CN108322622A - 一种基于2d-vmd和八维超混沌系统的彩色数字图像加密方法 - Google Patents
一种基于2d-vmd和八维超混沌系统的彩色数字图像加密方法 Download PDFInfo
- Publication number
- CN108322622A CN108322622A CN201810154447.2A CN201810154447A CN108322622A CN 108322622 A CN108322622 A CN 108322622A CN 201810154447 A CN201810154447 A CN 201810154447A CN 108322622 A CN108322622 A CN 108322622A
- Authority
- CN
- China
- Prior art keywords
- image
- dimensional
- encryption
- sequence
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 32
- 230000008569 process Effects 0.000 claims description 21
- 230000000739 chaotic effect Effects 0.000 claims description 16
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000000265 homogenisation Methods 0.000 claims 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 31
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000009792 diffusion process Methods 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000035945 sensitivity Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000006002 Pepper Substances 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 235000002566 Capsicum Nutrition 0.000 description 2
- 241000722363 Piper Species 0.000 description 2
- 235000016761 Piper aduncum Nutrition 0.000 description 2
- 235000017804 Piper guineense Nutrition 0.000 description 2
- 235000008184 Piper nigrum Nutrition 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005336 cracking Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002924 energy minimization method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000004800 variational method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
- H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
- H04N1/32267—Methods relating to embedding, encoding, decoding, detection or retrieval operations combined with processing of the image
- H04N1/32272—Encryption or ciphering
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Complex Calculations (AREA)
Abstract
