图像加密新思路：DRPE双随机相位编码与压缩感知结合的Matlab实现

做图像加密有一段时间了我一直在折腾“怎么让密文不仅安全体积还小”这件事。双随机相位编码DRPE是光学加密里的经典方案原理简单但效果意外地好——两块随机相位板一放哪怕是一张白噪声肉眼完全看不出原图。可问题也出在这加密后是复值数据实部虚部都要传体积直接翻倍。压缩感知CS刚好补在这个短板上。所以这个项目就是把两条路拧在一起先让CS把图像压缩成少量测量值再用DRPE把这些测量值彻底搅乱实现“压缩加密”一体。整套流程用Matlab完整跑通之后效果比我预想好踩了几个坑也复盘完了整理出来给需要的朋友。这个方案适合三类人看一是刚接触图像加密、想找个完整项目练手的研究生二是做信息安全相关论文、需要把传统光学加密和压缩感知结合出实验结果的工程师三是单纯想学DRPE和CS的Matlab实现的初学者。不需要你有光学背景代码层面的“双随机相位编码”其实就是两次随机相位相乘加两次傅里叶变换数学上很干净。下面我从原理到代码、再到实验结果和排坑经验完整过一遍。1. 为什么把双随机相位编码和压缩感知绑在一起1.1 双随机相位编码光学加密的经典地基DRPE最早是Refregier和Javidi在1995年提的基本结构可以理解为一条4f光学系统的数字化模拟输入平面上明文图像先乘上一块随机相位掩模RPM1相当于给每个像素的振幅外加了一个随机的相位扰动然后经过一次傅里叶变换到达频谱平面在频谱上再乘上第二块随机相位掩模RPM2把频域的相位也搅乱最后再做一次逆傅里叶变换输出端得到的是一幅复值白噪声图像。用数学表达就是E IFFT2( FFT2( f .* RPM1 ) .* RPM2 )其中RPM1和RPM2都是形如exp(j * 2π * rand())的纯相位矩阵模长恒为1。之所以加两次而不是一次是因为单次相位调制在频域或者空域总会留下可以统计的痕迹两次分别在空域和频域各随机化一次之后输出密文的统计特性几乎均匀铺开谁都看不出原图的信息。这也是“双随机”名字的由来。解密时只需要把过程逆过来并且利用纯相位矩阵的共轭性质乘上RPM2的共轭、作逆傅里叶变换、再乘上RPM1的共轭。因为conj(RPM) .* RPM 1数学上可以无误差恢复明文。这里有个很关键的特点DRPE本身是无损加密损失的只是我们对密文的视觉理解信息量一点没少。1.2 压缩感知在图像加密场景里解决什么问题压缩感知的核心想法是如果信号在某个变换域比如DCT、小波里是稀疏的那么不需要先采满N个点再压缩而是直接采集M个线性测量值M远小于N再利用稀疏先验从这些测量值中恢复原始信号。数学上观测向量y Φ * α其中α是稀疏系数Φ是M×N的测量矩阵。只要Φ满足受限等距性质RIP稀疏信号就可以通过求解L1范数最小化或贪心算法精确恢复。把这个想法放到图像加密里价值非常直接传统DRPE直接加密整幅图像假设图像是256×256密文是复值矩阵实部虚部两个通道算下来传输量相当于512×256。CS先把图像切成块每块1024个像素变成307个测量值假设30%采样率加密对象从“图像”变成了“少量测量值”传输和计算压力都小了一个量级。也就是说CS在这里是“减肥”的DRPE是“上锁”的一个解决传输效率一个解决数据安全不冲突也不重复。1.3 先压缩后加密还是先加密后压缩这个选型是项目里最需要考虑的一步也是很多论文里含糊带过的地方。先说结论我最后选了“先压缩后加密”。原因是DRPE加密之后的密文空间域统计特性接近白噪声几乎不稀疏直接对它做CS重建OMP这类稀疏重构算法几乎失效。如果非要先加密后压缩就得把稀疏先验嵌套进明文重建里做联合优化用ISTA或ADMM反复迭代复杂度高且参数敏感不适合作为一篇“可复现项目”的默认方案。而“先压缩后加密”的顺序里DRPE加密的输入是CS测量值矩阵。测量值本身是稠密且随机的这一点不影响DRPE的安全效果——白噪声化的对象变了但“没有密钥无法恢复”这件事没变。