留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于高维张量奇异值分解的图像加密

李勇 荀显超 王青竹

李勇, 荀显超, 王青竹. 基于高维张量奇异值分解的图像加密[J]. 红外与激光工程, 2014, 43(S1): 243-247.
引用本文: 李勇, 荀显超, 王青竹. 基于高维张量奇异值分解的图像加密[J]. 红外与激光工程, 2014, 43(S1): 243-247.
Li Yong, Xun Xianchao, Wang Qingzhu. Image encryption based on higher-order singular value decomposition[J]. Infrared and Laser Engineering, 2014, 43(S1): 243-247.
Citation: Li Yong, Xun Xianchao, Wang Qingzhu. Image encryption based on higher-order singular value decomposition[J]. Infrared and Laser Engineering, 2014, 43(S1): 243-247.

基于高维张量奇异值分解的图像加密

基金项目: 

国家自然科学基金(61301257);吉林省科技发展计划(201201107)

详细信息
    作者简介:

    李勇(1970-),女,副教授,博士,主要从事数字图像处理方面的研究.Email:liyong8113@sina.com

  • 中图分类号: TP309.7

Image encryption based on higher-order singular value decomposition

  • 摘要: 现有基于奇异值分解(SVD)的彩色信息加密系统提供了一种光学矩阵分解方案、安全的密文和敏感的密钥.高维张量奇异值分解(HOSVD)是SVD矩阵的自然线性延伸,提出了一种基于HOSVD的彩色图像加密算法.在加密过程中,HOSVD比SVD提供了更多的密文乘法组合次序.这些乘法组合次序可以有效地增加未经授权的解密难度.在解密过程中,HOSVD的重建精度比SVD更高.这些优点提高了准确性、安全性和鲁棒性.通过对100个图像测试数据集的计算机仿真验证了该算法的可行性.
  • [1]
    [2] Matoba O, Nomura T, Perez C E, et al. Optical techniques for information security[J]. Proceedings of IEEE, 2009, 97(6): 1128-1148.
    [3]
    [4] Liu S, Guo C L, Sheridan J T. A review of optical image encryption techniques[J]. Optics and Laser Technology, 2014, 57: 327-342.
    [5] Refregier P, Javidi B. Optical image encryption based on input plane and Fourier plane random encoding[J]. Optics Letters, 1995, 20(7): 767-769.
    [6]
    [7]
    [8] Javidi B, Nomura T. Securing information by use of digital holography[J]. Optics Letters, 2000, 25(1): 28-30.
    [9]
    [10] Taajahuerce E, Javidi B. Encrypting three-dimensional information with digital holography[J]. Applied Optics, 2000, 39(35): 6595-6601.
    [11] Haw J W, Park C S, Ryu D H. Optical image encryption based on XOR operations[J]. Optical Engineering, 1999, 38(1): 47-54.
    [12]
    [13]
    [14] Chen L F, Zhao D M. Optical color image encryption by wavelength multiplexing and lensless Fresnel transform holograms[J]. Optics Express, 2006, 14(19): 8552-8560.
    [15] Unnikrishnan G, Joseph J, Singh K. Optics encryption by double-random phase encoding in the fractional Fourier domain[J]. Optics Letters, 2000, 25: 887-889.
    [16]
    [17]
    [18] Chen L F, Zhao D M, Ge F. Image encryption based on singular value decomposition and arnold transform in fractional domain[J]. Optics Communications, 2013, 291: 98-103.
    [19] Liu Z, Liu S. Random fractional Fourier transform[J]. Optics Letters, 2007, 32: 2088-2090.
    [20]
    [21] Hennelly B M, Sheridan J T. Generalizing, optimizing, and inventing numerical algorithms for the fractional Fourier, Fresnel, and linear canonical transforms[J]. Journal of the Optical Society of America A, 2005, 22(5): 917-927.
    [22]
    [23]