一种基于2D‑VMD和八维超混沌系统的彩色数字图像加密方法，属于信息安全技术领域。解决了现有的彩色数字图像加密方法存在安全性差、密钥空间小，容易被破解的问题。技术要点：分离彩色明文图像的红、绿、蓝分量；随机选取系统的初始值，利用彩色明文图像更新并计算得到八维超混沌系统的参数和初始值，对超混沌系统进行迭代，产生两个随机性强的密钥序列；采用2D‑VMD方法分别分解红、绿、蓝分量，用得到的两个密钥序列分别对分解后得到的子图像先后进行像素位置置乱和像素值扩散加密，最后得到相应分解层数的彩色密文图像，然后再解密。与现有的加密方法相比，本发明提供的彩色图像加密算法密钥空间有显著提升，可以有效抵抗多种攻击。
Description
技术领域
本发明信息安全技术领域，涉及一种基于2D-VMD和八维超混沌系统的彩色图像加密方法。
背景技术
随着现代多媒体通信技术、大数据技术的快速发展，以及广泛应用，越来越多的多媒体数据通过因特网进行传播和存储。如何才能有效的保护秘密的信息不被非法这窃取和盗用，最根本的措施是对有价值的信息进行加密传输和存储。由于图像类数据具有数据量大、数据之间相关性高等特点，传统的密码学算法(DES、AES、IDEA、RSA等)不适合图像数据加密，而且会使加密效率降低。于是，基于混沌的信息加密技术成为人们近些年研究的热点。
混沌序列具有对初始值和参数极端敏感、内在伪随机性、非周期性、弱相关性以及混沌信号易于产生等特点，这正符合密码学所要求的特性，因此混沌在信息加密中有着良好的应用前景，尤其是在图像加密场合中，有着独特的优势。自从1998年，Fridrich教授在文献[1]中提出一种针对数字图像的混淆和扩散的加密体制以来，研究人员已经提出了许多种基于混沌的数字图像加密方案。目前，基于混沌的加密算法大致可以分为两类：一类是基于低维混沌映射的图像加密算法，二是基于高维以及超混沌的图像加密算法。但是低维混沌系统用于加密数字图像时，存在密钥空间小、安全性差等问题。因此，研究人员通过高维以及超混沌系统来提高密码系统的安全性。与混沌系统相比，超混沌系统具有更加复杂的非线性动力学特性。
另外，目前所提到的加密算法基本都是在时域内进行，即直接对图像的像素进行操作，以去除图像像素之间的冗余性，使得加密图像不能够被压缩。另外，在文献[2]中指出，可以通过置乱之后的图像特征恢复出明文图像。基于变换域的加密算法相对于时域的加密算法效率更高，能够有效抵抗各种图像攻击，而且可以完全恢复原始图像信息。
D.Zosso在文献[3]中提出：二维变分模态分解可以用最少参数的数学公式表示，而且没有显示插值，是一种非递归，完全自适应的变分方法。该方法按图像的不同中心频率将图像分解为多个子模态，既可以保留图像低频模态的原始信息，也可以保留图像的细节和边缘信息，只要参数合适就可以准确地分解图像。将八维超混沌系统产生的混沌序列用于各个子模态的加密过程，增加了加密算法的密钥空间，提高了算法的安全性。
综上，可看出，现有技术中彩色数字图像一般采用低维混沌系统直接进行时域加密处理，而且很少有与数字图像分解技术进行结合来实现彩色数字图像的加密，这样往往会存在彩色数字图像加密效果差、密钥空间小，容易被破解的缺点。
发明内容
针对背景技术存在的现有的彩色数字图像加密方法存在安全性差、密钥空间小，容易被破解的问题，进而提出一种基于2D-VMD和八维超混沌系统的彩色数字图像加密方法。
为达到上述目的，本发明提出的一种基于2D-VMD和八维超混沌系统的彩色数字图像加密方法，附图1为本发明的彩色图像加密算法流程图，具体过程可以分为三个阶段，分别为密钥产生阶段、加密阶段和解密阶段，其中密钥产生阶段的详细步骤为：
(1)输入彩色明文图像P，分解并得到图像P的红、绿、蓝分量，得到三个大小为W×H的矩阵分量R、G和B；
(2)选取八维超混沌系统的参数和初始值，结合分量R、G和B更新和生成新的系统参数和初始值，并对超混沌系统进行迭代运算，得到八个混沌序列{X1,X2,...,X8}，利用序列{X1,X2,...,X8}得到密钥流Pτ；
(3)为了增大序列的随机性和分布的均匀性，对超混沌序列{X1,X2,...,X8}进行优化改进，得到新的序列{Y1,Y2,...,Y8}，用改进后的超混沌序列组成密钥流K1，K2，K3，K4；
加密阶段的详细步骤为：
(1)采用2D-VMD方法对R、G、B分量进行n(n<＝8)层分解，分别得到子图像矩阵{R1,R2,...,Rn}，{G1,G2,...,Gn}，{B1,B2,...,Bn}；
(2)利用密钥流Pτ对上面得到的子图像矩阵{R1,R2,...,Rn}，{G1,G2,...,Gn}， {B1,B2,...,Bn}分别进行置乱操作，得到中间图像矩阵；
(3)利用密钥流K1，K2，K3，K4，对得到的中间图像进行像素值加密，改变图像像素值，得到每一个子图像的加密图像，根据每一个子图像的加密图像得到最终的n幅彩色加密图像；
