l:mi>
+米米l:mo>
C米米l:mi>
_米米l:mo>
y米米l:mi>
我米米l:mi>
,米米l:mo>
C米米l:mi>
_米米l:mo>
z米米l:mi>
我米米l:mi>
3米米l:mn>
×米米l:mo>
10米米l:mn>
16米米l:mn>
国防部米米l:mi>
256年米米l:mn>
,米米l:mo>
DNA米米l:mtext>
_米米l:mo>
年代米米l:mi>
我米米l:mi>
=米米l:mo>
C米米l:mi>
_米米l:mo>
w米米l:mi>
我米米l:mi>
×米米l:mo>
10米米l:mn>
16米米l:mn>
国防部米米l:mi>
256年。米米l:mn>
转换序列<我nline-formula>
阶段米米l:mtext>
_米米l:mo>
年代米米l:mi>
和<我nline-formula>
DNA米米l:mtext>
_米米l:mo>
年代米米l:mi>
二进制序列,然后转换<我nline-formula>
阶段米米l:mtext>
_米米l:mo>
年代米米l:mi>
和<我nline-formula>
DNA米米l:mtext>
_米米l:mo>
年代米米l:mi>
在DNA序列<我nline-formula>
l米米l:mi>
×米米l:mo>
4米米l:mn>
P米米l:mi>
_米米l:mo>
某人米米l:mtext>
和<我nline-formula>
DNA米米l:mtext>
_米米l:mo>
某人米米l:mtext>
分别根据DNA编码规则1和3。
根据规则和DNA补
(14)米米l:mtext>
P米米l:mi>
_米米l:mo>
圣米米l:mtext>
我米米l:mi>
=米米l:mo>
DNA米米l:mtext>
_米米l:mo>
C米米l:mi>
1米米l:mn>
p米米l:mi>
_米米l:mo>
某人米米l:mtext>
我米米l:mi>
如果DNA米米l:mtext>
_米米l:mo>
某人米米l:mtext>
我米米l:mi>
=米米l:mo>
一个米米l:mi>
和米米l:mtext>
我米米l:mi>
国防部米米l:mi>
2米米l:mn>
=米米l:mo>
0米米l:mn>
,米米l:mo>
DNA米米l:mtext>
_米米l:mo>
C米米l:mi>
2米米l:mn>
p米米l:mi>
_米米l:mo>
某人米米l:mtext>
我米米l:mi>
如果DNA米米l:mtext>
_米米l:mo>
某人米米l:mtext>
我米米l:mi>
=米米l:mo>
C米米l:mi>
和米米l:mtext>
我米米l:mi>
国防部米米l:mi>
2米米l:mn>
=米米l:mo>
0米米l:mn>
,米米l:mo>
DNA米米l:mtext>
_米米l:mo>
C米米l:mi>
3米米l:mn>
p米米l:mi>
_米米l:mo>
某人米米l:mtext>
我米米l:mi>
如果DNA米米l:mtext>
_米米l:mo>
某人米米l:mtext>
我米米l:mi>
=米米l:mo>
G米米l:mi>
和米米l:mtext>
我米米l:mi>
国防部米米l:mi>
2米米l:mn>
=米米l:mo>
0米米l:mn>
,米米l:mo>
DNA米米l:mtext>
_米米l:mo>
C米米l:mi>
4米米l:mn>
p米米l:mi>
_米米l:mo>
某人米米l:mtext>
我米米l:mi>
如果DNA米米l:mtext>
_米米l:mo>
某人米米l:mtext>
我米米l:mi>
=米米l:mo>
T米米l:mi>
和米米l:mtext>
我米米l:mi>
国防部米米l:mi>
2米米l:mn>
=米米l:mo>
0米米l:mn>
,米米l:mo>
DNA米米l:mtext>
_米米l:mo>
C米米l:mi>
5米米l:mn>
p米米l:mi>
_米米l:mo>
某人米米l:mtext>
我米米l:mi>
如果DNA米米l:mtext>
_米米l:mo>
某人米米l:mtext>
我米米l:mi>
=米米l:mo>
一个米米l:mi>
和米米l:mtext>
我米米l:mi>
国防部米米l:mi>
2米米l:mn>
=米米l:mo>
1米米l:mn>
,米米l:mo>
DNA米米l:mtext>
_米米l:mo>
C米米l:mi>
6米米l:mn>
p米米l:mi>
_米米l:mo>
某人米米l:mtext>
我米米l:mi>
如果DNA米米l:mtext>
_米米l:mo>
某人米米l:mtext>
我米米l:mi>
=米米l:mo>
C米米l:mi>
