(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210948717.3 (22)申请日 2022.08.09 (71)申请人 徐州恒佳电子科技有限公司 地址 221100 江苏省徐州市铜山区御源景 城1#-101门面商铺 申请人 徐州医科 大学 (72)发明人 王换换　吴响　李奕霖　李瑞瑞　 张潇　 (74)专利代理 机构 南京思宸知识产权代理事务 所(特殊普通 合伙) 32548 专利代理师 左江锋 (51)Int.Cl. H04L 9/00(2022.01) H04N 1/32(2006.01) G06V 10/74(2022.01)G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/98(2022.01) (54)发明名称 一种轻量级动态图像数据加密方法及系统 (57)摘要 本发明公开了一种轻量级动态图像数据加 密方法及系统， 基于图像质量筛选和特征提取方 法的自动识别图像筛选机制对图像进行结构特 征提取， 对提取的特征进行相似度匹配来实现特 定内容的图像筛选； 通过图像目标检测和特征对 比， 实现对筛选出的图像进行敏感区域识别， 根 据图像所含 敏感对象计算敏感度等级， 并对满足 条件的相关敏感区域分割提取； 基于混沌序列使 用像素空间置乱方法对特定敏感区域进行置乱， 再利用动态混沌映射构造新的混沌序列对置乱 图像进行扩散实现加密。 本发明提供的轻量级动 态图像数据加密方法及系统， 实现轻量化加密的 同时具有较好的安全性能， 并且 可对抗图像数据 的遮盖攻击、 差分攻击和统计攻击 。 权利要求书3页 说明书9页 附图4页 CN 115378574 A 2022.11.22 CN 115378574 A 1.一种轻量级动态图像数据加密方法， 其特 征在于， 包括： 步骤一： 图像自动筛选： 基于图像自动筛选机制对图像进行结构特征提取， 对提取的特 征进行相似度匹配来实现特定内容的图像筛 选； 步骤二： 敏感对象识别： 通过图像目标模型检测和特征对比， 实现对筛选出的图像进行 图像敏感对 象识别， 根据图像包含敏感对 象计算敏感度， 并对满足条件的相关敏感区域提 取； 步骤三： 动态混沌加密： 基于混沌序列使用区域像素空间置乱方法对特定敏感区域进 行置乱， 再利用动态混沌加密映射构 造新的混沌序列对置乱图像进行扩散实现图像动态混 沌加密， 将敏感区域加密部分和背景区域未加密部分拼接， 获得加密后图像用于保存或传 输。 2.根据权利要求1所述的一种轻量级动态图像数据加密方法， 其特征在于， 所述图像自 动筛选的方法具体有以下 过程： (1.1)图像质量筛选： 将原始图像进行滤波降噪处理并计算像素点边缘梯度， 根据像素 点累加求和并对边 缘梯度归一 化处理以筛选出清晰的图像； (1.2)相似度匹配： 通过聚类和分类算法将符合质量要求的图像进行结构特征提取， 基 于多度量相似度匹配算法将结构特 征向量筛 选出与特定目标相匹配的图像； 所述敏感对象识别具体包括以下 过程： (2.1)敏感目标检测： 对图像所含特定目标对象进行识别检测与分类； (2.2)敏感度计算： 根据预设敏感度值对敏感目标对象进行相应 计算； (2.3)敏感区域 提取： 对目标对象且 满足敏感度要求的区域进行区域图像分割提取； 所述动态混沌加密包括以下 过程： (3.1)区域像素置乱： 根据初始混沌系 统， 对初始图像的字节进行预置乱处理， 通过复 制每个相邻像素的RGB值将得到的数组进行降维 获得预置乱位图。 (3.2)动态混沌加密： 通过动态构造新的混沌系统， 对置乱处理后的位图像素按混沌映 射的序列进行迭代扩散， 获取密文矩阵； (3.3)图像数据拼接： 将混淆加密的区域图像密文矩阵与原始图像未处理区域进行拼 接整合， 形成目标加密图像完整数据。 3.