解密阶段的详细步骤为：
解密过程是加密过程的逆操作，首先将接收到的彩色加密图像分解为R、G、B分量，然后分别执行逆异或和逆置乱操作，再进行2D-VMD重构，最后根据重构得到的R、G、B 分量可得到最后的解密图像。
本发明中，密钥产生阶段中使用的八维超混沌系统描述如下：
八维超混沌系统的构建是在两个四维超混沌系统的基础上，通过耦合的方式得到；四维超混沌系统是吕婧，张博亚，朱建良在文献“四维二次超混沌系统及其硬件实现”[哈尔滨理工大学学报，18(1)：95-98，2013]中提出的，系统方程如下式(1)：
式中a，b，c，d，e，f是四维超混沌系统的参数；当a＝10，b＝5，c＝2，d＝-16， e＝1.5，f＝-50，系统处于超混沌状态；
八维超混沌系统通过耦合两个相同的四维超混沌系统得到：
式中a，b，c，d，e，f，σ1和σ2是八维超混沌系统的参数；当a＝10，b＝5，c＝2， d＝-16，e＝1.5，f＝-50，σ1∈[0.005,0.5]，σ2∈[0.005,0.5]时，系统处于超混沌状态，方程中σ1(x5-x6)和σ2(x1-x2)是两个线性耦合项；
利用八维超混沌系统产生密钥的详细步骤为：
步骤一：首先根据原图像可以得到R、G、B三个图层，然后选取八维超混沌系统的参数σ1和σ2，以及初始值xτ(0)，τ＝1,2,...,8，利用明文图像，根据公式(3)～公式(12) 更新系统的初始值和参数，得到新的参数和以及初始值
其中mod表示模运算符号，表示按位异或运算；
步骤二：利用更新后的初始值迭代八维超混沌系统l+WH(l≥500)次，并丢弃前l个值，得到8个长度为WH的实值序列Xτ，τ＝1,2,...,8；分别对得到的八个序列进行排序，得到八个对应的位置序列，即密钥流Pτ＝{pτ(i)|τ＝1,2,...,8；i＝1,2,...,WH}；
步骤三：通过下式(13)对序列Xτ，τ＝1,2,...,8，进行优化改进，得到序列yτ，τ＝1,2,...,8，
yτ(i)＝{[Xτ(i)-max(Xτ)]×[Xτ(i)-min(Xτ)]}/[max(Xτ)-min(Xτ)]2 (13)
其中max(Xτ)表示序列Xτ的最大值，min(Xτ)表示序列Xτ的最小值，yτ(i)表示得到的新序列值，τ＝1,2,...,8；
将得到的序列值经过二次处理，得到八个新的混沌序列：
Yτ(i)＝mod((|yτ(i)|-fix(|yτ(i)|))×10m,256) (14)
其中|x|表示取x的绝对值；fix(x)表示对x进行向0取整；mod(x,N)表示对x进行模N操作；Yτ(i)表示得到的新序列值，τ＝1,2,...,8；m为正整数，在本发明中取m＝14；
步骤四：根据得到的新序列Yτ，τ＝1,2,...,8，组成密钥流K1，K2，K3，K4，分别为：
K1＝floor{Y2(1),...,Y2(WH/4),Y5(WH/4+1),...,Y5(WH/2),Y7(WH/2+1),...,Y7(3WH/4),Y8(3WH/4+1),...,Y8(WH)}
(15)
K2＝floor{Y3(1),...,Y3(WH/4),Y4(WH/4+1),...,Y4(WH/2),Y6(WH/2+1),...,Y6(3WH/4),Y5(3WH/4+1),...,Y5(WH)}
(16)
K3＝floor{Y1(1),...,Y1(WH/4),Y3(WH/4+1),...,Y3(WH/2),Y4(WH/2+1),...,Y4(3WH/4),Y6(3WH/4+1),...,Y6(WH)}
(17)
K4＝floor{Y4(1),...,Y4(WH/4),Y2(WH/4+1),...,Y2(WH/2),Y5(WH/2+1),...,Y5(3WH/4),Y7(3WH/4+1),...,Y7(WH)}
(18)
加密过程的详细步骤为：
步骤一：使用二维变分模态分解(2D-VMD)方法，该方法的详细推导过程见文献“Two-Dimensional Variational Mode Decomposition”[Energy Minimization Methodsin Computer Vision and Pattern Recognition.Springer International Publishing,2015:197-208]，将R、G、B分量图像分解为n(n<＝8)个不同中心频率的子模态，得到子图像{R1,R2,...,Rn}，{G1,G2,...,Gn}，{B1,B2,...,Bn}；
步骤二：对子图像矩阵进行像素位置置乱，像素位置置乱所用到的密钥是对序列{X1,X2,...,X8}进行排序之后得到的位置索引Pτ，利用得到的位置索引Pτ对调整大小之后的矩阵进行像素位置置乱方法如下：
