本發(fā)明涉及遙感圖像加密及其檢索處理領域，具體涉及一種基于Arnold混沌映射的遙感圖像加密檢索方法。

背景技術：

在信息全球化的背景下，遙感以其可視化、全球化、網絡化以及智能化的特點，遙感技術已經在各行各業(yè)中顯示除了令人矚目的成績?，F(xiàn)代的遙感技術在信息獲取方面已經表現(xiàn)出了巨大的優(yōu)勢與潛力，同時在數(shù)據(jù)分析處理方面也展示了其獨特的技術魅力。遙感技術能夠為人們提供大量豐富的信息。遙感技術可以將傳感器獲得的遙感數(shù)據(jù)轉化成可利用的信息并被我們所利用。

遙感是一種遠距離探測目標技術的方法，通過搭載在衛(wèi)星上的成像光譜儀獲取圖像信息，根據(jù)目標反射和輻射的電磁波來獲取觀測到的地物信息，并對其進行分析處理。成像光譜儀通過將確定地物的光譜和表達地物空間特征的影像結合在一起，產生一組能同時反映地物空間信息及其光譜信息的二維圖像，具有“圖譜合一”的數(shù)據(jù)特點，很好的結合了圖像和光譜數(shù)據(jù)的優(yōu)點。遙感影像中的像素大都是由幾種地物的反饋信息混合而成，很少是由單一的地物組成，反映的而是幾個地物的混合信息。頻譜作為物質的能量之一，可以很好地用來作為區(qū)別地物屬性的重要依據(jù)。圖像的頻譜反映了像元能量的空間分布，表征了地物的空間頻率特征，并且與地物的色調、紋理、邊緣及方向等空間特征均存在著密切的聯(lián)系。

隨著空間信息技術的快速發(fā)展，遙感數(shù)據(jù)作為一種重要的時空數(shù)據(jù)，已經在環(huán)境監(jiān)測、災害預報、國防安全等重大領域發(fā)揮著不可或缺的重要作用。遙感圖像的檢索效率和精度，直接影響了遙感影像數(shù)據(jù)應用的廣泛性和實時性。

中國專利文獻CN201410802048.4，申請日2014.12.22，專利名稱為：一種基于無監(jiān)督特征學習的遙感圖像檢索方法及系統(tǒng)，基于無監(jiān)督特征學習的遙感圖像檢索方法及系統(tǒng)，包括對檢索圖像庫中各圖像分別提取顯著圖，并根據(jù)顯著圖的分割閾值獲得相應的二值化顯著圖；對檢索圖像庫中各圖像，根據(jù)相應的二值化顯著圖通過掩膜運算分割出顯著區(qū)域；從圖像顯著區(qū)域提取尺寸相同的圖像塊構造訓練樣本，并利用無監(jiān)督特征學習方法對樣本進行訓練學習圖像的特征；最后，進行圖像檢索。本發(fā)明從圖像的顯著區(qū)域提取尺寸相同的圖像塊構造用于無監(jiān)督特征學習的訓練樣本，彌補了傳統(tǒng)的直接在原圖像上進行隨機取樣的缺陷，不僅符合人眼的視覺注意特點而且更能直接反映出人們的檢索需求，在保證檢索查準率的同時免去了復雜的特征提取過程。

然而，上述關于遙感圖像檢索方案僅僅是關于特征對圖像內容中，關于Arnold混沌映射的遙感圖像加密檢索則沒有相應的報道。

綜上所述，傳統(tǒng)圖像加密是通過對像素的置換和混淆，其中像素的置亂與混淆往往被拆分為兩個耦合性較低的孤立環(huán)節(jié)，且對密文的檢索都是建立在索引的基礎之上的，亟需一種安全性高，被識破的可能性更低、抗攻擊性、建立明文與密文之間的關系來進行安全搜索的基于Arnold混沌映射的遙感圖像加密檢索方法。

技術實現(xiàn)要素：

本發(fā)明的目的是針對現(xiàn)有技術中的不足，提供一種安全性高，被識破的可能性更低、抗攻擊性、建立明文與密文之間的關系來進行安全搜索的基于Arnold混沌映射的遙感圖像加密檢索方法。

為實現(xiàn)上述目的，本發(fā)采用的技術方案是：

一種基于Arnold混沌映射的遙感圖像加密檢索方法,所述方法包括以下步驟：

步驟S1：遙感圖像預處理；

步驟S11：對加密的遙感圖像的邊界進行的處理，使遙感圖像的長和寬的相等；

步驟S12：采用自適應全變分去噪模型對遙感圖像進行去噪處理，通過聯(lián)合沖擊濾波器和非線性各向異性擴散濾波器，并利用邊緣檢測算子選取自適應參數(shù)，對含噪聲的遙感圖像進行平滑去噪并保留邊緣特性；

步驟S2：遙感圖像特征向量的提取，具體為：采用Landsat 8衛(wèi)星的遙感數(shù)據(jù)，將每個圖層的灰度值量化到0～255，根據(jù)遙感圖像的光譜特征及設置的閾值范圍：[0,63]，[64,127]，[128,191]，[192,255]，把灰度值劃分為5*11個組空間，統(tǒng)計出每幅遙感圖像的特征向量；

