基于置亂塊壓縮感知的圖像魯棒加密算法*

王 蘭, 肖 迪, 王 飛, 石 熙

1. 重慶第二師范學(xué)院人工智能學(xué)院重慶市兒童大數(shù)據(jù)工程實(shí)驗(yàn)室重慶市交互式教育電子工程技術(shù)研究中心, 重慶 400147

2. 重慶郵電大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院, 重慶 400065

3. 重慶大學(xué)計(jì)算機(jī)學(xué)院, 重慶 400044

4. 中國人民解放軍 77626 部隊(duì), 拉薩 851400

1 研究背景

隨著信息技術(shù)和網(wǎng)絡(luò)技術(shù)的快速發(fā)展, 圖像的采集、處理、傳輸和存儲在軍事安全、醫(yī)學(xué)處理和網(wǎng)絡(luò)傳輸?shù)仍S多領(lǐng)域引起了廣泛關(guān)注. 在實(shí)際應(yīng)用中, 為減少數(shù)據(jù)傳輸量和保證數(shù)據(jù)安全傳輸, 一般需要進(jìn)行壓縮和加密處理, 而現(xiàn)有的圖像加密方案大多設(shè)計(jì)為敏感加密, 解密數(shù)據(jù)質(zhì)量低下甚至在丟失一部分加密數(shù)據(jù)時(shí)無法正確解密且沒有考慮壓縮操作. 如何安全傳輸圖像并抵抗各種攻擊的魯棒性已成為圖像處理和信息安全領(lǐng)域的重要問題[1]. 因此, 設(shè)計(jì)一種可抵抗各種攻擊的圖像魯棒加密算法可有望解決以上問題.

壓縮感知(compressive sensing, CS)[2–4]理論是近幾年國際上新興的研究熱點(diǎn), 其框架具有同時(shí)壓縮、采樣和加密的特性, 在一定程度上能保證信息的安全[5,6]. 關(guān)于壓縮感知的安全性, 目前已有一些初步的探討. 文獻(xiàn)[7] 證明盡管CS 無法滿足香農(nóng)定義的完美安全性, 但仍可以為機(jī)密性提供計(jì)算保證. 文獻(xiàn)[8] 指出如果每個(gè)原始信號能量都為常數(shù), 通過采用隨機(jī)高斯測量矩陣作為密鑰, 并且在每次加密都對密鑰進(jìn)行更新, 壓縮感知對稱密碼系統(tǒng)可以實(shí)現(xiàn)信息論上的完美安全性; 文獻(xiàn)[9] 進(jìn)一步證明當(dāng)壓縮感知的測量矩陣使用一次隨機(jī)高斯矩陣時(shí)引入測量值能量常數(shù)化也可以實(shí)現(xiàn)完美安全性. 文獻(xiàn)[10] 通過酉矩陣和雙向密鑰流來更新測量矩陣可實(shí)現(xiàn)不可區(qū)分性安全. 因此, 壓縮感知可以實(shí)現(xiàn)圖像傳輸?shù)陌踩訹11].

CS 理論指出在某些條件下對信號進(jìn)行遠(yuǎn)遠(yuǎn)低于Nyquist-Shannon 采樣定理確定的頻率進(jìn)行采樣仍可以確保原始信號的準(zhǔn)確恢復(fù), 則恰好可以適用于資源受限的環(huán)境下圖像的魯棒傳輸. 當(dāng)測量矩陣服從高斯分布則每一個(gè)測量值能量近似相等, 即測量值具有“民主”(democracy) 性[12,13]. 壓縮感知的重構(gòu)過程對噪音有比較好的魯棒性, 使其成為有前景的多媒體數(shù)據(jù)的“魯棒加密” 技術(shù), 即使在加密數(shù)據(jù)中引入了附加噪聲, 也可以以高保真恢復(fù)原始信號, 極為契合于資源受限或非對等的網(wǎng)絡(luò)中的圖像經(jīng)過不安全信道傳輸后部分丟失數(shù)據(jù)的重構(gòu)需求[14]. 因此, 本文提出基于壓縮感知的圖像魯棒加密算法不僅可實(shí)現(xiàn)數(shù)據(jù)采集、有效傳輸和減少計(jì)算負(fù)荷, 也可實(shí)現(xiàn)圖像安全和魯棒傳輸.