其中和分别代表各子图像调整大小之后的一维矩阵， Rk_shuffle(i)、Gk_shuffle(i)和Bk_shuffle(i)表示置乱之后的一维矩阵，k＝1,2,...,n，τ1,τ2,τ3＝1,2,...,8，i＝1,2,...,WH；
步骤三：利用密钥流K1，K2，K3，K4，对置乱后的矩阵进行异或操作的方法如下：
Rk_diffuse(i)＝bitxor(Rk_shuffle(i),Kλ1) (22)
Gk_diffuse(i)＝bitxor(Gk_shuffle(i),Kλ2) (23)
Bk_diffuse(i)＝bitxor(Bk_shuffle(i),Kλ3) (24)
其中Rk_diffuse(i)、Gk_diffuse(i)和Bk_diffuse(i)表示异或之后的一维矩阵，k＝1,2,...,n，λ1,λ2,λ3＝1,2,3,4，i＝1,2,...,WH；
步骤四：将异或加密之后的一维矩阵转化为大小为W×H的矩阵，得到最后各子图像的加密图像，即
Rk_ciper＝reshape(Rk_diffuse,W,H) (25)
Gk_ciper＝reshape(Gk_diffuse,W,H) (26)
Bk_ciper＝reshape(Bk_diffuse,W,H) (27)
步骤五：根据各层子图像的加密图像Rk_ciper、Gk_ciper、Bk_ciper，最后得到n 个对应的彩色加密图像。
解密过程是加密过程的逆操作，即首先将接收到的彩色加密图像分解为R、G、B分量，然后分别执行逆异或和逆置乱操作，再进行2D-VMD重构，最后根据重构得到的R、G、 B分量可得到最后的解密图像。
与现有的技术相比，本发明的有益效果在于：本发明提供的基于二维变分模态分解 (2D-VMD)和八维超混沌系统的彩色数字图像加密方法，包括，分离彩色明文图像的红、绿、蓝分量；随机选取系统的初始值，利用彩色明文图像更新并计算得到八维超混沌系统的参数和初始值，对超混沌系统进行迭代，得到八个混沌序列，对得到的混沌序列进行优化改进；采用2D-VMD方法分别分解红、绿、蓝分量，用得到的混沌序列分别对分解后得到的子图像先后进行像素位置置乱和像素值扩散加密，最后得到相应分解层数的彩色密文图像。解密是加密过程的逆过程。与现有的加密算法相比，本发明采用与八维超混沌系统和明文图像相结合的方式更新系统参数和初始值，增强了对明文的敏感性；另一方面，本发明提供的彩色图像加密算法密钥空间有显著提升，可以有效抵抗多种攻击。
本发明将图像的直观信息进行了很好的隐藏；图像像素间趋于不相关；加密算法密钥空间相较于低维混沌加密算法有显著提升，安全性提高。本发明提供的加密方法使用明文图像和高维超混沌系统产生密钥序列，使得所设计的密码算法可以有效抵抗已知明文攻击、选择明文攻击等。
经过验证，本发明方法解决了基于低维混沌系统的数字图像加密算法存在密钥空间小，安全性差的问题，利用八维超混沌系统和2D-VMD方法结合，使图像加密的密钥空间增大、算法安全性提高、抗攻击能力增强。
附图说明
图1为本发明的彩色图像加密方法的流程图。
图2(a)为彩色明文图像，图2(b)为2D-VMD分解之后的模态1图像，图2(c) 为2D-VMD分解之后的模态2图像。
图3(a)为模态1图像加密之后的彩色图像，图3(b)为模态2图像加密之后的彩色图像。
图4(a)为使用正确密钥的解密并重构的图像，图4(b)为模态1图像使用正确密钥解密之后的彩色图像，图4(c)为模态2图像使用正确密钥解密之后的彩色图像，图4 (d)为使用错误密钥的解密图像。
图5(a)为彩色明文图像红色分量的灰度直方图，图5(b)为2D-VMD分解之后的模态1图像的灰度直方图，图5(c)为2D-VMD分解之后的模态2图像的灰度直方图。
图6(a)为模态1图像加密之后的灰度直方图，图6(b)为模态2图像加密之后的灰度直方图。
图7(a)-图7(i)为明文图像红色分量相邻像素的分布图，其中图7(a)为明文图像红色分量水平方向相邻像素的分布，图7(b)、图7(c)分别为两个模态图像加密之后相邻像素水平方向的相关性，图7(d)为绿色分量在水平方向上相邻像素的相关性，图7(e)、图7(f)分别为两个模态图像加密之后相邻像素在水平方向上的相关性，图7 (g)为蓝色分量在水平方向相邻像素的相关性，图7(h)、图7(i)分别为两个模态图像加密之后在水平方向上相邻像素的相关性。
图8(a)为裁剪之后模态1图像的密文图像，图8(b)为对应模态1图像解密图像，图8(c)为重构并解密的图像。
图9(a)为模态1图像加椒盐噪声的密文图像，图9(b)为对应的模态1图像解密图像，图9(c)为重构并解密图像。
