【技术实现步骤摘要】
本专利技术涉及图像加密，具体涉及一种垃圾分类过程中的图像加密方法。
技术介绍
1、随着信息技术的快速发展，图像数据的安全问题日益突出。特别是在垃圾分类领域，文件类垃圾可能含有敏感信息，如个人隐私、商业秘密等。这些需要保密的垃圾数据在传输和储存过程中需要进行加密和特殊处理。传统的图像加密方法在保护数据安全方面存在局限性，尤其是在处理大量数据和对抗复杂攻击时。因此亟需一种垃圾图像保密方法，解决垃圾分类过程中可能导致的敏感信息泄露问题。
技术实现思路
1、本专利技术的目的就是解决上述背景中的技术问题，提出一种垃圾分类过程中的图像加密方法，包括以下步骤：
2、s1、采集垃圾图像，并进行预处理；
3、s2、采用深度学习模型对预处理后的垃圾图像进行分类；
4、s3、通过加密系统对分类后的垃圾图像进行加密，确保垃圾图像在传输过程中的保密性。
5、优选的方案中，步骤s3中的加密过程包括以下步骤：
6、s31、建立量子图像表示模型，将采集的垃圾图像每个颜色通道进行扫描得到一维向量，并使用量子序列存储颜色信息，同时用量子比特的概率振幅存储像素的位置信息；
7、s32、将明文关联对称加密系统设计技术引入到量子图像加密框架中，融合混沌系统与量子力学的固有特征；
8、s33、将原始图像分解为三维比特矩阵，并使用增强型量子图像表示模型进行量子化处理；
9、s34、使用随机序列与明文特征共同生成用于控制量子移位操作的
10、s35、将生成的伪随机序列整数化得到新的密码流，并运用到对图像的量子异或操作中，进一步改变像素值；
11、s36、为打破图像相邻像素的关联性，在加密的最后阶段加入量子广义arnold变换，得到最后的密文。
12、优选的方案中，量子图像表示模型的建立过程包括以下步骤：
13、首先，将图像每个颜色通道按照特定的顺序进行扫描，得到一维向量；通过添加元素0使向量长度达到2n，n为整数；用8个量子序列存储颜色信息
14、然后用一个量子比特的概率振幅|g(j)>来存储像素的位置信息，由下式所示：
15、|g(j)>＝cosθj|0>+sinθj|1>；
16、得到任意维度量子图像表示方法的表达式为：
17、
18、式中|g(j)>＝cosθj|0>+sinθj|1>存储像素的位置信息，|inin-1…i0>是n个量子比特的基态，也为图像中第i个像素的原始坐标；
19、存储颜色信息。
20、优选的方案中，步骤s2中的加密系统具体指一个基于量子移位和量子异或操作的明文关联量子图像加密系统，使用所设计的量子图像表示模型，用于验证量子图像表示模型的有效性。
21、优选的方案中，基于量子移位和量子异或操作的明文关联量子图像加密系统的加密步骤包括：
22、s31、将原始图像p分解三维比特矩阵p8bit(m×n×8)，然后将原始图像p使用增强型量子图像表示模型来进行量子化，得到|p>，假设明文图像大小为2n×2n，新型增强的量子灰度图像表示为：
23、
24、式中用于编码图像位置信息，|y>＝|yn-1yn-2…y0>编码灰度图像垂直方向的位置信息，|x>＝|xn-1xn-2…x0>编码灰度图像水平方向的位置信息，用于编码灰度信息；
25、s32、分别求出3维比特矩阵p8bit每层的元素之和：
26、
27、s33、为抵抗选择明文攻击，将加密过程与明文相关联，使用随机序列xn与明文特征sumk(k＝0，1…7)共同生成用于控制量子移位操作的序列使用控制量子交换门uyx来实现量子图像的像素循环移位操作：
28、
29、由uyx构造子操作syx：
30、
31、式中syx满足其对应的矩阵是酉矩阵，是syx的厄米共轭矩阵；使用syx对|p>进行22n次操作即可完成对量子图像所有像素的控制量子移位操作，得到|p1>；
32、s34、将研究方案中第(1)点中生成的伪随机序列xn整数化得到新的密码流并运用到对图像|p1>的量子异或操作中，进一步改变像素值得到|p2>；设量子异或操作为b，量子异或操作效果为：
33、
34、其中，byx为b的子操作，其表达式为：
35、
36、s35、为打破图像相邻像素的关联性，置乱是常用的数字图像加密操作，因此，在加密的最后阶段加入量子广义arnold变换，得到最后的密文c。
37、优选的方案中，量子态图像的广义arno1d变换表示为：
38、