目前, 國內(nèi)外學(xué)者對圖像魯棒性加密已開展了部分研究[15,16]. Liu 等人[17]設(shè)計(jì)了基于壓縮感知的圖像魯棒加密算法, 可以抵抗丟包攻擊, 但測量矩陣作為密鑰使得傳輸量較大, 增加了傳輸負(fù)載; Liu 等人[18]設(shè)計(jì)基于壓縮感知的圖像加密的算法, 但該算法直方圖分布不均勻且像素相關(guān)性較為顯著, 說明該算法未保證足夠的安全; 文獻(xiàn)[19] 提出基于壓縮感知的多聚焦圖像的魯棒加密算法, 有較好的抵抗攻擊的魯棒性, 但主要是針對多聚焦圖像. 文獻(xiàn)[20] 提出利用壓縮感知和Haar 小波的圖像壓縮加密方案, 其能夠抵抗噪聲攻擊. 文獻(xiàn)[21] 提出基于混沌和壓縮感知的圖像壓縮加密算法, 其有一定的魯棒性. 侯興松[22]提出一種魯棒的SAR 圖像編碼傳輸方案, 著重于編碼效率, 但并沒有考慮圖像魯棒傳輸?shù)陌踩?楊巋[23]提出基于壓縮感知與實(shí)時(shí)動(dòng)態(tài)置亂的圖像加密算法, 簡單分析抵抗剪切攻擊的魯棒性, 但恢復(fù)圖像的PSNR 值(peak signal-to-noise ratio) 還有待提高. 朱禮亞[24]提出基于并行壓縮感知與混沌映射的圖像加密方案設(shè)計(jì), 分析了抵抗噪聲的魯棒性.

綜上所述, 現(xiàn)有的大部分基于壓縮感知的加密算法都沒有專門針對不安全信道中抵抗噪聲攻擊、剪切攻擊、統(tǒng)計(jì)攻擊以及選擇明文攻擊的傳輸問題, 特別是密文在傳輸過程中考慮安全性的同時(shí)兼顧魯棒性的研究. 本文提出基于置亂塊壓縮感知的圖像魯棒加密算法, 利用Logistics-Tent 映射構(gòu)造置亂矩陣進(jìn)行置亂塊壓縮感知測量, 這可減少信道的數(shù)據(jù)傳輸量并作為第一層加密. 再利用量化器對測量值進(jìn)行量化, 最后對量化值采用置亂-擴(kuò)散機(jī)制以進(jìn)一步保證密文的安全性. 該算法可以同時(shí)實(shí)現(xiàn)壓縮、采樣和加密, 減少信道帶寬和保證圖像安全和魯棒傳輸.

2 理論基礎(chǔ)

2.1 壓縮感知理論

Candes[2]與Donoho[3]提出的壓縮感知可利用信號的稀疏性通過單個(gè)非自適應(yīng)的測量以低的采樣率實(shí)現(xiàn)同時(shí)采樣和壓縮, 且具有好的恢復(fù)效果. 壓縮感知理論詳細(xì)如下:

因原始信號x一般為不稀疏的, 可通過稀疏向量s ∈RN×1在稀疏正交基ψ上進(jìn)行稀疏表示:

常見的重構(gòu)算法一般有基追蹤算法(BP)[25]和正交匹配追蹤算法(OMP)[26], 本文所提算法中使用的重構(gòu)算法是OMP 算法的一種擴(kuò)展算法, 即GRSR 算法[27].

2.2 Logistic-Tent 映射

Logistic-Tent 映射是由兩個(gè)經(jīng)典的一維混沌映射組合而成, 即Logistic 映射和Skew Tent 映射[28].Logistic 映射定義為:

系統(tǒng)的初始狀態(tài)值z0∈(0,1), 控制參數(shù)r ∈(0,4].

圖1 中(a)(b)(c) 分別為以上三種映射的分叉圖, 相關(guān)研究表明級聯(lián)后的映射系統(tǒng)可以增加系統(tǒng)參數(shù)、擴(kuò)展映射的參數(shù)區(qū)間[29], 說明Logistic-Tent 映射可以提高混沌映射的初值敏感性和混沌序列的安全性.因此, 本文在測量和加密階段使用Logistic-Tent 映射產(chǎn)生密鑰流, 并將其參數(shù)作為密鑰.