和米米l:mtext>
我米米l:mi>
国防部米米l:mi>
2米米l:mn>
=米米l:mo>
1米米l:mn>
,米米l:mo>
DNA米米l:mtext>
_米米l:mo>
C米米l:mi>
3米米l:mn>
p米米l:mi>
_米米l:mo>
某人米米l:mtext>
我米米l:mi>
如果DNA米米l:mtext>
_米米l:mo>
某人米米l:mtext>
我米米l:mi>
=米米l:mo>
G米米l:mi>
和米米l:mtext>
我米米l:mi>
国防部米米l:mi>
2米米l:mn>
=米米l:mo>
1米米l:mn>
,米米l:mo>
DNA米米l:mtext>
_米米l:mo>
C米米l:mi>
4米米l:mn>
p米米l:mi>
_米米l:mo>
某人米米l:mtext>
我米米l:mi>
如果DNA米米l:mtext>
_米米l:mo>
某人米米l:mtext>
我米米l:mi>
=米米l:mo>
T米米l:mi>
和米米l:mtext>
我米米l:mi>
国防部米米l:mi>
2米米l:mn>
=米米l:mo>
1米米l:mn>
,米米l:mo>
新序列<我nline-formula>
P米米l:mi>
_米米l:mo>
圣米米l:mtext>
可以获得。
转换序列<我nline-formula>
P米米l:mi>
_米米l:mo>
圣米米l:mtext>
我米米l:mi>
小数,规范化阶段值均匀分布的范围<我nline-formula>
0米米l:mn>
,米米l:mo>
2米米l:mn>
π米米l:mi>
:
(15)米米l:mtext>
P米米l:mi>
_米米l:mo>
圣米米l:mtext>
我米米l:mi>
=米米l:mo>
国防部米米l:mi>
P米米l:mi>
_米米l:mo>
圣米米l:mtext>
我米米l:mi>
,米米l:mo>
2米米l:mn>
×米米l:mo>
π米米l:mi>
。米米l:mo>
变换序列<我nline-formula>
P米米l:mi>
_米米l:mo>
圣米米l:mtext>
我米米l:mi>
成<我nline-formula>
米米米l:mi>
×米米l:mo>
米米米l:mi>
像素,并获得相位掩模矩阵:
(16)米米l:mtext>
φ米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
=米米l:mo>
P米米l:mi>
_米米l:mo>
圣米米l:mtext>
我米米l:mi>
。米米l:mo>
集<我nline-formula>
x米米l:mi>
0米米l:mn>
=米米l:mo>
C米米l:mi>
_米米l:mo>
x米米l:mi>
l米米l:mi>
−米米l:mo>
1米米l:mn>
,<我nline-formula>
y米米l:mi>
0米米l:mn>
=米米l:mo>
C米米l:mi>
_米米l:mo>
y米米l:mi>
l米米l:mi>
−米米l:mo>
1米米l:mn>
,<我nline-formula>
z米米l:mi>
0米米l:mn>
=米米l:mo>
C米米l:mi>
_米米l:mo>
z米米l:mi>
l米米l:mi>
−米米l:mo>
1米米l:mn>
,<我nline-formula>
w米米l:mi>
0米米l:mn>
=米米l:mo>
C米米l:mi>
_米米l:mo>
w米米l:mi>
l米米l:mi>
−米米l:mo>
1米米l:mn>
,重复步骤1到步骤6<我nline-formula>
N米米l:mi>
−米米l:mo>
1米米l:mn>
次,然后我们可以得到<我nline-formula>
N米米l:mi>
相位掩模矩阵<我nline-formula>
φ米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
。
3.2。与KSVD原始图像稀疏表示
假设原始信号(图像)是一个矩阵<我nline-formula>
X米米l:mi>
∈米米l:mo>
ℝ米米l:mi>
米米米l:mi>
×米米l:mo>
n米米l:mi>
。<我nline-formula>
D米米l:mi>
∈米米l:mo>
ℝ米米l:mi>
米米米l:mi>
×米米l:mo>
K米米l:mi>
字典矩阵,每一列的字典被称为原子向量<我nline-formula>
d米米l:mi>
k米米l:mi>
。<我nline-formula>
年代米米l:mi>
稀疏矩阵。在理想的情况下,有<我nline-formula>
X米米l:mi>
=米米l:mo>