    [24] Liu S, Sheridan J T. Optical encryption by combining image scrambling techniques in fractional fourier domains[J]. Optics Communications, 2013, 287(10): 73-80.
    [25] Tao R, Lang J, Wang Y. Optical image encryption based on the multiple parameter fractional Fourier transform[J]. Optics Letters, 2008, 33: 581-583.
    [26]
    [27] Alieva T, Bastiaans J. Alternative representation of the linear canonical integral transform[J]. Optics Letters, 2005, 30(24): 3302-3304.
    [28]
    [29] Rodrigo J A, Alieva T. Calvo M L. Applications of gyrator transform for image processing[J]. Optics Communications, 2007, 278(2): 279-284.
    [30]
    [31] Rodrigo J A, Alieva T, Calvo M L. Experimental implementation of the gyrator transform[J]. Journal of Optical Society of America A, 2007, 24(10): 3135-3139.
    [32]
    [33]
    [34] Liu Z J, Chen D Z, Ma J P. Fast algorithm of discrete gyrator transform based on convolution operation[J]. Optik, 2011, 122: 864-867.
    [35] Muhammad R A. An asymmetric color image cryptosystem based on schur decomposition in gyrator transform domain[J]. Optics and Lasers in Engineering, 2014, 58: 39-47.
    [36]
    [37]
    [38] Muhammad R A. Color information verification system based on singular value decomposition in gyrator transform domains[J]. Optics and Lasers in Engineering, 2014, 57: 13-19.
    [39]
    [40] Lieven D L. A multilinear singular value decomposition[J]. Siam Journal on Matrix Analysis and Application, 2000, 21 (4): 1253-1278.
    [41] Vannieuwenhoven N. A new truncation strategy for the higher-order singular value decomposition[J]. Siam Journal on Scientific Computing, 2012, 34(2): 1027-1052.
    [42]
    [43]
    [44] Rajwade A, Rangarajan A, Banerjee A. Image denosing using the higher order singular value decomposition[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2013, 35(4): 849-862.
    [45] Xiao H S, Wang Z L, Fan Z G. Optical distortion Evaluation of an aerodynamically heated window, based on the higher-order singular value decomposition with the influence of elasto-optical effect excluded[J]. Applied Optics, 2012, 51(16): 3269-3278.
    [46]
    [47] Jussi S, Andreas R, Visa K. Sequential unfolding SVD for tensors with applications in array signal processing[J]. IEEE Transactions on Signal Processing, 2009, 57(12): 4719-4733.
    [48]
    [49]
    [50] Chen Y L, Hsu C T. Multilinear graph embedding: representation and regularization for images[J]. IEEE Transactions on Image Processing, 2014, 23(2): 741-754.
    [51] Li Q, Shi X Q, Schonfeld D. Robust HOSVD-based higher-order data indexing and retrieval[J]. IEEE Signal Processing Letters, 2013, 20(10): 984-987.
    [52]
    [53] Fan D S, Meng X F, Wang Y R. Optical information encoding and image watermarking scheme based on phase-shifting interferometry and singular value decomposition[J]. Journal of Modern Optics, 2013, 60(9): 749-756.
