基于深度學(xué)習(xí)的圖像顯著性區(qū)域加密

摘 要：互聯(lián)網(wǎng)的廣泛應(yīng)用使得圖像的傳輸和存儲越來越便捷，網(wǎng)絡(luò)的公開化使得很多傳輸?shù)膱D像數(shù)據(jù)可能被輕易地監(jiān)聽、截獲、非法復(fù)制和篡改等。圖像的顯著性區(qū)域包含了圖像的大部分信息，對圖像的顯著性區(qū)域加密可以有效保護(hù)圖像的信息。本文提出了一種基于深度學(xué)習(xí)的圖像顯著性區(qū)域加密方式，該方式只對圖像的顯著性區(qū)域進(jìn)行加密，待加密圖像先被提取顯著性區(qū)域，再使用混沌置亂的方法對顯著性區(qū)域進(jìn)行加密。實(shí)驗(yàn)結(jié)果證明，基于深度學(xué)習(xí)的顯著性區(qū)域提取方式性能更好，顯著性區(qū)域加密比全部加密減少了大部分加密區(qū)域，大大提高了加密效率。

關(guān)鍵詞：圖像加密；顯著性區(qū)域；深度學(xué)習(xí)；混沌加密；深度學(xué)習(xí)；MINet算法

中圖分類號：TP399 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2024）03-00-03

0 引 言

伴隨著互聯(lián)網(wǎng)技術(shù)的進(jìn)步與大眾化，大數(shù)據(jù)圖像得以傳播和應(yīng)用，但是網(wǎng)絡(luò)的公開化使得很多傳輸?shù)膱D像數(shù)據(jù)可能被監(jiān)聽、截獲、非法復(fù)制和篡改等。經(jīng)過研究，圖像中的大部分信息往往集中在一些小的核心區(qū)域，這些核心區(qū)域稱為顯著性區(qū)域或感興趣區(qū)域。

近幾十年來學(xué)者們針對圖像加密進(jìn)行研究，得出了多種加密方法及模型，但常用的四大類方法是：混沌加密、DNA編碼技術(shù)、壓縮感知、光學(xué)加密?；煦缑艽a學(xué)在上世紀(jì)80年代正式成為密碼學(xué)的一個分支并迅速發(fā)展。混沌加密主要有兩種常用技術(shù)：一種是通過映射算法生成的隨機(jī)矩陣改變原圖像像素值的位置，這種技術(shù)稱為置亂操作；另一種是通過映射算法生成的隨機(jī)矩陣改變原文圖像像素值的大小，這種技術(shù)稱為擴(kuò)散操作。一些常見和經(jīng)典的混沌加密算法有邏輯映射[1]、Lorenz[2]系統(tǒng)、Tent映射[3]、貓映射[4]。考慮到更大的密鑰空間，隨機(jī)矩陣越雜亂無章，圖像加密的保護(hù)性越強(qiáng)，已有學(xué)者提出了不少基于混沌系統(tǒng)的圖像加密方案。Xu等人[5]提出一種新的基于混沌映射的位級圖像加密算法。Pak等人[6]提出一種新的基于一維混沌映射的彩色圖像加密方法。Hua等人[7]提出使用二維邏輯正弦耦合映射的圖像加密算法。Luo等人[8]最近提出一種量子編碼與超混沌系統(tǒng)相結(jié)合的圖像加密方案。Sallam等人[9]提出使用RC6塊密文技術(shù)對HEVC選擇加密的方法。Sukalyan等人[10]提出使用混沌映射對圖像的位平面選擇加密的方案。Goel等人[11]提出了一種用FPGA實(shí)現(xiàn)圖像選擇加密的技術(shù)[11]。Prabhavathi等人[12]提出使用超混沌系統(tǒng)對醫(yī)學(xué)圖像重要區(qū)域進(jìn)行選擇加密的方法。國內(nèi)也有很多學(xué)者從各種方面解釋了圖像選擇加密的多樣性，證實(shí)了該領(lǐng)域有很大的研究意義和實(shí)用價(jià)值。Wen等人[13]提出了基于紅外目標(biāo)的通過混沌映射的選擇性加密方法；在2018年提出了對圖像顯著區(qū)域加密生成有視覺意義的密文圖像方案[14]。Wang等人[15]提出基于壓縮感知的具有數(shù)據(jù)隱藏能力的選擇加密方法。顯然，圖像選擇加密在未來仍具有很大的意義和實(shí)用價(jià)值，設(shè)計(jì)在顯著性區(qū)域上的加密方案顯得迫切且必要。