DS米米l:mtext>
,与原信号<我nline-formula>
X米米l:mi>
稀疏表示通过<我nline-formula>
D米米l:mi>
。因此,解决字典矩阵和稀疏矩阵可以被转化为一个优化问题如下:
(17)米米l:mtext>
最小值米米l:mi>
D米米l:mi>
,米米l:mo>
年代米米l:mi>
X米米l:mi>
−米米l:mo>
DS米米l:mtext>
F米米l:mi>
2米米l:mn>
s.t米米l:mtext>
∀米米l:mo>
我米米l:mi>
,米米l:mo>
年代米米l:mi>
我米米l:mi>
0米米l:mn>
≤米米l:mo>
T米米l:mi>
0米米l:mn>
,米米l:mo>
最小值米米l:mi>
D米米l:mi>
,米米l:mo>
年代米米l:mi>
∑米米l:mo>
我米米l:mi>
年代米米l:mi>
我米米l:mi>
0米米l:mn>
,米米l:mo>
或酸处理米米l:mtext>
最小值米米l:mi>
D米米l:mi>
,米米l:mo>
年代米米l:mi>
X米米l:mi>
−米米l:mo>
DS米米l:mtext>
F米米l:mi>
2米米l:mn>
≤米米l:mo>
ε米米l:mi>
,米米l:mo>
在哪里<我nline-formula>
年代米米l:mi>
我米米l:mi>
我米米l:mi>
=米米l:mo>
1、2米米l:mn>
,米米l:mo>
…米米l:mo>
,米米l:mo>
K米米l:mi>
稀疏矩阵的行向量<我nline-formula>
年代米米l:mi>
和<我nline-formula>
年代米米l:mi>
我米米l:mi>
0米米l:mn>
≤米米l:mo>
T米米l:mi>
0米米l:mn>
是限制,即稀疏矩阵的每一行有非零元素尽可能少。这个问题可以转换为nonconstrained优化问题用拉格朗日乘数法,这是
(18)米米l:mtext>
最小值米米l:mi>
D米米l:mi>
,米米l:mo>
年代米米l:mi>
X米米l:mi>
−米米l:mo>
DS米米l:mtext>
F米米l:mi>
2米米l:mn>
+米米l:mo>
λ米米l:mi>
年代米米l:mi>
我米米l:mi>
1米米l:mn>
。米米l:mo>
为了简化优化问题,<我nline-formula>
年代米米l:mi>
我米米l:mi>
0米米l:mn>
取而代之的是<我nline-formula>
年代米米l:mi>
我米米l:mi>
1米米l:mn>
。
主要问题是转换为<我nline-formula>
D米米l:mi>
和<我nline-formula>
年代米米l:mi>
两目标优化问题,常见的方法<我nline-formula>
年代米米l:mi>
优化正交匹配追踪(OMP)算法,讨论在[
55]。的优化<我nline-formula>
D米米l:mi>
可以描述如下:
假设稀疏矩阵<我nline-formula>
年代米米l:mi>
众所周知,我们可以实现字典矩阵的columnwise更新<我nline-formula>
D米米l:mi>
。<我nline-formula>
年代米米l:mi>
k米米l:mi>
T米米l:mi>
是<我nline-formula>
k米米l:mi>
th的行向量<我nline-formula>
年代米米l:mi>
,<我nline-formula>
E米米l:mi>
k米米l:mi>
表示剩余,所以
(19)米米l:mtext>
X米米l:mi>
−米米l:mo>
DS米米l:mtext>
F米米l:mi>
2米米l:mn>
=米米l:mo>
X米米l:mi>
−米米l:mo>
∑米米l:mo>
j米米l:mi>
=米米l:mo>
1米米l:mn>
K米米l:mi>
d米米l:mi>
j米米l:mi>
年代米米l:mi>
j米米l:mi>
T米米l:mi>
F米米l:mi>
2米米l:mn>
=米米l:mo>
X米米l:mi>
−米米l:mo>
∑米米l:mo>
j米米l:mi>
≠米米l:mo>
k米米l:mi>
d米米l:mi>
j米米l:mi>
年代米米l:mi>
j米米l:mi>
T米米l:mi>
−米米l:mo>
d米米l:mi>
k米米l:mi>
年代米米l:mi>
k米米l:mi>
T米米l:mi>
F米米l:mi>
2米米l:mn>
=米米l:mo>
E米米l:mi>
k米米l:mi>
−米米l:mo>
d米米l:mi>
k米米l:mi>
年代米米l:mi>
k米米l:mi>
T米米l:mi>
F米米l:mi>
2米米l:mn>