  • [1] 刘飞, 罗惠方, 江翰立, 张茵楠, 严谨.  改进的三频三步相移结构光三维重建方法 . 红外与激光工程, 2022, 51(4): 20210179-1-20210179-9. doi: 10.3788/IRLA20210179
    [2] 孙茜, 薛庆生, 张冬雪, 白皓轩.  水下目标物三维激光重建方法研究 . 红外与激光工程, 2022, 51(8): 20210693-1-20210693-7. doi: 10.3788/IRLA20210693
    [3] 张宗华, 于瑾, 高楠, 孟召宗.  高反光表面三维形貌测量技术 . 红外与激光工程, 2020, 49(3): 0303006-0303006-13. doi: 10.3788/IRLA202049.0303006
    [4] 李勇, 张广汇, 马利红, 应晓霖, 姚建云.  条纹投影动态三维表面成像技术综述 . 红外与激光工程, 2020, 49(3): 0303005-0303005-13. doi: 10.3788/IRLA202049.0303005
    [5] 林子杰, 徐剑, 程亚.  激光辅助三维金属微打印(特邀) . 红外与激光工程, 2020, 49(12): 20201079-1-20201079-17. doi: 10.3788/IRLA20201079
    [6] 刘轶群, 魏悦川, 张敏情, 周潭平, 杨晓元.  基于三维成像技术的安全二维码 . 红外与激光工程, 2019, 48(5): 503003-0503003(7). doi: 10.3788/IRLA201948.0503003
    [7] 徐君, 谢正茂.  数字微镜Hadamard变换光谱仪光谱反演矩阵标定及实验 . 红外与激光工程, 2019, 48(7): 717005-0717005(6). doi: 10.3788/IRLA201948.0717005
    [8] 刘波, 赵娟莹, 眭晓林, 曹昌东, 颜子恒, 吴姿妍.  阵列分束激光三维成像技术 . 红外与激光工程, 2019, 48(6): 606001-0606001(6). doi: 10.3788/IRLA201948.0606001
    [9] 陈妮, 左超, Byoungho Lee.  基于深度测量的三维成像技术 . 红外与激光工程, 2019, 48(6): 603013-0603013(25). doi: 10.3788/IRLA201948.0603013
    [10] 丁超, 唐力伟, 曹立军, 邵新杰, 邓士杰.  深孔内表面结构光三维重构 . 红外与激光工程, 2018, 47(11): 1117004-1117004(7). doi: 10.3788/IRLA201847.1117004
    [11] 赵亚龙, 刘守起, 张启灿.  GPU加速三维面形测量 . 红外与激光工程, 2018, 47(3): 317003-0317003(7). doi: 10.3788/IRLA201847.0317003
    [12] 刘俭, 谷康, 李梦周, 谭久彬.  光学显微三维测量解耦合准则 . 红外与激光工程, 2017, 46(3): 302001-0302001(7). doi: 10.3788/IRLA201746.0302001
    [13] 侯佳, 何志平, 舒嵘.  离轴三反光纤阵列激光三维成像发射系统 . 红外与激光工程, 2016, 45(4): 406001-0406001(5). doi: 10.3788/IRLA201645.0406001
    [14] 陈超, 於燕琴, 黄淑君, 刘晓利, 徐静, 张宗华.  三维小视场成像系统 . 红外与激光工程, 2016, 45(8): 824002-0824002(6). doi: 10.3788/IRLA201645.0824002
    [15] 李相贤, 罗桂山, 徐亮, 高闽光, 童晶晶, 魏秀丽, 刘娜.  Δ13CO2值傅里叶变换红外光谱检测标准尺度校准方法 . 红外与激光工程, 2015, 44(10): 2959-2964.
    [16] 王颖, 张瑞.  管道内表面圆结构光视觉三维测量系统 . 红外与激光工程, 2014, 43(3): 891-896.
    [17] 王莹, 王延杰, 周渝人, 姚志军, 丁南南.  基于三维仿真平台的二维跟踪算法性能检测 . 红外与激光工程, 2014, 43(6): 2007-2012.
    [18] 郭方, 练国富, 张宁.  复眼三维目标定位精度分析 . 红外与激光工程, 2014, 43(12): 4088-4093.
    [19] 范俊叶, 尹博超, 王文生.  双曝光数字全息三维变形测试 . 红外与激光工程, 2014, 43(5): 1582-1586.
    [20] 王超, 张涯辉, 何培龙.  利用单站光测图像确定回转体目标三维姿态 . 红外与激光工程, 2013, 42(9): 2515-2518.
  • 加载中
计量
  • 文章访问数:  284
  • HTML全文浏览量:  14
  • PDF下载量:  318
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-04-26
  • 修回日期:  2014-04-15
  • 刊出日期:  2015-01-25

基于高维张量奇异值分解的图像加密

    作者简介:

    李勇(1970-),女,副教授,博士,主要从事数字图像处理方面的研究.Email:liyong8113@sina.com

基金项目:

国家自然科学基金(61301257);吉林省科技发展计划(201201107)

  • 中图分类号: TP309.7

摘要: 现有基于奇异值分解(SVD)的彩色信息加密系统提供了一种光学矩阵分解方案、安全的密文和敏感的密钥.高维张量奇异值分解(HOSVD)是SVD矩阵的自然线性延伸,提出了一种基于HOSVD的彩色图像加密算法.在加密过程中,HOSVD比SVD提供了更多的密文乘法组合次序.这些乘法组合次序可以有效地增加未经授权的解密难度.在解密过程中,HOSVD的重建精度比SVD更高.这些优点提高了准确性、安全性和鲁棒性.通过对100个图像测试数据集的计算机仿真验证了该算法的可行性.

English Abstract

参考文献 (53)

目录

    /

    返回文章
    返回