1 基于深度學(xué)習(xí)的顯著性區(qū)域提取

本文的顯著性區(qū)域提取模型是基于FCN架構(gòu)，以預(yù)先訓(xùn)練的VGG-16或ResNet-50作為主干網(wǎng)絡(luò)，兩者都只保留特征提取網(wǎng)絡(luò)。具體來說，刪除了最后一個最大池化層，保留最后卷積層的細(xì)節(jié)。因此，對于VGG-16，下采樣到1/16；對于ResNet-50，下采樣到1/32。利用主干網(wǎng)絡(luò)提取多層次的特征，然后每個AIM利用相鄰層的特征作為輸入，有效地利用多層次的信息，為當(dāng)前的分辨率提供更多的相關(guān)和有效的補(bǔ)充。接下來，在解碼器中，每一個SIM后面都有一個FU，它是由卷積層、批歸一化層和ReLU層組合而成，這些信息被FU進(jìn)一步整合并反饋到淺層。此外，引入一致性增強(qiáng)損失作為輔助損失來監(jiān)督訓(xùn)練階段。網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

1.1 聚合交互模塊

在特征提取網(wǎng)絡(luò)中，不同等級的卷積層對應(yīng)于不同程度的特征抽象。多層特征聚合可以增強(qiáng)不同分辨率特征的表示能力：（1）在淺層，可以進(jìn)一步增強(qiáng)詳細(xì)信息，抑制噪聲；（2）在中間層，同時(shí)考慮了語義信息和詳細(xì)信息，可以根據(jù)網(wǎng)絡(luò)本身的需求自適應(yīng)地調(diào)整特征中不同抽象信息的比例，從而實(shí)現(xiàn)了更靈活的特征利用；（3）在頂層，考慮相鄰的分辨率時(shí)，可以挖掘出更豐富的語義信息。本章提出了聚合交互模塊（AIM），通過交互式學(xué)習(xí)策略聚合特征。聚合交互模塊如圖2所示。

1.2 自交互模塊

模型在SIM中應(yīng)用了變換-交互-融合的策略。具體來說，輸入特征的分辨率和維度首先被卷積層降低。在每一個分支中，SIM都會執(zhí)行變換-交互-融合策略。在每一個分支中，SIM都會進(jìn)行一個初始的變換，以適應(yīng)下面的交互操作：對低分辨率特征進(jìn)行上采樣，對高分辨率特征進(jìn)行下采樣到與另一分支中的特征相同的分辨率。不同通道數(shù)的高分辨率特征和低分辨率特征之間的相互作用可以獲得關(guān)于各尺度的信息，并以較低的參數(shù)量保持高分辨率信息。為了便于優(yōu)化，還采用了殘差連接，在經(jīng)過上采樣、歸一化和非線性處理后，采用FU對SIM和殘差支路的雙路徑進(jìn)行處理，將SIM集成到解碼器中，使得網(wǎng)絡(luò)在訓(xùn)練階段能夠自適應(yīng)地處理不同樣本的尺度變化。自交互模塊如圖3所示。

1.3 一致性增強(qiáng)損失

在顯著性物體檢測任務(wù)中，廣泛使用的二進(jìn)制交叉熵函數(shù)在整個批次中積累了每個像素的損失，并且沒有考慮像素間的關(guān)系，這無法明確地促使模型盡可能平滑地突出前景區(qū)域并很好地處理樣本不平衡的問題。為此，提出了一致性增強(qiáng)損失（CEL）。

（1）

式中：TP是將正類預(yù)測為正類的正樣本數(shù)；FP是將負(fù)類預(yù)測為正類的正樣本數(shù)；FN是將正類預(yù)測為負(fù)類的負(fù)樣本數(shù)量；FP+FN表示預(yù)測前景區(qū)域和標(biāo)記值的并集和交集之間的差集，而FP+2TP+FN表示該并集和該交集的和。