步驟S3：遙感圖像的加密保護；

步驟S31：生成混沌序列，對原遙感圖像進行頻域之亂加密，使遙感圖像的灰度值在空間的位置上得以混亂；

步驟S32：異或運算，將初始圖像與上述步驟S31中生成的混沌矩陣進行異或運算，得到加密的遙感圖像；

步驟S4：遙感圖像的相似性匹配；

步驟S5：遙感圖像的解密以及遙感圖像加密的逆過程。

優(yōu)選地，步驟S31中對遙感圖像進行加密，使用取模后的Arnold映射：

其中是原遙感圖像的像素值位置，為進行灰度置亂后的像素值空間位置，p和q是正整數(shù)，k是加密迭代的次數(shù)，M是變換處理后的遙感圖像的行數(shù)與列數(shù)。

優(yōu)選地，步驟S32中遙感圖像的頻域加密，具體為：采用異或加密的方法對遙感圖像進行灰度值的混淆：

為加密后遙感圖像的灰度值矩陣，為與遙感圖像大小相等的隨機矩陣，為相對應空間位置上的灰度矩陣，表示遙感圖像的灰度區(qū)間最大值。

優(yōu)選地，對隨機矩陣進行相應的處理變換，使隨機矩陣與遙感圖像進行頻域運算之后還能保持原有的特征向量，能夠對加密的遙感圖像進行方便的檢索匹配。

優(yōu)選地，步驟S4中根據(jù)遙感圖像的特征向量的提取方法，得到加密之前的遙感圖像的特征向量，設，得到加密之后的遙感圖像其對應的特征向量為；當?shù)腗inkowski距離最短時，即檢索出符合要求的密文圖像，其中P是一個變參數(shù)，根據(jù)參數(shù)的不同，可以精確的定位到目標圖像。

優(yōu)選地，步驟S5逆映射為：

其中是原圖像的像素值位置，為原圖像的灰度矩陣；為改變后的像素值位置，為改變后的灰度值矩陣。

本發(fā)明優(yōu)點在于：

1、把基于Arnold混沌映射加密方法運用到遙感圖像領域，保護了遙感圖像在云環(huán)境下的安全存儲，通過建立明文與密文之間的關聯(lián)特性，使數(shù)據(jù)使用者能夠直接通過云計算來對密文遙感圖像進行安全檢索。

2、采用二維Arnold映射產生的混沌序列相對于由一維Logistic映射產生的混沌序列有更高的安全性和抗攻擊性，對于窮舉法具有很好的抗攻擊性；

3、很好的利用混沌序列對初始值敏感這種特性，在初始值有很細微的差別時，能夠產生截然不同的混沌序列；

4、為了避免混沌序列之間的自相關性，我們采用1000次之后迭代形成的混沌序列，從而提高了密文的安全性；

5、本方案采用了異或運算和模加減運算相結合的方法，使得破解者無法有效的獲取混沌序列，這相對于只運用異或運算對圖像進行加密的方法來說，安全性更高，被破解的可能性更低。

6、對圖像的灰度值和空間位置均進行了加密，在無需建立索引的情況下直接對加密的遙感圖像進行安全檢索。

附圖說明

附圖1是本發(fā)明的一種基于Arnold混沌映射的遙感圖像加密檢索方法流程框圖。

附圖2是遙感圖像邊界補零示意圖。

附圖3是遙感圖像的量化結果圖。

附圖4是遙感圖像的特征向量提取流程圖。

附圖5是基于Arnold混沌映射的加解密流程圖。

附圖6是遙感圖像的安全檢索流程圖。

具體實施方式

下面結合附圖對本發(fā)明提供的具體實施方式作詳細說明。

實施例1

請參照圖1，圖1是本發(fā)明的一種基于Arnold混沌映射的遙感圖像加密檢索方法流程框圖。一種基于Arnold混沌映射的遙感圖像加密檢索方法，所述的遙感圖像加密檢索方法包括以下步驟：

步驟S1：遙感圖像預處理；

遙感圖像在獲取和傳輸?shù)倪^程中會受到外部環(huán)境的影響，使圖像的質量得以下降，給遙感圖像的分析和識別帶來一定的困難。因此在使用前需要對遙感圖像進行降噪處理，使遙感圖像的光譜特征得以增強，目的是提高遙感影像的可分性，同時也降低了對部分噪聲數(shù)據(jù)處理的要求。

步驟S11：本方案采用基于Arnold混沌映射的加密算法，因此需要對加密的遙感圖像的邊界進行的處理，使遙感圖像的長和寬的相等。

步驟S12：采用自適應全變分(ATV)去噪模型對遙感圖像進行去噪處理，通過聯(lián)合沖擊濾波器和非線性各向異性擴散濾波器，并利用邊緣檢測算子選取自適應參數(shù)，對含噪聲的遙感圖像進行平滑去噪并保留邊緣特性。