上述说明中，模态1是指分解后的低频分量图像，模态2是指分解后的高频分量图像。
具体实施方式
下面结合附图，对本发明的实施例进行详细描述。
在本实施例中，编程工具为Matlab R2013a，选用附图2(a)所示的大小为256×256的Pepper彩色图像为明文图像。对彩色Pepper图像加密的具体过程如下：
密钥产生阶段：
1、输入彩色Pepper图像并记作P，分离图像P的红、绿、蓝三基色分量得到三个大小为256×256的矩阵R、G、B。
2、选取八维超混沌系统的初始值：x1(0)＝-3.523012492378857，x2(0) ＝2.214736943456894，x3(0)＝-0.124589756258934，x4(0)＝5.254896731454865，x5(0) ＝4.357864852457864，x6(0)＝1.335697855645823，x7(0)＝0.457896857877584，x8(0) ＝-3.225589674312357，σ1＝0.030000124589637，σ2＝0.041256390213035。利用明文图像P，根据如下式子产生新的参数和初始值：
利用更新后的σ1，σ2和初始值迭代八维超混沌系统66036次，并丢弃前500个值，得到8个长度为65536的实值序列Xτ，τ＝1,2,...,8。
然后分别对得到的八个序列进行排序，得到八个对应的位置序列，即密钥流 Pτ＝{pτ(i)|τ＝1,2,...,8；i＝1,2,...,65536}；
3、为了增大序列的随机性和分布的均匀性，通过下式对序列Xτ，τ＝1,2,...,8，进行优化改进，得到序列yτ，τ＝1,2,...,8，
yτ(i)＝{[Xτ(i)-max(Xτ)]×[Xτ(i)-min(Xτ)]}/[max(Xτ)-min(Xτ)]2
将得到的序列值经过二次处理，得到八个新的混沌序列，Yτ(i)，τ＝1,2,...,8：
Yτ(i)＝mod((|yτ(i)|-fix(|yτ(i)|))×1014,256)
4、根据得到的新序列Yτ，τ＝1,2,...,8，组成密钥流K1，K2，K3，K4，分别为： K1＝floor{Y2(1),...,Y2(WH/4),Y5(WH/4+1),...,Y5(WH/2),Y7(WH/2+1),...,Y7(3WH/4),Y8(3WH/4+1),...,Y8(WH)} K2＝floor{Y3(1),...,Y3(WH/4),Y4(WH/4+1),...,Y4(WH/2),Y6(WH/2+1),...,Y6(3WH/4),Y5(3WH/4+1),...,Y5(WH)} K3＝floor{Y1(1),...,Y1(WH/4),Y3(WH/4+1),...,Y3(WH/2),Y4(WH/2+1),...,Y4(3WH/4),Y6(3WH/4+1),...,Y6(WH)} K4＝floor{Y4(1),...,Y4(WH/4),Y2(WH/4+1),...,Y2(WH/2),Y5(WH/2+1),...,Y5(3WH/4),Y7(3WH/4+1),...,Y7(WH)}
加密过程的详细步骤为：
1、二维变分模态分解(2D-VMD)的参数设置为惩罚参数α＝50，模态数n＝2，得到不同中心频率的子模态图像{R1,R2}，{G1,G2}，{B1,B2}，并分别将这些子图像转化成一维矩阵；
2、对一维矩阵进行像素位置置乱，像素位置置乱所用到的密钥是对序列{X1,X2,...,X8} 进行排序之后得到的位置索引Pτ，利用得到的位置索引Pτ分别对调整大小之后的矩阵进行像素位置置乱，方法如下：
3、利用密钥流K1，K2，K3，K4，对置乱之后的矩阵进行异或操作的方法如下：
R1_diffuse(i)＝bitxor(R1_shuffle(i),K1)
G1_diffuse(i)＝bitxor(G1_shuffle(i),K2)
B1_diffuse(i)＝bitxor(B1_shuffle(i),K3)
R2_diffuse(i)＝bitxor(R2_shuffle(i),K2)
G2_diffuse(i)＝bitxor(G2_shuffle(i),K4)
B2_diffuse(i)＝bitxor(B2_shuffle(i),K1)
4、将异或加密之后的一维矩阵转化成大小为W×H的矩阵，得到最后各子图像的加密图像，即
R1_ciper＝reshape(R1_diffuse,W,H)
G1_ciper＝reshape(G1_diffuse,W,H)
B1_ciper＝reshape(B1_diffuse,W,H)
R2_ciper＝reshape(R2_diffuse,W,H)