2 混沌置亂加密

2.1 Logistic混沌

1976年，數(shù)學(xué)生態(tài)學(xué)家R.May提出Logistic混沌。對于一維Logistic映射，它能產(chǎn)生混沌序列是因?yàn)樗幕咎卣?，如逆瀑布、U序列等，這些特征只有一個自由度，只能生成一條曲線或者直線。但是圖像是二維矩陣，其分辨率表示圖像是一個多大的矩陣，矩陣內(nèi)的值是0～255，表示亮度。所以對于圖像來說，至少需要兩個或兩個以上的維度。

對于二維Logistic映射，可以從一維連接到二維，其二維滯后Logistic映射方程為：

（2）

（3）

式中，u∈（0， 2.28）， [x， y]∈（0， 1）。

該系統(tǒng)結(jié)構(gòu)簡單，但映射出的序列無明顯規(guī)律，如果有人想破解，很難從大量無規(guī)律的數(shù)字中找到密鑰。加密的結(jié)果越雜亂無章越好，因此混沌加密在圖像加密領(lǐng)域中得到廣泛應(yīng)用。

對于一般的Logistic混沌序列加密，需要把圖像轉(zhuǎn)化為一個二維矩陣，然后設(shè)計(jì)同樣大小的矩陣來進(jìn)行加密，混沌序列x需要迭代m×n次，這時(shí)轉(zhuǎn)化的序列x（i）是一維的，然后將其轉(zhuǎn)化的序列x（i）再轉(zhuǎn)化為m×n的二維矩陣。最后將其與原始圖像進(jìn)行異或運(yùn)算，就會得到一張加密的圖像，這種方法稱為混沌序列加密。

2.2 混沌置亂加密

置亂的過程是掃描圖像左上半?yún)^(qū)域，如果顯著性區(qū)域且中心對稱之后的像素仍是顯著性區(qū)域的像素，則交換這兩個像素的值。這種方法并不是把顯著性區(qū)域做中心對稱，因?yàn)橛械娘@著性區(qū)域不是對稱圖像。有的點(diǎn)是顯著區(qū)域像素點(diǎn)，但是其中心對稱之后不是，就不會交換像素值。而且這僅僅是對圖像的左上和右下部分操作，圖像的右上部分和左下部分保持原來的混沌加密不變。因?yàn)槊繌垐D像的對稱性質(zhì)不同，且只用到一半的對稱性質(zhì)，所以即使有大量用相同方法加密的圖像，也無法從加密后的圖像像素值找出規(guī)律。這種加密方法比混沌加密的安全性更高一些。

3 實(shí)驗(yàn)結(jié)果與分析

對MINet算法，使用MSRA數(shù)據(jù)庫中的1 000張圖片作為訓(xùn)練集，取MSRA數(shù)據(jù)庫剩下圖片的1 000張作為測試集，對測試集進(jìn)行顯著性區(qū)域的提取、加密和解密。對MR算法，使用MSRA數(shù)據(jù)庫中的1 000張圖片作為測試集，對測試集進(jìn)行顯著性區(qū)域的提取、加密和解密，如圖4所示。在實(shí)現(xiàn)關(guān)鍵信息加密的過程中采用的是混沌序列加密和置亂加密兩種算法的有機(jī)結(jié)合。

精準(zhǔn)率和召回率是衡量顯著性區(qū)域檢測算法性能的一個常用參數(shù)。精準(zhǔn)率是衡量顯著性區(qū)域提取的正確性，召回率是衡量是否提取了所有的顯著性區(qū)域。精準(zhǔn)率和召回率通常情況下是矛盾的，精準(zhǔn)率高，召回率就低；召回率高，精準(zhǔn)率就低。不同的場合希望的精準(zhǔn)率和召回率不同。

