基于音乐的红外图像投资回报率（ROI）图表加密技术

《Infrared Physics & Technology》：Music-anchored ROI graph encryption for infrared images

　　

摘要

红外图像加密必须在保护感兴趣区域（ROI）的同时，防止背景结构泄露上下文线索。全图像的均匀加密虽然安全，但效率低下；而仅针对ROI的加密可能会暴露非ROI信息。为了解决这一权衡问题，本文提出了一种基于音乐特征的ROI图加密框架MARGE，专门用于灰度红外图像。MARGE使用多尺度Top-hat算法检测热目标ROI，将图像划分为自适应逻辑块，并构建受GTTM启发的图权重，以指导内容感知的块排列和扩散分配。ROI块获得精细保护，而背景块则通过图引导的扩散、双向S盒链式操作和全局扰乱来接受轻量但足够的扰动。结构元数据使用耐错KSHC编码进行加密和嵌入，形成自包含的密文载体。实验结果显示：正确密钥恢复无损失，熵值为7.9971比特，相邻像素相关性低于0.025，NPCR/UACI值分别为99.61%和33.47%；在密钥偏差一位的情况下，解密完全失败。这些结果表明MARGE平衡了ROI优先保护、背景扰动和加密效率。

引言

红外图像[1]、[2]、[3]在低光照、大气散射和复杂背景条件下具备强大的目标感知能力，广泛应用于监控、工业检测、医学诊断和国防相关场景[4]、[5]、[6]、[7]、[8]。随着红外图像的数字采集、存储和传输日益增加，其中包含的敏感热信息面临着被截获、篡改和未经授权传播的风险。因此，高效的红外图像加密对于保护目标区域和上下文背景线索至关重要。

全图像加密可以保护整个图像，但对所有像素应用高强度加密操作会导致高计算复杂性和资源消耗。基于ROI的加密策略仅保护最敏感的区域，从而避免了大量加密计算。尽管这种设计显著降低了计算复杂性和系统资源消耗，但它忽略了红外图像的一个固有特性：即使是非ROI的背景区域也往往包含不可忽视的辅助信息和上下文特征。

为了解决这个问题，MARGE将红外图像划分为自适应逻辑块，并根据区域重要性分配加密强度。热目标ROI通过多尺度Top-hat形态学算法检测，分配更细粒度的块，并通过图引导的排列、分层扩散、双向S盒链式操作和全局扰乱进行保护，而背景区域则接受轻量但足够的扰动。主要贡献总结如下：

• 1.
  针对灰度红外图像提出了一个自适应ROI的图加密框架MARGE，整合了无监督的ROI检测、自适应块划分、图引导的排列、分层扩散和自包含的元数据嵌入。
• 2.
  引入了一种受GTTM启发的加权机制，将ROI归属、锚点邻近性、块显著性、边界张力和ROI间耦合转换为图权重，实现内容感知和密钥敏感的块排列。
• 3.
  通过熵、相关性、NPCR/UACI和噪声/裁剪攻击等测试，验证了MARGE的安全性、可恢复性、密钥敏感性和模块有效性。

现有的ROI选择方法大致可分为传统图像处理方法和深度学习方法。传统的基于强度、阈值或轮廓的方法[9]、[10]、[11]、[12]、[13]、[14]、[15]、[16]虽然轻量，但对预设规则敏感，且在目标与背景对比度低或红外边界模糊时效果不佳。深度学习方法[17]、[18]、[19]、[20]、[21]、[22]具有更强的表示能力，但依赖于标注数据且推理成本较高，限制了其在敏感或资源受限的红外场景中的应用。

现有的图像加密方法包括混沌映射[23]、[24]、[25]以及最近的批量图像和超混沌彩色图像变体[26]、[27]、DNA编码[28]、[29]、多图像融合[30]、[31]和硬件辅助方案[32]、[33]、[34]、[35]、[36]，从不同角度提高了混淆和扩散效果。与这些构造性方法相辅相成的是，基于学习的密码分析模型（如去噪扩散密码分析模型[37]和基于学习的取证防御[38]）表明，学习到的预测因子构成了一个新的攻击面，其有效性取决于通过保护流程泄露的明文线索。然而，大多数方法采用均匀全图像处理或固定块/仅ROI的策略，难以同时平衡ROI优先保护、背景扰动和计算效率。MARGE通过自适应ROI划分、GTTM引导的图调度和自包含的元数据恢复解决了这一难题。其他数据处理领域的效率导向设计，如轻量级循环分类器和变深度卷积网络[39]、[40]，也强调紧凑而准确的架构，这与本文追求的轻量级处理流程是一致的。

章节片段

音调音乐的生成理论

音调音乐的生成理论（GTTM）[41]描述了音乐事件之间的层次重要性和张力关系。在本研究中，GTTM作为红外图像加密的结构权重启发式方法使用，而非音乐分析工具：其节奏、时间跨度、延展性和和声成分分别映射到锚点邻近性、块显著性、带有背景泄露补偿的边界风险以及ROI间耦合，具体内容在3.2.1节中详细说明。

形态学Top-hat变换

提出的算法

MARGE采用内容感知的加密策略，对语义敏感的ROI提供更强保护，同时保持背景区域的足够扰动。如图1所示，该框架包括四个阶段：预处理、图构建、分层加密和载体封装。

在预处理阶段，图像被填充，通过多尺度Top-hat形态学检测热目标ROI，并从ROI生成自适应逻辑块。

实验设置

实验使用来自三个公共数据集（M3FD（红外子集）、TNO（红外子集）和OTCBVS）的红外图像进行，所有图像统一调整为256 × 256尺寸。实验环境为配备16 GB RAM的Intel Core i5处理器，运行Python 3.10。实验中使用的所有参数值在补充表S1中总结，完整的参数敏感性数据在补充表S2中提供。

视觉加密和重建结果

图7显示了应用BATO检测到的ROI的M3FD（a）和OTCBVS（d）红外图像。

结论

本文提出了一种针对红外图像的ROI自适应图加密框架MARGE。通过整合基于BATO的ROI检测、自适应块划分、GTTM引导的图排列、RAGPD扩散和KSHC元数据嵌入，MARGE实现了具有ROI优先保护和背景扰动的自包含加密。实验结果显示：熵值为7.9971比特，三方向相关性低于0.025，NPCR/UACI值为99.6102%/33.4667%，在1–32位密钥偏差范围内密钥敏感性稳定。

CRediT作者贡献声明

何书阳：撰写——原始草案，软件开发。李云红：指导。刑小强：撰写——原始草案。杨瑞茜：数据整理。王彤：资源协调。Nagendra P. Yadav：验证。

利益冲突声明

作者声明没有已知的利益冲突或个人关系可能影响本文所述的工作。

致谢

本工作得到了国家自然科学基金（青年基金）（项目编号：52505435）、陕西省自然科学基础研究计划重点项目（项目编号：2022JZ-35）和西安“科学家+工程师”团队建设项目（项目编号：25KGYB00029）的支持。

何书阳|李云红|刑小强|杨瑞茜|王彤|Nagendra P. Yadav

西安职业技术学院电子与信息学院，西安，710048，中国