,米米l:mo>
在哪里<我nline-formula>
E米米l:mi>
k米米l:mi>
=米米l:mo>
X米米l:mi>
−米米l:mo>
∑米米l:mo>
j米米l:mi>
≠米米l:mo>
k米米l:mi>
d米米l:mi>
j米米l:mi>
年代米米l:mi>
j米米l:mi>
T米米l:mi>
。上述优化问题可转化为
(20)米米l:mtext>
最小值米米l:mi>
d米米l:mi>
k米米l:mi>
,米米l:mo>
年代米米l:mi>
k米米l:mi>
T米米l:mi>
E米米l:mi>
k米米l:mi>
−米米l:mo>
d米米l:mi>
k米米l:mi>
年代米米l:mi>
k米米l:mi>
T米米l:mi>
F米米l:mi>
2米米l:mn>
,米米l:mo>
在哪里<我nline-formula>
d米米l:mi>
k米米l:mi>
和<我nline-formula>
年代米米l:mi>
k米米l:mi>
T米米l:mi>
成为优化的变量,方程(
20.)可以被描述为一个最小二乘问题,利用奇异值分解可以解决。提取的所有非零项<我nline-formula>
E米米l:mi>
k米米l:mi>
然后重建新矩阵<我nline-formula>
E米米l:mi>
k米米l:mi>
′米米l:mo>
。因此,优化变成
(21)米米l:mtext>
最小值米米l:mi>
d米米l:mi>
k米米l:mi>
,米米l:mo>
年代米米l:mi>
k米米l:mi>
T米米l:mi>
E米米l:mi>
k米米l:mi>
′米米l:mo>
−米米l:mo>
d米米l:mi>
k米米l:mi>
年代米米l:mi>
k米米l:mi>
T米米l:mi>
F米米l:mi>
2米米l:mn>
。米米l:mo>
通过计算,我们可以得到的
(22)米米l:mtext>
E米米l:mi>
k米米l:mi>
′米米l:mo>
=米米l:mo>
UEV米米l:mtext>
T米米l:mi>
。米米l:mo>
取代<我nline-formula>
d米米l:mi>
k米米l:mi>
第一个列向量<我nline-formula>
u米米l:mi>
1米米l:mn>
左奇异矩阵,然后得到一列<我nline-formula>
D米米l:mi>
。把第一行的奇异矩阵的最大奇异值;后来,我们可以获得<我nline-formula>
年代米米l:mi>
k米米l:mi>
,米米l:mo>
T米米l:mi>
。取代<我nline-formula>
年代米米l:mi>
k米米l:mi>
T米米l:mi>
的稀疏矩阵<我nline-formula>
年代米米l:mi>
新的结果。奇异值的<我nline-formula>
E米米l:mi>
应该下令从最大到最小。
重复以上步骤来更新每一列的字典,然后我们可以获得最后的字典矩阵<我nline-formula>
D米米l:mi>
和稀疏矩阵<我nline-formula>
年代米米l:mi>
从原始信号。
3.3。CSGI加密
图
4显示了CSGI加密的过程。详细的步骤如下:
相面具矩阵<我nline-formula>
φ米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
生成的节
3所示。1上传到SLM,激光相位调制的SLM根据方程(
1)。
稀疏矩阵<我nline-formula>
年代米米l:mi>
和字典矩阵<我nline-formula>
D米米l:mi>
得到原始图像的稀疏表示根据部分
3所示。2。
稀疏矩阵<我nline-formula>
年代米米l:mi>
被放置在<我talic>
z我talic>SLM的距离。根据菲涅耳衍射,我们可以获得的光场分布,可以在前面的图片,以及光场强度<我nline-formula>
我米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
可以进一步获得根据方程(
2)。
总光强<我nline-formula>
B米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
可以计算一桶探测器后面的图像根据方程(
3)。
混沌系统的初始值和字典矩阵<我nline-formula>
D米米l:mi>
通过私人渠道传输传输的关键。而且,<我nline-formula>
B米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
通过公共信道传输。
CSGI加密。
3.4。解密过程
