[发明专利]一种图像置乱评价方法和装置

说明书

技术领域

本发明涉及数字图像处理领域，特别涉及一种图像置乱评价方法和装置。

背景技术

随着计算机网络技术的快速发展和广泛应用，通过网络进行数据传输变得非常方便和快速。与此同时，数据安全也受到越来越多的关注。图像置乱是对图像数据的一种加密手段，通过这一技术可以隐藏图像的信息，以保证图像数据在网络传输中的安全性。对于置乱图像，置乱度越高，图像数据的加密效果越好，因此，对置乱度的有效评价在信息加密中有重要的理论和实际意义。

现有技术中，采用脉冲耦合神经网络模型对置乱图像进行评价，通过脉冲耦合神经网络模型提取置乱图像的特征序列，与未经过置乱变换的原图像的特征序列相比较，获取置乱图像的置乱度。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

现有技术中，脉冲耦合神经网络模型对置乱图像进行评价时，提取的特征序列基于图像的灰度信息，而置乱变换则是对图像的结构信息的变换，图像的总体灰度信息是不变的，因此，通过基于灰度信息的脉冲耦合神经网络模型提取的特征序列，不能直接反映出置乱图像结构信息的变化。

发明内容

为了解决直接提取置乱图像结构信息的问题，本发明实施例提供了一种图像置乱评价方法和装置。所述技术方案如下：

一方面，提供了一种图像置乱评价方法，所述方法包括：

对原图像和至少一幅置乱图像分别进行按位分层，获取所述原图像的位图图像和所述至少一幅置乱图像的位图图像；

根据交叉皮层神经网络模型，分别对所述原图像的位图图像和所述至少一幅置乱图像的位图图像进行特征提取，得到所述原图像的结构特征序列和所述至少一幅置乱图像的结构特征序列；

根据所述原图像的结构特征序列和所述至少一幅置乱图像的结构特征序列进行计算，得到所述至少一幅置乱图像的置乱度。

优选地，对原图像和置乱图像进行按位分层，获取所述原图像的位图图像和所述至少一幅置乱图像的位图图像之前，包括：

根据图像置乱算法对原图像进行置乱变换，获取至少一幅置乱图像。

优选地，根据交叉皮层神经网络模型，分别对所述原图像的位图图像和所述至少一幅置乱图像的位图图像进行特征提取，得到所述原图像的结构特征序列和所述至少一幅置乱图像的结构特征序列，包括：

根据交叉皮层神经网络模型，分别对所述原图像的预设数量的位图图像和所述至少一幅置乱图像的预设数量的位图图像分别进行特征提取，得到所述原图像的预设数量的位图图像的特征序列和所述至少一幅置乱图像的预设数量的位图图像的特征序列；

将所述原图像的预设数量的位图图像的特征序列进行组合，得到所述原图像的结构特征序列的同时，将所述至少一幅置乱图像的预设数量的位图图像的特征序列进行组合，得到所述至少一幅置乱图像的结构特征序列。

优选地，根据所述原图像的结构特征序列和所述至少一幅置乱图像的结构特征序列进行计算，得到所述至少一幅置乱图像的置乱度，包括：

根据所述原图像的结构特征序列和所述至少一幅置乱图像的结构特征序列计算一阶绝对值距离，将所述一阶绝对值距离作为所述至少一幅置乱图像的置乱度。

另一方面，提供了一种图像置乱评价装置，所述装置包括：

分层模块，用于对原图像和至少一幅置乱图像分别进行按位分层，获取所述原图像的位图图像和所述至少一幅置乱图像的位图图像；

特征提取模块，用于根据交叉皮层神经网络模型，分别对所述原图像的位图图像和所述至少一幅置乱图像的位图图像进行特征提取，得到所述原图像的结构特征序列和所述至少一幅置乱图像的结构特征序列；

计算模块，用于根据所述原图像的结构特征序列和所述至少一幅置乱图像的结构特征序列进行计算，得到所述至少一幅置乱图像的置乱度。

优选地，所述装置还包括：

置乱模块，用于根据图像置乱算法对原图像进行置乱变换，获取至少一幅置乱图像。

优选地，所述特征提取模块，包括：

特征提取单元，用于根据交叉皮层神经网络模型，分别对所述原图像的预设数量的位图图像和所述至少一幅置乱图像的预设数量的位图图像分别进行特征提取，得到所述原图像的预设数量的位图图像的特征序列和所述至少一幅置乱图像的预设数量的位图图像的特征序列；

组合单元，用于将所述原图像的预设数量的位图图像的特征序列进行组合，得到所述原图像的结构特征序列的同时，将所述至少一幅置乱图像的预设数量的位图图像的特征序列进行组合，得到所述至少一幅置乱图像的结构特征序列。