G2_ciper＝reshape(G2_diffuse,W,H)
B2_ciper＝reshape(B2_diffuse,W,H)
5、根据各层子图像的加密图像，最后得到2幅彩色加密图像。
图像解密过程是加密过程的逆过程，即首先将接收到的彩色加密图像分解为R、G、B 分量，然后分别执行逆异或和逆置乱操作，再进行2D-VMD重构，最后根据重构得到的R、G、B分量可得到最后的解密图像。
本发明的效果可以通过以下性能分析验证：
1、密钥空间和敏感性分析
在本发明的加密算法中，选取xτ(0)(τ＝1,2,...,8)、σ1、σ2为密钥，计算精度为10-15，则密钥空间为(1015)10＝10150≈2500，大于10100≈2332。因此，本发明所提供的图像加密算法完全可以抵抗穷举攻击。
为了测试加密算法对密钥的敏感性，对任意一个密钥做很小的改动。附图2(a)为原始彩色明文图像，附图2(b)为分解出来的模态1子图像，附图2(c)为分解出来的模态2子图像，图3(a)为模态1对应的加密图像，图3(b)为模态2对应的加密图像，图4(a)为重构之后的解密图像，图4(b)为模态1的解密图像，图4(c)为模态2的解密图像，可以看出本发明提供的加密算法具有良好的加解密效果。图4(d)为对密钥 x2(0)进行微小改动之后：x'2(0)＝x2(0)+10-15的解密图像，与原始模态1图像之间的差异为：99.61％。很容易看出，从解密图像根本无法辨认任何明文信息。由此可见，本发明提供的加密算法具有较高的密钥敏感性。
2、抗统计攻击分析
2.1、直方图分析
以红色分量的直方图对比为例，附图5(a)为明文图像的红色分量直方图，附图5(b)为红色分量分解出来的模态1图像的直方图，附图5(c)为红色分量分解出来的模态2图像的直方图，图6(a)、(b)分别为对应的模态图像加密之后的直方图，与明文图像的直方图相比差别较大，绿色分量和蓝色分量也有相似的效果。因此，加密过程极大的破坏了明文图像的统计特性，降低了明文与密文的相关性，很好的隐藏了图像的统计特性。
2.2、相邻像素相关性分析
为了测试明文图像与密文图像相邻像素之间的相关性，以各分量水平方向加密前后的相关性对比为例，分别随机选取2500对相邻像素，并使用以下公式定量计算相邻像素的相关系数：
其中，
N表示图像所包含的像素个数，xi和yi表示两个相邻像素的像素值，D(x)表示像素值的均方差，E(x)表示像素值的平均值，cov(x,y)表示相关函数。
附图7(a)描述了明文图像红色分量在水平方向的相邻像素的相关性，附图7(b)、(c)分别描述了明文图像红色分量分解出来的两个模态图像经过加密之后的水平方向上的相邻像素的相关性；附图7(d)描述了明文图像绿色分量在水平方向的相邻像素的相关性，附图7(e)、(f)描述了明文图像绿色分量分解出来的两个模态图像经过加密之后的水平方向上的相邻像素的相关性；附图7(g)描述了明文图像蓝色分量在水平方向的相邻像素的相关性，附图7(h)、(i)描述了明文图像蓝色分量分解出来的两个模态图像经过加密之后的水平方向上的相邻像素的相关性。从图中可看出，明文图像的像素集中分布在对角线y＝x周围，而密文图像的像素则均匀分布在区间[0,255]之间。在垂直方向和对角方向有也有类似的效果。
表1所示为分解出来的第一层子图像和相应密文图像各个方向上相关系数的对比。从表1可看出，明文图像相邻像素的相关系数接近于1(相关度高)，而密文图像相邻像素的相关系数接近于0(基本不相关)，这意味着经过加密之后，明文的统计特性被扩散到随机的密文像素中。因此，本发明提供的加密算法可以有效抵抗统计分析攻击。
表1模态1、2和对应密文图像相邻像素的相关系数
3、信息熵分析
信息熵是反映信息随机性的重要度量指标，信息源m的信息熵计算公式如下：
其中，p(mi)表示符号mi出现的概率，2n是信息源m的总状态数。信息加密之后，信息熵的期望值是8。如果加密图像的信息熵非常接近8，则表明该密文图像接近于随机分布。根据以上的计算公式，可得到模态1图像对应的密文图像的红、绿、蓝分量的信息熵分别为7.9973、7.9970、7.9967，模态2图像对应的密文图像的红、绿、蓝分量的信息熵分别为7.9972、7.9969、7.9967，非常接近于理论的最大值8。因此，本发明提供的加密算法可以有效抵抗信息熵攻击。
4、抗差分攻击分析
算法对明文的敏感性越强，抵抗差分攻击的能力也越强，可以用像素数改变率NPCR (Number of Pixels Change Rate)和归一化像素平均改变强度UACI(UnifiedAverage Changing Intensity)度量加密算法对明文的敏感性。计算公式如下：