39、其中，(x，y)为原始图像位置，(x′，y′)为置乱后的像素位置，用a表示量子广义arnold变换，则一次量子广义arnold变换为：
40、
41、用于控制量子移位操作的序列的生成与明文有关。
42、优选的方案中，步骤s2中，使用resnet或inception作为深度学习模型，使用标记好的数据集对深度学习模型进行训练，通过将图片输入模型，让其逐渐学习提取垃圾的特征，然后将这些特征映射到对应的垃圾分类标签；
43、垃圾图片数据集中每种垃圾都有对应的标签，用于训练深度学习模型，数据集包括不同角度、光照条件和遮挡情况下的垃圾图片，以确保模型的泛化能力；
44、训练过程中通过设置学习率、损失函数和优化算法，提高模型的准确率和收敛速度；
45、深度学习模型对垃圾图像进行预测和分类，并输出一个概率分布，表示图片属于每一类垃圾的概率，根据概率分布，选择概率最高的类别作为该垃圾的分类。
46、优选的方案中，步骤s1中的预处理操作包括去噪、增强和分割处理。
47、优选的方案中，在步骤s2中，分类后的垃圾图像包括文件类垃圾图像；
48、对文件类垃圾图像进行进一步识别，对识别出敏感信息的文件类垃圾图像进行加密处理。
49、优选的方案中，识别敏感信息的过程具体包括以下步骤：
50、使用ocr技术将图像中的文本转换为机器可读的文本数据；
51、应用nlp技术对转换后的文本进行分析，包括语言模型、关键词提取和实体识别，以识别敏感信息；
52、还包括与上述步骤并列的以下步骤：
53、对垃圾图像进行分析，识别特定的图案或标志，包括：印章、签名或特定的徽标；
54、结合文件的上下文信息，包括：文件来源、类型和历史，来推断文件是否包含敏感信息。
55、本专利技术的有益效果为：
56、(1)通过将加密系统与垃圾分类过程本文档来自技高网...
【技术保护点】
1.一种垃圾分类过程中的图像加密方法，其特征是：包括以下步骤：
2.根据权利要求1所述一种垃圾分类过程中的图像加密方法，其特征是：步骤S3中的加密过程包括以下步骤：
3.根据权利要求2所述一种垃圾分类过程中的图像加密方法，其特征是：量子图像表示模型的建立过程包括以下步骤：
4.根据权利要求1所述一种垃圾分类过程中的图像加密方法，其特征是：步骤S2中的加密系统具体指一个基于量子移位和量子异或操作的明文关联量子图像加密系统，使用所设计的量子图像表示模型，用于验证量子图像表示模型的有效性。
5.根据权利要求4所述一种垃圾分类过程中的图像加密方法，其特征是：基于量子移位和量子异或操作的明文关联量子图像加密系统的加密步骤包括：
6.根据权利要求5所述一种垃圾分类过程中的图像加密方法，其特征是：量子态图像的广义Arnold变换表示为：
7.根据权利要求1所述一种垃圾分类过程中的图像加密方法，其特征是：步骤S2中，使用ResNet或Inception作为深度学习模型，使用标记好的数据集对深度学习模型进行训练，通过将图片输入
8.根据权利要求1所述一种垃圾分类过程中的图像加密方法，其特征是：步骤S1中的预处理操作包括去噪、增强和分割处理。
9.根据权利要求1所述一种垃圾分类过程中的图像加密方法，其特征是：在步骤S2中，分类后的垃圾图像包括文件类垃圾图像；
10.根据权利要求9所述一种垃圾分类过程中的图像加密方法，其特征是：识别敏感信息的过程具体包括以下步骤：
...【技术特征摘要】
1.一种垃圾分类过程中的图像加密方法，其特征是：包括以下步骤：
2.根据权利要求1所述一种垃圾分类过程中的图像加密方法，其特征是：步骤s3中的加密过程包括以下步骤：
3.根据权利要求2所述一种垃圾分类过程中的图像加密方法，其特征是：量子图像表示模型的建立过程包括以下步骤：
4.根据权利要求1所述一种垃圾分类过程中的图像加密方法，其特征是：步骤s2中的加密系统具体指一个基于量子移位和量子异或操作的明文关联量子图像加密系统，使用所设计的量子图像表示模型，用于验证量子图像表示模型的有效性。
5.根据权利要求4所述一种垃圾分类过程中的图像加密方法，其特征是：基于量子移位和量子异或操作的明文关联量子图像加密系统的加密步骤包括：
6.根据权利要求5所述一种垃圾分类过...
【专利技术属性】
技术研发人员：陈瀚，廖宝毅，陈乐珠，陈昌文，赖碧青，赵晓彤，罗嘉杰，
申请(专利权)人：汕尾职业技术学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。