圖1 (a) Logistic 映射分叉圖, (b) Skew Tent 映射分叉圖, (c) Logistic-Tent 映射分叉圖[6]Figure 1 Bifurcation diagram of (a) Logistic map, (b) skew Tent map, (c) Logistic-Tent system [6]

3 算法設(shè)計(jì)

本文提出了基于置亂塊的壓縮感知的圖像魯棒加密算法, 首先利用壓縮感知理論實(shí)現(xiàn)同時(shí)采樣與壓縮可降低數(shù)據(jù)傳輸量并提高效率, 然后利用Logistic-Tent 映射進(jìn)行置亂-擴(kuò)散操作中構(gòu)造密鑰流保證數(shù)據(jù)傳輸?shù)陌踩? 再利用量化器對測量值進(jìn)行量化, 最后對量化值采用置亂-擴(kuò)散機(jī)制以進(jìn)一步保證密文的安全性. 算法的主要框架如圖2 所示.

圖2 算法的主要框架Figure 2 Framework of algorithm

3.1 置亂塊的壓縮感知測量

本文設(shè)計(jì)了一種可分塊傳感的基于置亂塊壓縮感知的測量方法. 本算法中首先對整個(gè)圖像的像素進(jìn)行重新排序(即置亂), 以消除相鄰像素塊的空間相關(guān)性. 傳統(tǒng)上, 在使用壓縮感知采樣之前, 多維信號需要重塑為一維信號, 顯然這種變換的測量矩陣很大, 并且增加了存儲和計(jì)算復(fù)雜度. 文獻(xiàn)[30] 提出在壓縮感知采用前進(jìn)行隨機(jī)置亂可放寬二維信號的等距約束性(RIP), 文獻(xiàn)[31] 發(fā)現(xiàn)置亂可提高壓縮感知的重構(gòu)性能, 同時(shí)文獻(xiàn)[32] 給出了數(shù)學(xué)證明. 本算法先對圖像進(jìn)行小波變換到頻域, 再置亂圖像頻域系數(shù), 這有利于采樣對象的稀疏度趨于均勻化, 同時(shí)能有效放寬壓縮感知的RIP 性能, 還能有助于圖像重構(gòu)質(zhì)量的提升.

1○使用DWT 作為稀疏基Ψ 將圖像小波變換到頻域.

2○構(gòu)造置亂矩陣R. 我們對文獻(xiàn)[33] 的置亂算法進(jìn)行了改進(jìn), 采用Logistic-Tent 混沌映射的控制參數(shù)和混沌初始值r1,z1作為密鑰k1產(chǎn)生置亂矩陣R,R是一個(gè)每行或每列僅有一個(gè)1 而其余都是零的二進(jìn)制矩陣. 原圖像與置亂矩陣R相乘即可得到置亂圖像, 而圖像解密可通過將置亂圖像與逆置亂矩陣相乘來實(shí)現(xiàn).等式(3)也可表示為

3.2 測量值量化

經(jīng)過壓縮感知采樣得到的測量值一般是實(shí)值而不是有限精度數(shù), 所以本文利用量化器對所有的測量值y量化為整數(shù)值Int. 從文獻(xiàn)[36] 中我們發(fā)現(xiàn)測量值的大部分值主要分布在[-127,128] 之間, 并且上一個(gè)測量值的誤差殘差值加到下一個(gè)測量值的量化上具有擴(kuò)散作用. 本文利用這一優(yōu)點(diǎn)將所有的測量值都量化為整數(shù)值. 量化算法如下:

其中Inti表示對測量值yi量化后的整數(shù)值,δ表示測量值的誤差殘差值, 初始?xì)埐钪郸?= 0; round(x)表示返回最接近x的整數(shù)值.

3.3 量化值加密

壓縮感知的測量矩陣作為密鑰時(shí)也具有加密效果, 但其安全性不足, 本文利用Logistic-Tent 映射對量化值采用混淆-擴(kuò)散機(jī)制進(jìn)行加密以進(jìn)一步保證安全性. 文獻(xiàn)[37] 中利用Skew Tent 映射生成密鑰, 本文中改進(jìn)的Logistic-Tent 映射的混沌范圍更廣, 比起單獨(dú)的Skew Tent 映射混沌性能更好.

3.4 解密和重構(gòu)算法

接收端收到密文后通過與發(fā)送端共享或通過安全信道傳輸?shù)娜龑γ荑€K1、K2、K3進(jìn)行解密和重構(gòu)操作恢復(fù)原始圖像. 具體步驟如下:

4 實(shí)驗(yàn)結(jié)果與性能分析

本文對不同采樣率下壓縮加密圖像及重構(gòu)圖像的空間對比、采樣率和丟包率關(guān)系分析、壓縮性能對比、密鑰空間分析、像素相關(guān)性分析、抵抗丟包、剪切和噪聲攻擊的魯棒性分析和綜合對比分析等來驗(yàn)證所提算法的有效性、安全性和魯棒性.