式中，M和N表示图像的行数和列数，C1表示明文图像的原始加密图像，C2表示改变明文像素后得到的密文图像，C1(i,j)和C2(i,j)分别表示明、密文图像在(i,j)处的像素值。D表示和密文大小一样的矩阵，D(i,j)的值由C1(i,j)和C2(i,j)决定。若 C1(i,j)＝C2(i,j)，那么D(i,j)＝0；若C1(i,j)≠C2(i,j)，那么D(i,j)＝1。
选取50幅Pepper图像进行加密，每一次随机选取原始图像的一个像素值，并使该像素值加1，得到另外50幅相应的加密图像，然后，根据NPCR和UACI的计算公式，结合原始明文图像的加密图像可得到50组NPCR红、绿、蓝和UACI红、绿、蓝值。在本实验中，计算可得到第一层子图像的NPCR红、绿、蓝和UACI红、绿、蓝平均值。由表2看出，NPCR红、绿、蓝和UACI红、绿、蓝的平均值非常接近相应的理想值99.60937％和33.46354％。因此，本发明所提供的加密算法具有良好的抗差分攻击能力。
表2 NPCR红、绿、蓝和UACI红、绿、蓝的平均值(％)
| 红色分量 | 绿色分量 | 蓝色分量 | |
| NPCR | 99.6213 | 99.6144 | 99.6043 |
| UACI | 33.4551 | 33.4592 | 33.4221 |
5、已知明文/选择明文攻击分析
在本发明所提供的加密算法中，利用密钥和明文图像来生成混沌系统的参数和初始值，并迭代八维超混沌系统分别产生密钥流Pτ和K1、K2、K3、K4。对不同的明文图像进行加密，产生的密钥流也不同，从而产生不同的密文图像，这导致窃密者无法借助其他图像生成密钥流来解密某一特定的密文图像。因此，本发明所提供的加密算法可有效抵抗已知明文攻击和选择明文攻击。
6、鲁邦性分析
附图8(a)为模态1密文图像裁剪之后的图像，附图8(b)为模态1图像解密之后的图像，附图8(c)为重构并解密的图像。附图9(a)为模态1图像添加椒盐噪声(噪声密度为：0.02)的密文图像，附图9(b)为模态1图像解密之后的图像，附图9(c) 为重构并解密的图像。可以看出，当密文图像遭到裁剪攻击和噪声攻击时，仍然能够正确恢复出绝大部分明文图像信息，这说明本发明提供的加密算法具有较好的鲁棒性。
7、与已有方案对比分析
为了验证所提方案的优越性，表3给出了本发明与其它文献方案的性能比较。很明显，从密钥空间上看，本发明提出的方案密钥空间更大；由密文图像相邻像素之间的相关系数可以看出，文献[4]的置乱效果，与本发明所提方案的置乱效果相近，而文献[5]利用低维斜帐篷映射单独进行置乱的效果不如本发明的方案。文献[4]给出的置乱熵与本方案中R、G、B分量的平均置乱熵水平相当，比文献[5]的方案抵抗熵攻击的能力强；本发明的NPCR 和UACI值更加接近期望值，与文献[4]和文献[5]相比抗差分攻击能力更强；另外，相比文献[4]和文献[5]，本发明的密钥序列与明文相关，能够很好的抵抗已知明文攻击和选择明文攻击。
表3不同加密方案的性能比较
以上结合附图对本发明优选的具体实施方式和实施例做了详细说明，但是本发明并不限于上述实施方式和实施例，在本领域技术人员所具备的知识范围内，还可以在不脱离本发明构思的前提下做出各种变化。
本发明中的参考文献如下：
[1]Jiri Fridrich.Symmetric Ciphers Based on Two-Dimensional ChaoticMaps[J]. International Journal of Bifurcation&Chaos,1998,8(06):1259-1284.
[2]Liu S,Guo C,Sheridan J T.A review of optical image encryptiontechniques[J].Optics& Laser Technology,2014,57(7):327-342.
[3]Dragomiretskiy K,Zosso D.Two-Dimensional Variational ModeDecomposition[C].10th International Conference on Energy Minimization Methodsin Computer Vision and Pattern Recognition(EMMCVPR).Hong Kong,2015,8932:197-208.
[4]WANG Wei,TAN Haiyan,PANG Yu,et al.A Novel Encryption AlgorithmBased on DWT and Multichaos Mapping[J].Journal of Sensors,2016,2016(5):1-7.