图
5显示了解密过程,详细步骤如下:
传输收到通过私人渠道是关键<我nline-formula>
x米米l:mi>
0米米l:mn>
,<我nline-formula>
y米米l:mi>
0米米l:mn>
,<我nline-formula>
z米米l:mi>
0米米l:mn>
,<我nline-formula>
w米米l:mi>
0米米l:mn>
,<我nline-formula>
D米米l:mi>
和随机相位掩模矩阵计算使用接收的传输密钥根据方法部分
3所示。1。
相同的强度计算模式<我nline-formula>
我米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
得到的步骤3节吗
3所示。3。
强度计算模式<我nline-formula>
我米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
的总强度与光场吗<我nline-formula>
B米米l:mi>
我米米l:mi>
x米米l:mi>
,米米l:mo>
y米米l:mi>
收到公众的模式,估计矩阵<我nline-formula>
年代米米l:mi>
˜米米l:mo>
的<我nline-formula>
年代米米l:mi>
重建,根据方程(
3)。
根据<我nline-formula>
X米米l:mi>
˜米米l:mo>
=米米l:mo>
D米米l:mi>
年代米米l:mi>
˜米米l:mo>
,使用字典矩阵<我nline-formula>
D米米l:mi>
重建原始图像<我nline-formula>
年代米米l:mi>
˜米米l:mo>
。
CSGI加密。
4所示。仿真结果和安全分析
在本部分中,该方案与MATLAB模拟R2016a验证可行性。
如图
6(一)的灰度图像<我nline-formula>
128年米米l:mn>
×米米l:mo>
128年米米l:mn>
作为原始图像大小。hyper-chaotic系统设置的初始值<我nline-formula>
x米米l:mi>
0米米l:mn>
=米米l:mo>
1米米l:mn>
,米米l:mo>
y米米l:mi>
0米米l:mn>
=米米l:mo>
0.949米米l:mn>
,米米l:mo>
z米米l:mi>
0米米l:mn>
=米米l:mo>
1米米l:mn>
,米米l:mo>
和米米l:mtext>
w米米l:mi>
0米米l:mn>
=米米l:mo>
1米米l:mn>
,然后指节中提到的点
3,我们获得<我talic>
N我talic>不同的随机相位掩模矩阵的稀疏表示原始图像所示的数字
6 (b)和
6 (c)。以下是我们算法的计算复杂度的简要描述和比较与其他算法。
(一)原始图像。(b)的随机相位掩模矩阵。(c)备件矩阵。(d)重建图像。
在掩模矩阵生成阶段,灰度图像的大小<我nline-formula>
米米米l:mi>
×米米l:mo>
米米米l:mi>
,主要的操作是“加法”,“乘法,”和“国防部”,然后是操作数<我nline-formula>
N米米l:mi>
40米米l:mn>
米米米l:mi>
2米米l:mn>
+米米l:mo>
19米米l:mn>
米米米l:mi>
0米米l:mn>
,在那里<我nline-formula>
N米米l:mi>
是测量的数量。一步的稀疏表示,主要的操作是稀疏矩阵的计算<我nline-formula>
年代米米l:mi>
和字典矩阵<我nline-formula>
D米米l:mi>
操作数是<我nline-formula>
5米米l:mn>
米米米l:mi>
3米米l:mn>
在迭代的数量是10,投影和图像重建、操作数是多少<我nline-formula>
4米米l:mn>
纳米米米l:mtext>
2米米l:mn>
和<我nline-formula>
4米米l:mn>
米米米l:mi>
3米米l:mn>
,分别。为了保证结果的质量,我们集<我nline-formula>
N米米l:mi>
≫米米l:mo>
米米米l:mi>
在我们的实验。总操作数<我nline-formula>
N米米l:mi>
44米米l:mn>
米米米l:mi>
2米米l:mn>
+米米l:mo>
19米米l:mn>
米米米l:mi>
0米米l:mn>
+米米l:mo>
4米米l:mn>
米米米l:mi>
3米米l:mn>
,因为相位掩模的生成矩阵和稀疏表示可以同时被执行。因此,计算复杂度CSGI可以表示为<我nline-formula>
Θ米米l:mi>
纳米米米l:mtext>