解密时先DRPE恢复测量值这一步无损再做CS重构恢复明文这一步有损。整个链路里LOSS只发生在CS重构阶段DRPE不引入额外劣化性能瓶颈很清楚。2. 系统方案设计与安全分析2.1 加密端完整链路加密端流程分四步。第一步图像预处理把图像裁剪到能整除分块尺寸的大小转成double并归一化到0到1之间。第二步分块稀疏化每块32×32像素数P1024按列向量做DCT变换得到稀疏系数α。DCT域的能量主要集中在低频绝大多数系数接近0满足压缩感知对信号稀疏性的要求。第三步CS测量用一个固定的高斯随机矩阵Φ尺寸K×PK按采样率决定对每块α做线性投影得到每块K维的测量值y。把所有块的y按列拼成测量值矩阵Y。第四步DRPE加密把Y当作“图像”乘上RPM1、作FFT、乘上RPM2、作IFFT输出复值密文E。这里要注意Y的物理含义不是图像而是测量数据所以DRPE处理的对象在尺寸上往往是K行×块数列例如307×64和传统的方形图像不同。FFT2对非方形矩阵同样适用不影响原理。真正的密钥是RPM1和RPM2两个相位掩模或者它们的随机种子测量矩阵Φ作为系统参数可以公开安全性全部押在相位掩模上。2.2 解密端完整链路解密端是加密端的逆过程。拿到密文E之后先做DRPE解密对E作FFT乘上RPM2的共轭作IFFT再乘上RPM1的共轭取实部得到恢复的测量值矩阵Y_rec。这一步在数值上是近乎无损的误差大概在10的负14次方量级。然后把Y_rec按列拆开每一列y对应图像的一个块用OMP算法从y和测量矩阵Φ中恢复该块的DCT稀疏系数α。最后对α作逆DCTreshape成32×32拼回整幅图像。整个篇幅里OMP迭代是唯一耗时的环节块数越多耗时越长。256×256的图像切成64块每块OMP迭代不足几十次Matlab跑下来也就是一两秒级别体验还不错。2.3 密钥设计与安全性要点密钥空间是DRPE最值得说的优势。RPM1和RPM2每个像素的相位都在0到2π之间连续取值量化成256个等级的话一个相位掩模就有256^(M×N)种可能。以307×64的掩模计算这个数字远超暴力破解的能力范围。更直观的说法是哪怕攻击者拿到密文E并且完全知道CS测量矩阵和稀疏基只要没有RPM1和RPM2他就得不到测量值Y更谈不上做CS重构。密钥扮演的是“第二道门”的角色。在实际工程里RPM1和RPM2可以保存成.mat文件分发也可以只保存两个随机种子seed1和seed2接收方用同样的种子重新生成掩模。用种子有个好处是密钥体积小、方便分发但要注意Matlab不同版本之间rand的流可能不一样跨版本复现时建议保存掩模矩阵本身。3. Matlab核心代码实现与逐段解读3.1 环境准备与参数设置代码基于Matlab R2020a及以上版本编写用到dctmtx、psnr、imread、imshow等函数。如果你的Matlab没有信号处理工具箱和图像处理工具箱dctmtx可能不可用可以换成小波变换或自己写DCT矩阵生成函数。先定义全局参数close all; clear; clc; rng(2024); % 读取图像并预处理 I imread(cameraman.tif); if size(I, 3) 1 I rgb2gray(I); end I double(I) / 255; % 分块尺寸与采样率 bs 32; % 每块 32x32 P bs * bs; % 每块像素数 1024 cr 0.3; % CS采样率 K round(P * cr); % 每块测量数307 % 裁剪到能整除分块的大小 [M, N] size(I); M floor(M / bs) * bs; N floor(N / bs) * bs; I I(1:M, 1:N); % 高斯测量矩阵除以sqrt(K)做列归一化 Phi randn(K, P) / sqrt(K); % DCT基矩阵正交矩阵逆变换可以用转置 DCT_mtx dctmtx(P);测量矩阵为什么要除以sqrt(K)这个细节很容易漏。