本文實(shí)驗(yàn)主要以不同大小的Lena、House 和Cameraman 灰度圖像作為測試圖像, 仿真平臺為Intel Core i5 CPU、8 GB 內(nèi)存和64 位操作系統(tǒng)的個(gè)人計(jì)算機(jī), 使用Matlab R2014a 平臺實(shí)現(xiàn)算法. 三對密鑰K1、K2、K3中的參數(shù)r設(shè)置為15 位小數(shù)、z設(shè)置為15 位小數(shù). 采樣率0.75 表示壓縮采樣后的圖像像素量是原始圖像像素量的75%.

4.1 圖像加密結(jié)果

實(shí)驗(yàn)選取了512×512 的Lena 和256×256 的House 在不同壓縮率下原圖像、加密圖像和重構(gòu)圖像的空間對比以及加密結(jié)果顯示在圖3 中. 本文采用峰值信噪比PSNR (peak signal-to-noise ratio) 來衡量重構(gòu)圖像的質(zhì)量, 其值越高表示圖像質(zhì)量越好. 它的單位為dB. 公式如下:

圖3 不同大小采樣率下的壓縮后加密圖像和解密重構(gòu)圖像Figure 3 Encrypted images and reconstructed images in different compression ratios

從表1 中可知重構(gòu)圖像最高的PSNR 值可達(dá)到40.7325. 還可以看出, 重構(gòu)后的圖像保留了原圖像的大部分特征, 且在不同采樣率下, 重構(gòu)圖像的質(zhì)量在一定程度上仍然可以接受, 這說明本文算法有較好的恢復(fù)效果, 同時(shí)壓縮能力較好并有助于傳輸和存儲.

表1 不同大小采樣率下重構(gòu)圖像的PSNR 值Table 1 PSNR for reconstructed images in different compression ratios

4.2 壓縮性能分析

圖像的壓縮率為壓縮后的大小與壓縮前的大小之比, 選取512×512 的Lena 在不同壓縮率下的重構(gòu)圖像的PSNR 值詳見表2. 從表中可知本算法重構(gòu)圖像PSNR 值最高可達(dá)到46.07 dB, 0.25 的壓縮率下PSNR 值可以接近30 dB, 即使0.05 的壓縮率下PSNR 值也達(dá)到了20.4 dB, 且重構(gòu)圖像視覺上仍能接受.

表2 不同壓縮率下重構(gòu)圖像的PSNR 值Table 2 PSNR for reconstructed images of different compression ratio

表3 中列出了本方案與文獻(xiàn)[24,38] 中均選擇256×256 的Lena 圖像進(jìn)行壓縮性能的比較的PSNR值. 從表3 中可知, 在相同的壓縮率下, 本文所提算法的重建質(zhì)量較文獻(xiàn)[24] 最好的結(jié)果提升了5.69 dB,相較于文獻(xiàn)[38] 重構(gòu)質(zhì)量提升了5.35 dB 到10.57 dB. 本文算法在同樣的壓縮率下重構(gòu)圖像的質(zhì)量優(yōu)于文獻(xiàn)[24,38], 這充分說明本文算法通過壓縮感知采樣具有很好的壓縮性能和高效傳輸, 且具有較好的恢復(fù)效果.

表3 與文獻(xiàn)[24,38] 壓縮性能比較Table 3 Comparison of compression performance between proposed algorithm and Refs. [24,38]

4.3 密鑰空間分析

文獻(xiàn)[39] 指出至少需要2100的密鑰空間才能足夠較好抵抗蠻力攻擊, 本文算法中三對密鑰K1、K2、K3的控制參數(shù)的浮點(diǎn)數(shù)精度為10-15, 混沌初始值的浮點(diǎn)數(shù)精度為10-15, 密鑰空間大小可計(jì)算為:

因此理論上本算法的密鑰空間足夠抵抗蠻力攻擊.

4.4 密鑰敏感性分析

密鑰敏感性是指錯(cuò)誤密鑰與正確密鑰之間具有極小細(xì)微的變化造成無法正確加密或解密, 密鑰的敏感性越好表明抵抗差分攻擊的效果越好.