步驟S2：遙感圖像特征向量的提?。?/p>

遙感圖像的原始數(shù)據(jù)都是由DN值構成，經過輻射定標轉換成具有實際物理意義的反射率值。遙感圖像的DN值范圍是由傳感器的量化級別來確定的，如果是8bit的量化，則DN值的范圍是0～255。本方案的主要采用Landsat 8衛(wèi)星的遙感數(shù)據(jù)，將每個圖層的灰度值量化到0～255，那么整個遙感圖像的灰度空間共有25611種顏色，具有較大的灰度空間值。為了能夠擁有較高的匹配概率，在多次實驗的基礎上，我們選取以下四個閾值范圍，分別是[0,63]，[64,127]，[128,191]，[192,255]，把灰度值劃分為5*11個組空間(Landsat8衛(wèi)星共有11個波段)，在此基礎上我們可以統(tǒng)計每每幅遙感圖像的特征向量。

步驟S3：基于Arnold映射的遙感圖像的加密方法；

步驟S31：在對遙感圖像進行加密時，我們使用取模后的Arnold映射：

其中是原遙感圖像的像素值位置，為進行灰度置亂后的像素值空間位置，p和q是正整數(shù)，k是加密迭代的次數(shù)，M是變換處理后的遙感圖像的行數(shù)與列數(shù)；

步驟S32：遙感圖像的頻域加密；

本方案主要采用異或加密的方法對遙感圖像進行灰度值的混淆：

(2)

為加密后遙感圖像的灰度值矩陣，為與遙感圖像大小相等的隨機矩陣，為相對應空間位置上的灰度矩陣，表示遙感圖像的灰度區(qū)間最大值。

為了能夠對加密的遙感圖像進行方便的檢索匹配，我們需要對隨機矩陣進行相應的處理變換，使隨機矩陣與遙感圖像進行頻域運算之后還能保持原有的特征向量。

步驟4：遙感圖像的相似性匹配；

根據(jù)遙感圖像的特征向量的提取方法，我們可以得到加密之前的遙感圖像的特征向量，設，同理我們可以得到加密之后的遙感圖像其對應的特征向量為。

當?shù)腗inkowski距離最短時，即檢索出符合要求的密文圖像。其中P是一個變參數(shù)，根據(jù)參數(shù)的不同，可以精確的定位到目標圖像。

步驟5：遙感圖像的解密以及遙感圖像加密的逆過程

根據(jù)步驟3中的加密算法，可知其逆映射為：

其中是原圖像的像素值位置，為原圖像的灰度矩陣；為改變后的像素值位置，為改變后的灰度值矩陣。

為與原圖大小一樣的隨機矩陣，其獲得的算法如下所示：

隨機變量的間隔區(qū)間是在多次實驗的基礎上確定的，為了使特征向量分布均勻而設定的。

實施例2

為了更佳形象的理解上述技術方案，下面結合附圖2-圖6進一步說明，本發(fā)明的一種基于Arnold混沌映射的遙感圖像加密檢索方法包括以下步驟：

步驟S1：遙感圖像預處理

步驟S11：通過對圖像的邊界填充0(黑色)，使加密的遙感圖像長和寬均為偶數(shù)；

步驟S12：利用沖擊濾波器和非線性各向異性擴散濾波器對遙感圖像預處理，在平滑噪聲的同時保留原圖像的邊緣和紋理細節(jié)特性；

步驟S13：利用圖像邊緣檢測算子作用預處理圖像計算自適應參數(shù)x_f；

步驟S14：根據(jù)上述的自適應參數(shù)x_f，我們可以得到相對應的自適應全變分模型(ATV)，去除圖像中的相對應的噪聲。

步驟S2：遙感圖像特征向量的提取

根據(jù)遙感圖像的光譜特征及設置的閾值范圍：[0,63]，[64,127]，[128,191]，[192,255]，統(tǒng)計出遙感圖像相應的特征向量。

步驟S3：遙感圖像的加密保護

使用一種基于Arnold混沌映射的遙感圖像加密方法，在對遙感圖像進行像素置亂與混淆的同時，保證了遙感圖像的特征向量不變。

步驟S31：生成混沌序列，對原遙感圖像進行頻域之亂加密，使遙感圖像的灰度值在空間的位置上得以混亂；

步驟S32：異或運算，將初始圖像與上述步驟中生成的混沌矩陣進行異或運算，得到加密的遙感圖像；

步驟S4：遙感圖像的相似性匹配

若加密之前的遙感圖像的特征向量Γ1，加密之后的遙感圖像其相對應的特征向量為Γ2，根據(jù)加密算法可知，當Minkowski距離最短時，可檢索出目標圖像。

步驟S5：遙感圖像的解密以及遙感圖像加密的逆過程。

以上所述僅是本發(fā)明的優(yōu)選實施方式，應當指出，對于本技術領域的普通技術人員，在不脫離本發(fā)明方法的前提下，還可以做出若干改進和補充，這些改進和補充也應視為本發(fā)明的保護范圍。