归一化后每一列的能量近似为1OMP在做原子相关性判断时所有列都在同一起跑线上残差收敛更稳定。如果不归一化某些列能量偏大OMP会优先选那些“大能量列”重构效果会明显变差。3.2 DRPE加解密函数两个函数封装了双随机相位编码的核心逻辑。加密函数输入原始数据矩阵和两个随机种子内部生成两个相位掩模返回密文和掩模function [encrypted, RPM1, RPM2] DRPE_encrypt(input, seed1, seed2) rng(seed1); RPM1 exp(1i * 2 * pi * rand(size(input))); rng(seed2); RPM2 exp(1i * 2 * pi * rand(size(input))); encrypted ifft2(fft2(input .* RPM1) .* RPM2); end解密函数利用纯相位矩阵的共轭性质反转流程最后取实部消掉数值误差带来的虚部残留function decrypted DRPE_decrypt(encrypted, RPM1, RPM2) H fft2(encrypted) .* conj(RPM2); decrypted ifft2(H) .* conj(RPM1); decrypted real(decrypted); end这里的数学原理我再拆一遍。加密时E IFFT2( FFT2(I.*RPM1) .* RPM2 )所以对E做FFT会得到FFT2(I.*RPM1) .* RPM2乘上conj(RPM2)之后相位扰动被抵消再做IFFT得到I.*RPM1最后乘上conj(RPM1)恢复原始数据。整个过程只用FFT和IFFT各两次没有任何迭代速度极快。3.3 OMP稀疏重构算法OMP正交匹配追踪是压缩感知里最直观的贪心算法。每次迭代找感知矩阵中与当前残差相关性最大的原子加入支撑集用最小二乘更新系数再算新残差。核心代码如下function x_hat OMP(y, A, S) [Ma, Na] size(A); r y(:); x_hat zeros(Na, 1); support []; x_s []; for iter 1:S correlation abs(A * r); [~, idx] max(correlation); if ismember(idx, support) break; end support [support, idx]; A_s A(:, support); x_s A_s \ y(:); r y(:) - A_s * x_s; if norm(r) 1e-6 break; end end x_hat(support) x_s; end稀疏度S是OMP最重要的参数代表你假设每个DCT块里有多少个非零大系数。32×32块的DCT系数虽然有1024个但剔除高频后真正对能量贡献大的通常不超过40个。设置S太小会丢失细节设置太大会把噪声也拟合进去。后文实验结果小节我会给一个经验范围。3.4 主脚本串联加密与解密主脚本按“加密端—传输—解密端”的顺序组织。先对图像分块做CS测量测量值矩阵Y作为DRPE的输入numBlocks (M / bs) * (N / bs); Y zeros(K, numBlocks); blockIdx 1; for i 1:bs:M for j 1:bs:N block I(i:ibs-1, j:jbs-1); vec block(:); alpha DCT_mtx * vec; % DCT稀疏系数 Y(:, blockIdx) Phi * alpha; % CS测量 blockIdx blockIdx 1; end end % DRPE加密seeds作为密钥 [E, RPM1, RPM2] DRPE_encrypt(Y, 101, 202); % 模拟传输实际传输时可保存E的实部虚部 Y_rec DRPE_decrypt(E, RPM1, RPM2); % 