摘 要：互聯(lián)網(wǎng)的廣泛應(yīng)用使得圖像的傳輸和存儲(chǔ)越來(lái)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(duì)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(duì)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(duì)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(hào)：TP399 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：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(guò)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(lái)學(xué)者們針對(duì)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。混沌密碼學(xué)在上世紀(jì)80年代正式成為密碼學(xué)的一個(gè)分支并迅速發(fā)展?；煦缂用苤饕袃煞N常用技術(shù)：一種是通過(guò)映射算法生成的隨機(jī)矩陣改變?cè)瓐D像像素值的位置，這種技術(shù)稱為置亂操作；另一種是通過(guò)映射算法生成的隨機(jī)矩陣改變?cè)膱D像像素值的大小，這種技術(shù)稱為擴(kuò)散操作。一些常見(jiàn)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(wú)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(jí)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(duì)HEVC選擇加密的方法。Sukalyan等人[10]提出使用混沌映射對(duì)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(duì)醫(yī)學(xué)圖像重要區(qū)域進(jìn)行選擇加密的方法。國(guó)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(guò)混沌映射的選擇性加密方法；在2018年提出了對(duì)圖像顯著區(qū)域加密生成有視覺(jué)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(lái)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(lái)說(shuō)，刪除了最后一個(gè)最大池化層，保留最后卷積層的細(xì)節(jié)。因此，對(duì)于VGG-16，下采樣到1/16；對(duì)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(gè)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(lái)，在解碼器中，每一個(gè)SIM后面都有一個(gè)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(lái)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(jí)的卷積層對(duì)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(yǔ)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(yǔ)義信息。本章提出了聚合交互模塊（AIM），通過(guò)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(lái)說(shuō)，輸入特征的分辨率和維度首先被卷積層降低。在每一個(gè)分支中，SIM都會(huì)執(zhí)行變換-交互-融合策略。在每一個(gè)分支中，SIM都會(huì)進(jìn)行一個(gè)初始的變換，以適應(yīng)下面的交互操作：對(duì)低分辨率特征進(jìn)行上采樣，對(duì)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(guò)上采樣、歸一化和非線性處理后，采用FU對(duì)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(cè)任務(wù)中，廣泛使用的二進(jìn)制交叉熵函數(shù)在整個(gè)批次中積累了每個(gè)像素的損失，并且沒(méi)有考慮像素間的關(guān)系，這無(wú)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(wèn)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(cè)為正類的正樣本數(shù)；FP是將負(fù)類預(yù)測(cè)為正類的正樣本數(shù)；FN是將正類預(yù)測(cè)為負(fù)類的負(fù)樣本數(shù)量；FP+FN表示預(yù)測(cè)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(duì)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(gè)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(gè)多大的矩陣，矩陣內(nèi)的值是0～255，表示亮度。所以對(duì)于圖像來(lái)說(shuō)，至少需要兩個(gè)或兩個(gè)以上的維度。

對(duì)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(jiǎn)單，但映射出的序列無(wú)明顯規(guī)律，如果有人想破解，很難從大量無(wú)規(guī)律的數(shù)字中找到密鑰。加密的結(jié)果越雜亂無(wú)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(duì)于一般的Logistic混沌序列加密，需要把圖像轉(zhuǎn)化為一個(gè)二維矩陣，然后設(shè)計(jì)同樣大小的矩陣來(lái)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(huì)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(guò)程是掃描圖像左上半?yún)^(qū)域，如果顯著性區(qū)域且中心對(duì)稱之后的像素仍是顯著性區(qū)域的像素，則交換這兩個(gè)像素的值。這種方法并不是把顯著性區(qū)域做中心對(duì)稱，因?yàn)橛械娘@著性區(qū)域不是對(duì)稱圖像。有的點(diǎn)是顯著區(qū)域像素點(diǎn)，但是其中心對(duì)稱之后不是，就不會(huì)交換像素值。而且這僅僅是對(duì)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(lái)的混沌加密不變。因?yàn)槊繌垐D像的對(duì)稱性質(zhì)不同，且只用到一半的對(duì)稱性質(zhì)，所以即使有大量用相同方法加密的圖像，也無(wú)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(duì)MINet算法，使用MSRA數(shù)據(jù)庫(kù)中的1 000張圖片作為訓(xùn)練集，取MSRA數(shù)據(jù)庫(kù)剩下圖片的1 000張作為測(cè)試集，對(duì)測(cè)試集進(jìn)行顯著性區(qū)域的提取、加密和解密。對(duì)MR算法，使用MSRA數(shù)據(jù)庫(kù)中的1 000張圖片作為測(cè)試集，對(duì)測(cè)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(guò)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(cè)算法性能的一個(gè)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(chǎng)合希望的精準(zhǔn)率和召回率不同。

由圖5可見(jiàn)，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(shuō)明MINet算法的性能更好。

綜合衡量精準(zhǔn)率和召回率最常見(jiàn)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(duì)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(yǔ)

本文先通過(guò)MINet算法對(duì)圖像進(jìn)行顯著性區(qū)域提取，再通過(guò)混沌置亂算法對(duì)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(wú)法識(shí)別，并且對(duì)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(guò)程中只是對(duì)顯著性區(qū)域進(jìn)行加密，對(duì)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.