加密階段的敏感性實(shí)驗(yàn)結(jié)果如圖4 所示, 正確密鑰與錯(cuò)誤密鑰的差分圖像完全混亂, 表明本文算法對加密密鑰具有敏感性. 其中正確密鑰z*=0.234857728820643, 錯(cuò)誤密鑰z*′=0.234857728820644.

圖4 加密密鑰敏感性分析Figure 4 Encryption key sensitivity analysis

解密階段的敏感性實(shí)驗(yàn)結(jié)果如圖5 所示, 采用正確密鑰可正常解密, 使用錯(cuò)誤密鑰就完全無法解密, 表明本文算法對解密密鑰具有敏感性. 其中正確密鑰r*= 3.997636563976482,z*= 0.215663864979742,錯(cuò)誤密鑰r*′=3.997636563976483,z*′=0.215663864979743.

圖5 解密密鑰敏感性分析Figure 5 Decryption key sensitivity analysis

綜上所述, 本文算法對密鑰很敏感, 能夠抵抗差分攻擊.

4.5 像素相關(guān)性分析

加密圖像的像素間相關(guān)系數(shù)越低, 抵抗統(tǒng)計(jì)攻擊的效果越好. 原始圖像、測量圖像和加密圖像隨機(jī)選擇8000 個(gè)像素作為樣本進(jìn)行像素相關(guān)性分析, 結(jié)果如圖6 所示. 其中原始圖像在水平、垂直和斜對角三個(gè)方向上的像素間相關(guān)性呈水平方向上的線性集中分布, 相關(guān)系數(shù)均大于0.9; 測量圖像在三個(gè)方向上的像素間相關(guān)性呈對角線離散分布, 相關(guān)系數(shù)均介于0.005-0.013, 表明壓縮感知測量也有一定加密效果; 加密圖像在三個(gè)方向上像素間相關(guān)性呈對離散均勻分布, 相關(guān)系數(shù)均介于0.005-0.007. 實(shí)驗(yàn)結(jié)果表明, 本文所提算法像素間相關(guān)性極不顯著, 能夠抵抗統(tǒng)計(jì)攻擊.

圖6 圖像間像素相關(guān)性分布圖Figure 6 Adjacent pixels correlation distribution of images

表4 中顯示了本文算法的圖像相關(guān)系數(shù)具體值, 其測量圖像和加密圖像在三個(gè)方向上的相關(guān)系數(shù)均接近0, 說明本文的算法能夠抵抗統(tǒng)計(jì)攻擊.

表4 本文算法的像素相關(guān)系數(shù)Table 4 Pixel correlation coefficients of proposed algorithm

4.6 抗丟包的魯棒性分析

4.7 抗剪切的魯棒性分析

當(dāng)數(shù)據(jù)在傳輸信道中遭到惡意剪切攻擊時(shí), 信息塊的丟失可能影響重構(gòu)圖像的內(nèi)容, 但本文算法對圖像進(jìn)行了壓縮感知采樣量化, 測量值具有民主性, 每一個(gè)測量值的能量都近似相等, 因此理論上本算法可抵抗剪切攻擊.

對lena 的加密圖像分別進(jìn)行20×20、30×30、50×50、100×100、128×128、256×256 像素塊的裁剪攻擊實(shí)驗(yàn), 圖7 中的(d) 到(f) 為(a) 到(c) 的重構(gòu)圖像, (j) 到(l) 為(g) 到(i) 的重構(gòu)圖像. 可以看出當(dāng)剪切大小為256×256 時(shí), 其重構(gòu)圖像從視覺上仍可接受. 表6 中是相應(yīng)重構(gòu)圖像的PSNR 值與文獻(xiàn)[19] 的比較結(jié)果. 可以看出本文提出的算法重構(gòu)圖像的PSNR 值均優(yōu)于文獻(xiàn)[19].

圖7 加密圖像遭受不同程度剪切攻擊后的重建圖像Figure 7 Reconstructed image of encrypted images with shearing attack

表6 本文算法與文獻(xiàn)[19] 遭受剪切攻擊后的重建圖像PSNR 值比較Table 6 Comparison of PSNR of reconstructed images with shearing attack between proposed algorithm and Ref. [19]

表5 本文算法與文獻(xiàn)[17] 不同丟包率下重構(gòu)圖像的PSNR 值比較Table 5 Comparison of PSNR of reconstructed images with different packet loss rate between proposed algorithm and Ref. [17]