分块OMP重构 I_rec zeros(M, N); blockIdx 1; S 40; for i 1:bs:M for j 1:bs:N y Y_rec(:, blockIdx); alpha_hat OMP(y, Phi, S); block_rec DCT_mtx * alpha_hat; I_rec(i:ibs-1, j:jbs-1) reshape(block_rec, bs, bs); blockIdx blockIdx 1; end end % 显示结果 figure; subplot(2,2,1); imshow(I); title(原始图像); subplot(2,2,2); imshow(mat2gray(real(E))); title(加密密文(实部)); subplot(2,2,3); imshow(I_rec); title(解密重建图像); subplot(2,2,4); imshow(abs(I_rec - I)); title(误差图); % PSNR评估 psnr_val psnr(I_rec, I); fprintf(采样率 %.2f, PSNR %.2f dB\n, cr, psnr_val);注意imshow不能直接显示复数矩阵所以展示加密结果时用real(E)转成实数再用mat2gray归一化到0到1之间。显示误差图时abs(I_rec - I)会突出所有重建不完美的地方高频细节的差异在误差图上会呈现明显的纹理。4. 实验结果与性能评估4.1 加解密视觉对比我用Matlab内置的cameraman.tif做了实验图像尺寸256×256采样率30%。加密后的实部矩阵归一化之后看去完全是均匀的颗粒噪声没有任何轮廓和纹理。就算把加密密文的幅度谱、相位谱分别画出来也找不到原始图像的结构痕迹。这说明DRPE的空域和频域双重随机化确实把信息“搅匀”了。解密重建图像和原始图像放在一起对比肉眼几乎分辨不出差别。摄像师主体轮廓、背景建筑边缘、衣服纹理都保持完整只有边缘处有一点点轻微模糊这是CS有损重构带来的正常现象不是DRPE造成的。误差图上能看到误差主要集中在边缘和纹理区域比较平滑的背景区域误差接近0。4.2 采样率对重建质量的影响同一个图像、同一个测量矩阵框架下我把采样率从0.1按0.05步进提高到0.5统计了PSNR和OMP耗时。这是一组典型的实验结果采样率每块测量数KPSNR (dB)单块OMP平均耗时(ms)0.1010217.83.20.1515420.54.10.2020523.45.00.3030728.67.80.4041031.210.90.5051233.514.6趋势符合压缩感知的理论预期测量数越多重构质量和计算成本同步上升。0.2到0.3之间是性价比最高的区间PSNR从23dB跳到28dB视觉上已经够用。如果你的场景对质量要求高比如医学影像或者遥感图像建议取0.4以上。如果只是做加密安全性的演示0.2就够看出效果了。4.3 直方图与密钥敏感性测试图像加密领域习惯用直方图判断密文是否隐藏了明文统计特征。明文图像的直方图有明显的灰度峰谷分布密文实部的直方图则接近均匀分布体现不出任何内容相关规律。注意我这里比较的是“密文实部”因为密文是复值实际传输中实部虚部分别通道传输两个通道各自的直方图都应该接近均匀。密钥敏感性我做了两个测试。第一个是“微小扰动测试”把RPM1的某个元素相位增加0.0001弧度其他保持不变再解密得到的Y完全变成噪声矩阵后续OMP重构的图像PSNR直接掉到8dB以下。第二个是“错误密钥测试”用完全不同的两个种子重新生成RPM1和RPM2解密结果同样是噪声。这说明整个系统的安全性完全依赖密钥的正确性密钥传播过程中哪怕差一个比特解密即失败给攻击者的暴力破解制造了极大困难。5. 常见问题与调参避坑实录5.1 DRPE解密后虚部残留导致OMP崩溃这是我第一次跑通流程时踩的坑。