算术编码c语言实现图像压缩,基于算术编码的图像压缩加密方法与流程

算术编码c语言实现图像压缩,基于算术编码的图像压缩加密方法与流程"/>

算术编码c语言实现图像压缩,基于算术编码的图像压缩加密方法与流程

本发明涉及图像压缩加密技术领域，具体涉及一种基于算术编码的图像压缩加密方法。

背景技术：

随着社会科学的进步，多媒体技术，信息存储技术的飞速发展，以及网络普及率的提升，越来越多的数字图像得以在网络上传输，并逐步称为人们获取信息的主要途径，因此，对图像的安全保密以及存储大小有了更高的要求。例如，图像数据所有者在Internet上传输他所拥有的图像时，为了保护自身利益，就需要对发送的图像通过可靠的加密技术进行处理，同时为了能够更快的传输图像并更好的利用网络流量，这时就需要传输的加密后的密文所占用的空间能够越小越好。

传统的加密方法有很多，如DES和AES，其安全性基于计算复杂度，对图像进行逐位的加密，速度慢，浪费大量存储空间，不能满足如今这个高效社会的需求。现有的图像加密的算法，主要是基于空间域和频率域的置乱、扩散、异或操作。在传统的结合图像压缩的加密方法中，通常是将加密过程和压缩过程分开进行的，这样的做法速度慢、计算量大，也无法满足实时性的需求。联合压缩与加密的方法是指在压缩过程中引入图像加密，保证了高效性，增强了安全性，能够很好的满足现在数字图像传输的要求。

目前，常见的图像压缩标准包括JPEG、JPEG2000，它们分别利用离散余弦变换(Discrete Cosine Transform, DCT)、离散小波变换(Discrete Wavelet Transform, DWT)将图像从空间域变换到频率域，这会导致图像的压缩过程是有损压缩。算术编码是一种无损的压缩算法，压缩效率高。但是不能够进行加密。

技术实现要素：

本发明为了克服以上技术的不足，提供了一种加密和解密效果好、安全性高的基于算术编码的图像压缩加密方法。

本发明克服其技术问题所采用的技术方案是：

一种基于算术编码的图像压缩加密方法，包括如下步骤：

a)利用计算机对输入的图像进行像素置乱，选择混沌置乱法与Arnold置乱法分别进行像素置乱，将混沌置乱法及Arnold置乱法的使用顺序作为第一组密钥；

b)利用计算机对置乱操作后的图像的像素值进行算术编码，在算术编码的概率模型中使用混沌系统生成混沌序列，根据生成的混沌序列去改变待编码像素值的概率区间，将其作为第二组密钥，得到加密后的概率模型；

c)对步骤b)中加密后的概率模型中使用新的混沌系统生成新的混沌序列，该序列为0-1之间的随机数，设置阀值为0.5，当新的混沌序列的当前值大于等于0.5时，对概率模型进行概率区间的交换，如果当新的混沌序列的当前值小于0.5时，对概率模型不进行任何操作；

d)计算机将步骤b)及步骤c)加密后的概率模型中的像素值进行算术编码，编码完成后，重复步骤b)和步骤c)，得到对应的其余将要编码像素值的概率模型，之后对其进行编码，得到新的概率模型，直至对所有像素完成编码；

e)对新的概率模型解密过程中，先输入步骤b)和步骤c)中生成的第一组密钥和第二组密钥进行解密解压缩操作，解密后得到步骤a)置乱后的图像的像素值，再输入步骤a)中的第一组密钥，最终得到原始图像。

还包括如下步骤：

a-1)所述步骤a)中对输入的图像使用混沌模型产生混沌序列，混沌序列的第1000至1029数值进行截取，设置阀值为0.5；

a-2)将截取的序列中第1000个数值与阀值0.5进行比较，当其大于等于0.5时，对图像的像素值进行Arnold置乱，当小于0.5时，对像素值进行混沌置乱；

a-3)将截取的序列中第1001至1029共29个数值分别重复步骤a-2)，完成30次置乱；

a-4)根据混沌序列中选择第1000至1029数值的混沌置乱和Arnold置乱的两者的使用次序不同，将置乱算法的使用顺序作为第一组密钥。

步骤b)中混沌序列的值，随机的更改待编码像素值的概率模型。

步骤c)中的概率区间的交换的方式为中心置换法，将图像中从0-255像素值对应的概率区间以水平中心为基准进行翻转，形成像素值为255-0对应的概率区间。

本发明的有益效果是：通过本基于算术编码的图像压缩加密方法对图像进行压缩加密，其密文安全强度高并且数据量小，无法从密文中获取与原文图像中任何相关的信息。能够无误差的恢复出细节信息，加密和解密的效果好，安全性高。