4.8 抗噪聲的魯棒性分析

在不安全性信道傳輸中, 密文圖像還易受到各種噪聲的干擾, 對解密圖像的質(zhì)量影響較大. 圖8(a)、(b)、(c) 和表7 分別表示對Lena 的密文圖像添加了強(qiáng)度為0.01、0.05 和0.10 的椒鹽噪聲后的重構(gòu)圖像及其PSNR 值. 實(shí)驗(yàn)顯示椒鹽噪聲強(qiáng)度達(dá)到0.1 時(shí), 重構(gòu)圖像仍保留了原始圖像的主要信息且視覺上是可接受的, PSNR 值仍達(dá)到了13.78 dB, 所以本方案對椒鹽噪聲有一定的魯棒性.

圖8 加密圖像遭受不同強(qiáng)度的椒鹽噪聲重構(gòu)圖像Figure 8 Reconstructed image of encrypted image with salt and pepper noise of different intensities

表7 遭受不同強(qiáng)度椒鹽噪聲后重構(gòu)圖像PSNR 值Table 7 PSNR of reconstructed images of encrypted image with salt and pepper noise of different intensities

加密圖像易受到高斯噪聲的干擾, 高斯噪聲以式(9)的形式添加到密文圖像上面.

其中G′表示添加噪聲的密文圖像,G是加密圖像,W是高斯噪聲數(shù)據(jù),σ表示高斯噪聲強(qiáng)度系數(shù).

對Lena 的密文圖像分別添加了σ=5 、σ=10 和σ=20 的高斯噪聲后的重構(gòu)圖像如圖9 所示. 結(jié)果表明隨著噪聲強(qiáng)度σ的增加, 其重構(gòu)圖像有一定失真, 但是當(dāng)σ= 20 時(shí), 從視覺上仍然可以看出重構(gòu)圖像的主要信息, 說明本文算法對高斯噪聲有較好的魯棒性.

圖9 加密圖像遭受不同強(qiáng)度的高斯噪聲重構(gòu)圖像Figure 9 Reconstructed image of encrypted image with Gaussian noise of different intensities

4.9 綜合對比分析

本文算法置亂塊的壓縮感知通過同時(shí)采樣、壓縮和加密實(shí)現(xiàn)高效快捷傳輸和存儲, 且具有較好的恢復(fù)效果, 在保證傳輸高效性的同時(shí), 也能夠較好抵抗蠻力攻擊、統(tǒng)計(jì)攻擊、丟包攻擊、剪切攻擊、噪聲攻擊等常見攻擊, 且具有魯棒性. 表8 中給出了本文算法與其他相似算法的性能比較, 可以看出本文算法同時(shí)具備各算法的優(yōu)點(diǎn), 在各類資源受限條件下的實(shí)際應(yīng)用場景中具有更好的適用性.

表8 本文算法與其他算法的比較Table 8 Comparison of proposed scheme with other methods

5 結(jié)論

通過資源受限環(huán)境下的不安全信道傳輸圖像會面臨各種復(fù)雜情況, 如何實(shí)現(xiàn)傳輸高效性的同時(shí)保證圖像信息安全和魯棒性需要一個(gè)綜合性的解決方案, 本文提出一種基于壓縮感知的圖像魯棒加密算法. 該算法可通過置亂塊壓縮感知同時(shí)進(jìn)行采樣、壓縮和加密, 再量化測量值并進(jìn)一步通過混淆-擴(kuò)散機(jī)制對量化值加密以增強(qiáng)數(shù)據(jù)的安全性. 解密端進(jìn)解密和重構(gòu)操作可高質(zhì)量恢復(fù)原圖像, 且對各種攻擊具有魯棒性.通過實(shí)驗(yàn)仿真以及性能分析, 原始圖像在0.25 的壓縮率下重構(gòu)圖像PSNR 值接近30 dB, 即使0.05 的壓縮率下PSNR 值也達(dá)到了20.4, 且視覺仍能接受. 本算法的密鑰空間為2300, 足夠抵抗蠻力攻擊和統(tǒng)計(jì)攻擊. 同時(shí)本算法對剪切攻擊、噪聲攻擊和丟包攻擊均具有一定的魯棒性. 綜上所述, 本算法同時(shí)實(shí)現(xiàn)了壓縮、采樣和加密, 且能夠保證信息在資源受限環(huán)境下安全傳輸并且具有能抵抗各種攻擊的魯棒性, 對于各類資源受限條件下的實(shí)際應(yīng)用場景均有廣泛適用性.