高光谱图像安全传输:基于预测-SPIHT与混沌的加密压缩算法
需积分: 14 156 浏览量
更新于2024-08-11
收藏 1.05MB PDF 举报
本文档探讨了"基于最佳谱间预测与SPIHT的高光谱图像混沌压缩加密"这一主题,发表于2014年的《江南大学学报(自然科学版)》第13卷第3期。针对高光谱图像传输中的安全性需求,研究者提出了一个创新的解决方案,结合了最佳谱间预测、Set Partitioning in Hierarchical Trees (SPIHT)编码以及混沌映射技术。高光谱图像的处理流程包括以下步骤:
1. **最佳谱间预测与编码**:该算法首先运用最佳谱间预测策略来减少数据冗余,这是压缩过程的关键步骤,通过分析图像的光谱特性,预测并剔除非关键信息,从而减小数据尺寸。
2. **SPIHT编码**:接着,使用Set Partitioning in Hierarchical Trees (SPIHT)编码方法进一步压缩数据。SPIHT是一种无损数据压缩算法,它通过将像素集合分割成更小的子集,形成一种树状结构,有效地编码和解码图像数据。
3. **混沌映射**:在编码过程中,研究者引入了混沌映射,具体使用了Tent映射和Lorenz三维混沌映射。混沌映射是复杂、非线性和不可预测的数学工具,被用于生成随机且难以预测的比特序列,这些序列被用来加密图像数据,增强了安全性。
4. **实时加密**:编码过程中,对图像重构起重要作用的数据被实时加密,确保即使在压缩过程中,数据也保持加密状态,防止未经授权的访问。
5. **密钥空间与安全性**:算法的特点在于其大密钥空间,使得密钥管理和安全性得到显著提高。对于密钥和原始图像数据的任何微小变化都会导致加密结果的显著不同,这增加了破解的难度。
6. **性能评估**:仿真结果显示,该算法不仅提高了图像的存储和传输效率,还实现了有效的安全保护。这意味着在实际应用中,图像可以被高效地压缩并传输,同时保证了传输过程中的信息安全。
关键词:最佳谱间预测,高光谱图像,加密,压缩,混沌映射。该研究对高光谱图像处理领域具有重要意义,尤其是在数据安全传输方面,为未来的图像处理和信息安全提供了新的技术和思路。
2010-05-21 上传
2021-05-07 上传
2022-09-23 上传
2021-02-10 上传
2021-04-28 上传
2021-03-16 上传
2021-05-22 上传
weixin_38614812
- 粉丝: 7
- 资源: 953
最新资源
- android_mi_lab:MI实验室项目
- vc++带窗体TAB标签的通讯录程序
- Docker-react
- cmac-enpm-690:作业#2
- OART-UT18-S21:设计游戏的新兴系统
- mocha-stylus-compiler:摩卡手写笔编译器
- C语言学生成绩管理小程序
- 智能车仿真软件-c++语言实现、智能车项目
- codewars-solutions:我的代码战Katas的解决方案
- Rails_Tweeter_Redesign
- bai10-vong-lap
- MIDI-to-Digitech-JamMan-Tap-Tempo
- fs2-pcap:使用pcap4j使用fs2捕获,制作和发送数据包的库
- AndroidCRUD:Android CRUD使用Laravel
- VC++ MFC Socket编程例子
- Arduino LIXIE时钟-项目开发