2米米l:mn>
。与其他算法相比,使用二维码的计算复杂度和压缩传感加密图像(QR-CGI-OE) [
13)是<我nline-formula>
Θ米米l:mi>
纳米米米l:mtext>
2米米l:mn>
。方法基于轻型,XOR运算(XOR-LWT-OE) [
16),大部分时间在测量的过程中,其计算复杂度可以表示为<我nline-formula>
Θ米米l:mi>
纳米米米l:mtext>
2米米l:mn>
。这些说明,本文方法的计算复杂度是相同的一些相对较新的算法”,而我们的算法有更好的性能和更少的时间的测量,如下所述。
在加密CSGI,平面波的波长选择0.532<我nline-formula>
μ米米l:mi>
米米米l:mi>
。图像被放置在一个距离<我nline-formula>
z米米l:mi>
=米米l:mo>
200年米米l:mn>
毫米米米l:mtext>
SLM,透射光被收集到一桶探测器。然后,可以根据部分重建图像
3所示。4和图
6 (c)。
4.1。密钥空间分析
如果加密方案有足够大的密钥空间,它可以抵抗穷举式攻击。在这里,传输密钥<我nline-formula>
x米米l:mi>
0米米l:mn>
,<我nline-formula>
y米米l:mi>
0米米l:mn>
,<我nline-formula>
z米米l:mi>
0米米l:mn>
,<我nline-formula>
w米米l:mi>
0米米l:mn>
,<我talic>
D我talic>。<我talic>
D我talic>较小,可以忽略。计算机的操作精度<我nline-formula>
10米米l:mn>
16米米l:mn>
≈米米l:mo>
2米米l:mn>
52米米l:mn>
和我们建议的方案的密钥空间<我nline-formula>
2米米l:mn>
52米米l:mn>
×米米l:mo>
2米米l:mn>
52米米l:mn>
×米米l:mo>
2米米l:mn>
52米米l:mn>
×米米l:mo>
2米米l:mn>
52米米l:mn>
≈米米l:mo>
2米米l:mn>
208年米米l:mn>
,这是更大的密钥空间的安全性要求<我nline-formula>
2米米l:mn>
One hundred.米米l:mn>
。因此,我们提出方案的密钥空间足够强大,可以有效地抵抗穷举式攻击。
4.2。关键的灵敏度分析
一个高度安全的计算必须敏感鬼成像系统的关键。来验证我们的安全性能提出方案,进行安全测试。设置为私有密钥<我nline-formula>
x米米l:mi>
0米米l:mn>
=米米l:mo>
1米米l:mn>
,米米l:mo>
y米米l:mi>
0米米l:mn>
=米米l:mo>
0.949米米l:mn>
,米米l:mo>
z米米l:mi>
0米米l:mn>
=米米l:mo>
1米米l:mn>
,米米l:mo>
和米米l:mtext>
x米米l:mi>
0米米l:mn>
=米米l:mo>
1米米l:mn>
。在解密过程中,我们改变私有密钥的值<我nline-formula>
x米米l:mi>
0米米l:mn>
′米米l:mo>
=米米l:mo>
1米米l:mn>
+米米l:mo>
10米米l:mn>
−米米l:mo>
15米米l:mn>
,米米l:mo>
y米米l:mi>
0米米l:mn>
′米米l:mo>
=米米l:mo>
0.949米米l:mn>
,米米l:mo>
z米米l:mi>
0米米l:mn>
′米米l:mo>
=米米l:mo>
1米米l:mn>
,米米l:mo>
和米米l:mtext>
w米米l:mi>
0米米l:mn>
′米米l:mo>
=米米l:mo>
1米米l:mn>
然后使用重建图像。取样对象如图
7。显然,明文图像的相关信息不能获得私钥时发生了微妙的变化。
重建图像样本对象。(一)原始图像。重建图像与(b)正确的键和(c)不正确的键。
4.3。相关分析
评估重建图像的质量,重建的图像之间的相关系数<我nline-formula>
G米米l:mi>
和原始图像<我nline-formula>
T米米l:mi>
可以通过计算
(23)米米l:mtext>
r米米l:mi>
TG米米l:mtext>
=米米l:mo>
E米米l:mi>
T米米l:mi>
−米米l:mo>
E米米l:mi>
T米米l:mi>
G米米l:mi>
−米米l:mo>
E米米l:mi>
G米米l:mi>
D米米l:mi>
T米米l:mi>
D米米l:mi>
G米米l:mi>
,米米l:mo>
在哪里<我nline-formula>
D米米l:mi>
T米米l:mi>