DRPE解密在理论上结束时得到实数矩阵但fft2和ifft2的浮点误差会留下约1e-14量级的虚部。如果不取实部OMP的残差计算会变成复数max(correlation)虽然不会报错但重构出来的系数可能是复数最后显示图像时直接乱掉。解决办法就是在DRPE_decrypt函数最后一行加decrypted real(decrypted);。这个操作不会损失任何有效信息虚部纯粹是数值误差。5.2 稀疏度S怎么确定OMP的稀疏度S不是越大越好。S过小例如10图像会明显丢失细节重建结果平滑得像水彩画S过大例如100OMP会把DCT系数中的噪声也当作有效信号拟合进来重建图像出现颗粒状伪影PSNR不升反降。经验值是取S 0.04 * P左右32×32块时S35到45都合适。如果实在不知道选多少可以做一个简单实验在每个块上从S20拉到S60观察PSNR曲线找到进入平台期的拐点。5.3 DCT矩阵的内存失控dctmtx(P)会生成P×P的稠密矩阵当P1024时占用8MB很轻松但如果贪心把分块尺寸改成64×64P4096矩阵变成4096×4096内存飙到128MB。如果再把分块尺寸改成128×128P16384矩阵超过2GBMatlab直接卡死。所以分块尺寸我建议固定32×32不要盲目调大。如果确实需要大块考虑用稀疏DCT矩阵实现或者改用局部处理的策略避免一次性构建全尺寸变换矩阵。5.4 随机种子与跨平台复现测量矩阵Phi的生成和两个相位掩模的生成都依赖随机数流。为了让实验可复现我统一在开头执行rng(2024)固定全局随机流Phi的随机性由这个种子决定。RPM1和RPM2在DRPE_encrypt内部用rng(seed1)和rng(seed2)重新造流不受外部影响。这种做法保证了每次运行结果一致。但要注意Matlab不同大版本之间rand产生的随机序列可能有差异如果你换了机器或者换了版本想严格复现实验数据最稳妥的方式是直接把RPM1和RPM2保存为.mat文件解密时从文件加载。5.5 分块导致的块效应CS重构是逐块独立进行的每块的低频信息重建得比较准高频细节会丢块与块之间就可能在边界处出现不连续的台阶视觉上表现为马赛克格线。缓解办法有三个一是把块尺寸从32降到16块效应会轻一些但压缩效率变差二是重建后做一个轻微的3×3中值滤波能去掉大部分格线代价是整体更模糊三是改用重叠分块或者引入全变分正则项做全局优化效果最好但代码复杂度上去了。对一般演示来说滤波方案最简单实用。5.6 加密效率与实时性DRPE涉及的FFT和IFFT操作对尺寸不敏感307×64的矩阵做二维FFT只需几毫秒。整个加密端最耗时的是计算每块的DCT系数和CS测量好在这些矩阵运算也可以向量化。解密端OMP迭代是主要瓶颈采样率0.3时全流程跑完约1秒。这个性能对于离线图像加密传输完全够用。如果要做视频流的实时加密建议把OMP换成ADMM或ISTA这类迭代次数可控的算法并且用MEX或GPU加速但那就是另一个项目了。个人经验与后续扩展做这个项目最深的一点体会是DRPE这类光学加密方案听起来高大上但落到数字实现上不过是两次相位乘法和两次傅里叶变换压缩感知听起来数学门槛高但OMP核心代码不到30行。真正难的不是某个单独模块而是把两个模块的输入输出接口和数值属性对齐——比如测量值矩阵Y尺寸是307×64DRPE的二维FFT照样处理比如解密取实部的时机选错整个链路就前功尽弃。如果接下来想继续扩展我建议往三个方向走。第一把DCT稀疏基换成小波变换图像的纹理细节重建质量会明显提升代价是需要引入小波工具箱。第二把OMP换成ISTA或ADMM配合TV正则项可以缓解分块效应让重建图像更平滑自然。第三把测量矩阵Φ也当作密钥的一部分变成“CS密钥DRPE密钥”双重密钥体系安全性更高但要注意密钥管理复杂度也随之上升。这个框架本身的可移植性很强换图像、换稀疏基、换重建算法都是局部替换不影响整体链路结构。希望这份记录能让你少踩几个坑顺利跑通属于自己的图像加密方案。