附图说明

图1为概率区间的变换的对比图；

图1中a为变换前的示意图，b为变换后的示意图。

图2为概率区间的交换的对比图；

图2中a为交换前的示意图，b为交换后的示意图。

具体实施方式

下面对本发明做进一步说明。

一种基于算术编码的图像压缩加密方法，包括如下步骤：

a) 利用计算机对输入的图像进行像素置乱，选择混沌置乱法与Arnold置乱法分别进行像素置乱，将混沌置乱法及Arnold置乱法的使用顺序作为第一组密钥。使用混沌置乱的过程是首先通过logistic混沌模型生成混沌序列，并对得到的序列进行排序，其中得到的排序序号就是对像素值进行置乱的顺序，在解密的时候，只需要使用同样的密钥生成混沌序列，得到最初置乱的排序序号，就可以恢复原始像素排序。根据混沌序列选择混沌置乱和Arnold置乱，两者的使用次序不同，最终的置乱结果也会出现很大差别，因此，我们将置乱算法的使用顺序作为第一组密钥。

b) 利用计算机对置乱操作后的图像的像素值进行算术编码，在算术编码的概率模型中使用混沌系统生成混沌序列，根据生成的混沌序列去改变待编码像素值的概率区间，将其作为第二组密钥，得到加密后的概率模型。算术编码算法的一个特点就是编码和概率模型是相互分开的，因此，此特点给实现压缩的同时进行加密提供了可能。对于灰度图，共有256个灰度级，因此在初始化概率模型的时候，只需要256个存储单元用于存储每个灰度级出现的概率。初始化每个像素值的概率为1/256，我们根据生成的混沌系列(由于序列值是0-1，大于初始化的各个像素的概率，因此，我们将得到的序列值都除以1000，使之满足概率区间的要求)，来决定符号概率上下限的改变的大小，从而达到加密的效果，很明显，当我们对概率区间进行改变，在解密时，如果还是按照原来的概率模型去解码，那么一定会出错，而且随着不断的解码，出现的错误积聚越来越大，越来越严重，直至无法解码，当然，我们需要注意的是，由于概率区间的上下限是有界的，因此对于最初和最末尾的字符其概率是发生了较小变化的，但是因为变化的只是两个字符，而其余的字符概率没有发生变化，因此这种问题对整体系统压缩效率的影响是可以接受的。

c) 对步骤b)中加密后的概率模型中使用新的混沌系统生成新的混沌序列，该序列为0-1之间的随机数，设置阀值为0.5，当新的混沌序列的当前值大于等于0.5时，对概率模型进行概率区间的交换，如果当新的混沌序列的当前值小于0.5时，对概率模型不进行任何操作。

d) 计算机将步骤b)及步骤c)加密后的概率模型中的像素值进行算术编码，编码完成后，重复步骤b)和步骤c)，得到对应的其余将要编码像素值的概率模型，之后对其进行编码，得到新的概率模型，直至对所有像素完成编码。换句话说，本加密算法使用的算术编码是自适应的，这样能进一步的提高压缩效率；系统不断重复更新概率模型和编码过程，最终完成对整幅图像的加密和压缩操作并输出密文。

e) 对密文解密过程中，先输入步骤b)和步骤c)中生成的第二组密钥和第三组密钥进行解密解压缩操作，解密后得到步骤a)置乱后的图像的像素值，再输入步骤a)中的第一组密钥，最终得到原始图像。由于算术编码算法是无损压缩，而且，像素置乱算法也不会改变各个像素的大小，因此，本系统能够无误差的恢复原始图像。

通过本基于算术编码的图像压缩加密方法对图像进行压缩加密，其密文安全强度高并且数据量小，无法从密文中获取与原文图像中任何相关的信息。能够无误差的恢复出细节信息，加密和解密的效果好，安全性高。

还包括如下步骤：a-1)所述步骤a)中对输入的图像使用混沌模型产生混沌序列，混沌序列的第1000至1029数值进行截取，设置阀值为0.5；a-2)将截取的序列中第1000个数值与阀值0.5进行比较，当其大于等于0.5时，对图像的像素值进行Arnold置乱，当小于0.5时，对像素值进行混沌置乱；a-3)将截取的序列中第1001至1029共29个数值分别重复步骤a-2)，完成30次置乱；a-4)根据混沌序列中选择第1000至1029数值的混沌置乱和Arnold置乱的两者的使用次序不同，将置乱算法的使用顺序作为第一组密钥。像素值置乱的次数是可以人为决定的，在本发明，我们选择的随机置乱次数是30次。

步骤b)中概率区间的变换是基于混沌系统的，根据混沌系统生成的混沌值，决定对当前概率区间的改变量。如图1，a是原始的概率模型，b是经过区间变换之后的概率模型。可以看出经过区间变换后，中间像素值对应的概率间隔大小没有发生变化，只是在第一个和最后一个概率区间发生较小变化。

步骤c)中的概率区间的交换的方式为中心置换法，将图像中从0-255像素值对应的概率区间以水平中心为基准进行翻转，形成像素值为255-0对应的概率区间。通过图1可以看出在解密的时候，如果仍然按照原本的概率模型去解密解压缩的时候，会出现错误，因为这时概率模型已经发生了变化。需要说明的是，一般的灰度图，相邻的像素值之间的可能概率变换是比较小的，如果简单的选择相邻符号概率区间进行置换的话，会对系统的加密效果产生不利的影响，因此为了避免类似的问题，我们选择的置换方式是中心对称置换，这样能够较大程度的提高系统的加密性能。