和<我nline-formula>
D米米l:mi>
G米米l:mi>
的平方偏差是重建图像和原始图像,分别<我nline-formula>
D米米l:mi>
x米米l:mi>
=米米l:mo>
1米米l:mn>
/米米l:mo>
N米米l:mi>
∑米米l:mo>
我米米l:mi>
=米米l:mo>
1米米l:mn>
N米米l:mi>
x米米l:mi>
我米米l:mi>
−米米l:mo>
E米米l:mi>
x米米l:mi>
2米米l:mn>
和<我nline-formula>
E米米l:mi>
x米米l:mi>
=米米l:mo>
1米米l:mn>
/米米l:mo>
N米米l:mi>
∑米米l:mo>
我米米l:mi>
=米米l:mo>
1米米l:mn>
N米米l:mi>
x米米l:mi>
我米米l:mi>
。相关系数越大,成像效果就越好。理想情况下,相关系数<我nline-formula>
r米米l:mi>
TG米米l:mtext>
=米米l:mo>
1米米l:mn>
。
为了得到一个好的重建结果,我们进行了很多的实验通过改变测量<我nline-formula>
N米米l:mi>
。的<我nline-formula>
r米米l:mi>
TG米米l:mtext>
数据的价值
8(一个)- - - - - -
8 (c)显然是0.2418,0.5494和0.9533,从左到右,重建的图像变得更好。
重建图像与不同的测量。测量和<我nline-formula>
r米米l:mi>
TG米米l:mtext>
0.2418 (a)是1000,,2000 (b), 0.5494,和0.9533 (c) 2800年。
压缩传感的比较实验使用不同的稀疏基础如DCT、DFT, KSVD进行莉娜。此外,模拟QR-CGI-OE XOR-LWT-OE进行这个实验。图
9显示相关系数变化的曲线测量基于不同的意思,横坐标代表测量的数量,纵坐标代表解密后的图像和原始图像之间的相关系数。如图
9测量,相关系数的增加而增加。可以获得高质量的重建图像测量数量的增加。此外,结果表明,基于KSVD稀疏表示,一个高质量的图像可以重建不如其他方法测量。
相关系数的关系曲线<我nline-formula>
r米米l:mi>
TG米米l:mtext>
基于DCT的测量、DFT KSVD QR-CGI-OE, XOR-LWT-OE。
使测量在丽娜3000倍,重建的图像数据所示
10(b) -
10(f)。<我nline-formula>
r米米l:mi>
TG米米l:mtext>
DCT, DFT、QR-CGI-OE XOR-LWT-OE, KSVD是0.7353,0.7821,0.4540,0.6248,和0.9729,分别。然后,我们比较最大<我nline-formula>
r米米l:mi>
TG米米l:mtext>
并与其他稀疏测量KSVD基础知识和算法,如表所示
4。顺便说一下,7100次测量后,解密二维码就可以识别和原始图像在QR-CGI-OE可以恢复。
基于重建的图像不同的稀疏变换。(一)莉娜的原始图像。基于DCT (b-f)重建的图像,DFT,和KSVD稀疏表示,分别和QR-CGI-OE XOR-LWT-OE算法。
最好的重建<我nline-formula>
r米米l:mi>
TG米米l:mtext>
和其他算法和测量不同的稀疏的基础。
| 稀疏的基础或算法 |
马克斯<我nline-formula>
r米米l:mi>
TG米米l:mtext>
|
测量 |
| 没有稀疏表示 |
0.8243 |
18000年 |
| DCT |
0.8478 |
6400年 |
| DFT |
0.8439 |
5300年 |
| QR-CGI-OE |
0.8210 |
7100年 |
| XOR-LWT-OE |
0.9343 |
6200年 |
|
KSVD |
0.9729 |
3000年 |
4.4。NIST的统计检验
在本文中,NIST的SP 800 - 22测试套件(
56)是用于分析随机性和发现潜在缺陷在伪随机序列发生器的结构。在测试中,我们使用了默认值,NIST的测试。测试结果表示为<我nline-formula>
p米米l:mi>
。根据国家标准测试规则,通过测试,<我nline-formula>
p米米l:mi>
必须大于0.01。生成的伪随机序列hyper-chaotic地图成功通过了NIST SP 800 - 22的统计测试。表中列出的测试结果
5。
NIST的统计检验的结果。
| 统计检验 |
X我talic> |
Y我talic> |
Z我talic> |
W我talic> |