由圖5可見，MINet算法的曲線包裹了MR算法的P-R曲線，在召回率較高的時(shí)候精準(zhǔn)率也較高，說明MINet算法的性能更好。

綜合衡量精準(zhǔn)率和召回率最常見的另一種方法是F-Measure，其公式如下：

（4）

式中：β是參數(shù)；P是精準(zhǔn)率；R是召回率。當(dāng)參數(shù)βgt;1時(shí)，召回率有更大影響；當(dāng)參數(shù)0lt;βlt;1時(shí)精準(zhǔn)率有更大影響。通常取β2為0.3。對MINet和MR算法提取的顯著性區(qū)域進(jìn)行F值計(jì)算，得到的結(jié)果如下：MINet的P為0.773，R為1，F(xiàn)為0.816；MR的P為0.358，R為1，F(xiàn)為0.42。在召回率都為1的情況下MINet算法的精準(zhǔn)率是MR算法的精準(zhǔn)率的兩倍多。F值也是遠(yuǎn)遠(yuǎn)高于MR算法。

4 結(jié) 語

本文先通過MINet算法對圖像進(jìn)行顯著性區(qū)域提取，再通過混沌置亂算法對原始的圖像矩陣進(jìn)行加密，達(dá)到顯著性區(qū)域加密的效果。該算法使圖像的關(guān)鍵信息無法識別，并且對密鑰的敏感度較強(qiáng)，必須知道密鑰才能還原出原始圖像，有著較強(qiáng)的安全性，在加密過程中只是對顯著性區(qū)域進(jìn)行加密，對不是顯著性區(qū)域的部分保留，大大減少了要加密的區(qū)域，有效減少了加密的工作量，提高了加密效率。

注：本文通訊作者為劉妮。

參考文獻(xiàn)

[1] LIU L，MIAO S. A new image encryption algorithm based on logistic chaotic map with varying parameter [J]. Springerplus，2016，5（1）：289.

[2] LORENZ E N. Deterministic nonperiodic flow [M]// The Theory of Chaotic Attractors. New York：Springer ，2004.

[3] ESSAID M，AKHARRAZ L，SAAIDI A，et al. A new image encryption scheme based on confusion diffusion using an enhanced skew tent map [J]. Procedia computer science，2018，127：539-548.

[4] TONG X J. Design of an image encryption scheme based on a multiple chaotic map [J]. Communications in nonlinear science amp; numerical simulation，2013，18（7）：1725-1733

[5] XU L，LI Z，LI J，et al. A novel bit-level image encryption algorithm based on chaotic maps [J]. Optics and lasers in engineering，2016：17-25.

[6] PAK C，HUANG L. A new color image encryption using combination of the ID chaotic mapt [J]. Signal processing，2017，138：129-137.

[7] HUA Z，JIN F，XU B，et al. 2D Logistic-sine-coupling map for image encryption [J]. Signal processing，2018，149：148-161.

[8] LUO Y，TANG S，LIU J，et al. Image encryption scheme by combining the hyper-chaotic system with quantum coding [J]. Optics and lasers in engineering，2020，124：105836.

[9] SALLAM A I，F(xiàn)ARAGALLAH O S，EI-RABAIE EI-S M. HEVC selective encryption using RC6 block cipher technique [J]. IEEE transactions on multimedia，2018，20（7）：1636-1644.

[10] SUKALYAN S，ABHIJIT M，SARBANI P，et al. A selective bitplane image encryption scheme using chaotic maps [J]. Multimedia tools and applications，2018.

[11] GOEL A，CHAUDHARI K. FPGA implementation of a novel technique for selective image encryption [C]// International Conference on Frontiers of Signal Processing. Warsaw，Poland：IEEE，2017：15-19.

[12] PRABHAVATHI K，SATHISHA C P，RAVIKUMAR K M. Region of interest based selective medic image encryption using multi chaotic system [C]// International Conference on Electrical. Mysuru，India：IEEE，2017：1-5.

[13] WEN W Y，ZHANG Y S，F(xiàn)ANG Z J，et al. Infrared target-based selective encryption by chaotic maps [J]. Optics communications，2015，341：131-139.

[14] WEN W Y，ZHANG Y S，F(xiàn)ANG Y，et al. Image salient regions encryption for generating visually meaningful ciphertext image [J]. Neural computing and applications，2018，29（3）：653-663.

[15] WANG J，ZHANG L Y，CHEN J，et al. Compressed sensing based selective encryption with data hiding capability [J]. IEEE transactions on industrial informatics，2019，15（12）：6560-6571.