根据权利要求1所述的一种轻量级动态图像数据加密方法， 其特征在于， 所述图像质 量筛选的过程具体为： (1.11)进行图像滤波降噪处理， 将原始图像转换进行滤波降噪处理， 滤除噪声、 平滑图 像， 同时去除图像中的不相关细节； (1.12)进行图像边缘梯度计算， 分别计算出每个像素点邻域内的边缘梯度， 并将每个 像素点邻域内的边缘梯度进行加权求和， 从而计算出每个像素点的边缘梯度和， 累加每个 像素点的边缘梯度和， 再除以像素点的个数得到归一化的边缘梯度， 根据归一化后获得 的 边缘梯度值筛 选出清晰的图像。 4.根据权利要求2所述的一种轻量级动态图像数据加密方法， 其特征在于， 所述相似度 匹配包括特 征聚类和特 征分类， 所述特征聚类具体包括以下内容： (1.201)对图像进行图像特征提取得到样本图像特征， 利用特征聚类模型对所述 图像权　利　要　求　书 1/3 页 2 CN 115378574 A 2特征进行结构特征提取， 得到 至少一个图像结构特 征； (1.202)基于结构特 征对图像结构特 征进行聚类， 得到结构特 征的至少一个聚类结果； (1.203)根据聚类结果对预设特征 聚类模型进行优化， 直到所述预设模型收敛， 得到特 征聚类模型并用于目标图像结构特 征筛选； 所述特征分类具体包括： (1.204)从图像 中随机可放回的选取若干图像样本， 标注特征类别标签作 为训练样本， 选定已有的卷积神经网络模型进 行调参优化， 卷积神经网络模型与提取特征的网络模型需 保持模型 结构和训练数据不同； (1.205)利用特征分类模型对目标图像特征进行识别， 得到结构特征模型及其类别置 信度， 若某个样本在所属类别上置信度很低， 则将该 特征作为不相关样本予以筛除； 所述结构特 征提取包括如下步骤： (1.21)从图像组成的角度将结构信息定义为独立于亮度、 对比度的反映场景中物体结 构的属性， 用均值作为亮度的估计， 标准差作为对比度的估计， 协方差作为结构相似程度的 度量； (1.22)利用滑动窗将图像分块， 每一步基于窗口内像素进行计算， 对应块的结构相似 度， 最后将平均值作为两图像的结构相似性度量。 5.根据权利要求2所述的一种轻量级动态图像数据加密方法， 其特征在于， 所述敏感 目 标检测具体内容 为： 根据预设检测敏感对象列表， 对图像内容所包含目标对象进行自动分类识别， 获取相 应的类别 信息和位置信息； 目标检测 识别根据敏感对象训练图像提取特征， 将得到的特征向量用于目标图像识别 的特征库训练获得目标检测模型； 所述敏感度计算的方法为： 根据所述敏感目标检测识别信息， 计算对象在当前图像包含对象的敏感度， 敏感度取 决于图像的应用场景、 目标预设值以及图像场景中各对 象之间的语义关系； 目标预设值可 以根据图像的一般理解采用预 先定义给定目标对象的初始敏感度； 所述敏感区域 提取的过程 为： 根据识别出的敏感对象对原始图像进行基于目标检测模型的图像区域划分， 根据灰 度、 彩色、 空间纹理、 几何形状等特征把图像划分成若干个互不相交的区域， 包括实例分割 和场景分割， 以获取目标 敏感对象区域图像。 6.根据权利要求3所述的一种轻量级动态图像数据加密方法， 其特征在于， 所述像素空 间置乱具体为： 基于初始混沌系统构 造混沌映射， 生成伪随机数的混沌序列， 通过对图像矩 阵进行有限步长的初等矩阵转换， 改变目标区域像素 的空间位置， 将原始区域图像变成一 个杂乱无序、 不可 见的新区域图像； 所述混沌加密包括： 读入待处理的敏感区域图片， 通过加密密钥进入混沌序列， 采用混 沌系统设计加密算法， 实现加密目的； 采用混沌系统与逻辑图生成与明文图像特征相关的 混沌密钥序列， 替换目标区域像素值， 实现打乱像素位置， 最终扩散图像得到目标区域加密 图像。 7.根据权利要求2所述的一种轻量级动态图像数据加密方法， 其特征在于， 所述动态混权　利　要　求　书 2/3 页 3 CN 115378574 A 3