|
p米米l:mi>
价值 |
结果 |
p米米l:mi>
价值 |
结果 |
p米米l:mi>
价值 |
结果 |
p米米l:mi>
价值 |
结果 |
| 频率 |
0.105232 |
通过了 |
0.150434 |
通过了 |
0.200545 |
通过了 |
0.331051 |
通过了 |
| 块的频率 |
0.553902 |
通过了 |
0.426452 |
通过了 |
0.626177 |
通过了 |
0.788040 |
通过了 |
| 运行 |
0.873186 |
通过了 |
0.072802 |
通过了 |
0.893688 |
通过了 |
0.216107 |
通过了 |
| 最长 |
0.713956 |
通过了 |
0.935258 |
通过了 |
0.497594 |
通过了 |
0.985966 |
通过了 |
| 排名 |
0.357115 |
通过了 |
0.437155 |
通过了 |
0.771378 |
通过了 |
0.193581 |
通过了 |
| FFT |
0.291282 |
通过了 |
0.840006 |
通过了 |
0.186356 |
通过了 |
0.354010 |
通过了 |
| 重叠的模板 |
0.263903 |
通过了 |
0.640982 |
通过了 |
0.886167 |
通过了 |
0.433739 |
通过了 |
| 重叠的模板 |
0.121652 |
通过了 |
0.468763 |
通过了 |
0.969480 |
通过了 |
0.660406 |
通过了 |
| 通用 |
0.522018 |
通过了 |
0.532899 |
通过了 |
0.257854 |
通过了 |
0.881329 |
通过了 |
| 线性复杂度 |
0.985256 |
通过了 |
0.847794 |
通过了 |
0.913437 |
通过了 |
0.824185 |
通过了 |
| 连续测试1 |
0.271726 |
通过了 |
0.082269 |
通过了 |
0.368673 |
通过了 |
0.229263 |
通过了 |
| 连续测试2 |
0.437868 |
通过了 |
0.130755 |
通过了 |
0.308462 |
通过了 |
0.182765 |
通过了 |
| 近似熵 |
0.992196 |
通过了 |
0.939959 |
通过了 |
0.214085 |
通过了 |
0.105079 |
通过了 |
| 累计金额 |
0.116982 |
通过了 |
0.083702 |
通过了 |
0.182438 |
通过了 |
0.182438 |
通过了 |
| 随机的远足 |
0.030601 |
通过了 |
0.058385 |
通过了 |
0.054319 |
通过了 |
0.200294 |
通过了 |
| 随机远足变体 |
0.040671 |
通过了 |
0.470229 |
通过了 |
0.032714 |
通过了 |
0.042780 |
通过了 |
4.5。噪音之外
的相位掩模矩阵可能受到噪音,测试这个方案的鲁棒性,我们添加高斯噪声、椒盐噪声、和散斑噪声的相位掩模矩阵,分别。如图
11,图
(11日)时解密图像相位掩模矩阵添加;高斯噪声的均值为零,方差为0.005<我nline-formula>
r米米l:mi>
TG米米l:mtext>
=米米l:mo>
0.9549米米l:mn>
;图
11 (b)添加盐和胡椒噪音,密度为0.005,然后呢<我nline-formula>
r米米l:mi>
TG米米l:mtext>
=米米l:mo>
0.9306米米l:mn>
;图
11 (c)添加散斑噪声,均值为零,方差为0.01,和<我nline-formula>
r米米l:mi>
TG米米l:mtext>
=米米l:mo>
0.9119米米l:mn>
。显然,该方案可以抵抗噪声攻击。
解密后的图像受到噪声的相位掩模矩阵时,和测量是3000。(一)高斯噪声:均值为零,方差为0.005<我nline-formula>
r米米l:mi>
TG米米l:mtext>
=米米l:mo>
0.9549米米l:mn>
。(b)盐和胡椒噪音:密度是0.005,<我nline-formula>
r米米l:mi>
TG米米l:mtext>
=米米l:mo>
0.9306米米l:mn>
。(c)散斑噪声:意思是零,方差是0.01,<我nline-formula>
r米米l:mi>
TG米米l:mtext>
=米米l:mo>
0.9119米米l:mn>
。