[5]ABDURAHMAN KADIR,ASKAR HAMDULLA,GUO Wenqiang.Color imageencryption using skew tent map and hyper chaotic system of 6th-order CNN[J].Optik-International Journal for Light and Electron Optics,2014,125(5):1671-1675。
Claims (4)
1.一种基于2D-VMD和八维超混沌系统的彩色数字图像加密方法，其特征在于所述图像加密方法实现过程分为三个阶段：分别为密钥产生阶段、加密阶段和解密阶段；
密钥产生阶段：
(1)输入彩色明文图像P，分离图像P的红、绿、蓝分量，得到三个大小为W×H的矩阵分量R、G和B；
(2)选取八维超混沌系统的参数和初始值，结合分量R、G和B更新和生成新的系统参数和初始值，并对超混沌系统进行迭代运算，得到八个混沌序列{X1,X2,...,X8}，根据序列{X1,X2,...,X8}得到密钥流Pτ；
(3)为了增大序列的随机性和分布的均匀性，对超混沌序列{X1,X2,...,X8}进行均匀化处理，最终得到新的序列{Y1,Y2,...,Y8}，根据均匀化处理后的混沌序列组成密钥流K1，K2，K3，K4；
加密阶段：
(1)采用二维变分模态分解(2D-VMD)对R、G、B分量进行n层分解，n<＝8，分解为n个不同中心频率的子模态，分别得到子图像矩阵{R1,R2,...,Rn}，{G1,G2,...,Gn}，{B1,B2,...,Bn}；
(2)利用密钥流Pτ对得到的子图像矩阵{R1,R2,...,Rn}，{G1,G2,...,Gn}，{B1,B2,...,Bn}分别进行置乱操作，得到中间图像矩阵；
(3)利用密钥流K1，K2，K3，K4，对得到的中间图像进行像素值加密，改变图像像素值，得到每一个子图像的加密图像，根据每一个子图像的加密图像得到最终的n幅彩色加密图像；
解密阶段：
解密过程是加密过程的逆操作，通过解密过程得到彩色明文图像P。
2.根据权利要求1所述的方法，其特征在于：密钥产生阶段使用的八维超混沌系统描述如下：
八维超混沌系统的构建是在两个四维超混沌系统的基础上，通过耦合的方式得到；四维超混沌系统，其系统方程如下式(1)：
式中a，b，c，d，e，f是四维超混沌系统的参数；当a＝10，b＝5，c＝2，d＝-16，e＝1.5，f＝-50时，系统处于超混沌状态；
八维超混沌系统通过耦合两个相同的四维超混沌系统得到：
式中a，b，c，d，e，f，σ1和σ2是八维超混沌系统的参数；当a＝10，b＝5，c＝2，d＝-16，e＝1.5，f＝-50，σ1∈[0.005,0.5]，σ2∈[0.005,0.5]时，系统处于超混沌状态，其中σ1(x5-x6)和σ2(x1-x2)是两个线性耦合项；
利用八维超混沌系统产生密钥的详细步骤为：
步骤一：首先根据原图像可以得到R、G、B三个图层，然后选取八维超混沌系统的参数σ1和σ2，以及初始值xτ(0)(τ＝1,2,...,8)，利用明文图像，根据公式(3)～公式(12)更新系统的初始值和参数，得到新的参数和以及初始值
其中mod表示模运算符号，⊕表示按位异或运算；
步骤二：利用更新后的初始值迭代八维超混沌系统l+WH(l≥500)次，并丢弃前l个值，得到8个长度为WH的实值序列Xτ，τ＝1,2,...,8；分别对得到的八个序列进行排序，得到八个对应的位置序列，即密钥流Pτ＝{pτ(i)|τ＝1,2,...,8；i＝1,2,...,WH}；
步骤三：通过式(13)对序列Xτ，τ＝1,2,...,8，进行均匀化处理，得到序列yτ，τ＝1,2,...,8，
yτ(i)＝{[Xτ(i)-max(Xτ)]×[Xτ(i)-min(Xτ)]}/[max(Xτ)-min(Xτ)]2 (13)
其中max(Xτ)表示序列Xτ的最大值，min(Xτ)表示序列Xτ的最小值，yτ(i)表示得到的新序列值，τ＝1,2,...,8；
将得到的序列值经过二次处理，得到八个新的混沌序列：
Yτ(i)＝mod((|yτ(i)|-fix(|yτ(i)|))×10m,256) (14)
其中|x|表示取x的绝对值；fix(x)表示对x进行向0取整；mod(x,N)表示对x进行模N操作；Yτ(i)表示得到的新序列值，τ＝1,2,...,8；m为正整数，在本发明中取m＝14；
步骤四：根据得到的新序列Yτ，τ＝1,2,...,8，组成密钥流K1，K2，K3，K4，分别为：
K1＝floor{Y2(1),...,Y2(WH/4),Y5(WH/4+1),...,Y5(WH/2),Y7(WH/2+1),...,Y7(3WH/4),Y8(3WH/4+1),...,Y8(WH)} (15)
K2＝floor{Y3(1),...,Y3(WH/4),Y4(WH/4+1),...,Y4(WH/2),Y6(WH/2+1),...,Y6(3WH/4),Y5(3WH/4+1),...,Y5(WH)} (16)
K3＝floor{Y1(1),...,Y1(WH/4),Y3(WH/4+1),...,Y3(WH/2),Y4(WH/2+1),...,Y4(3WH/4),Y6(3WH/4+1),...,Y6(WH)} (17)
K4＝floor{Y4(1),...,Y4(WH/4),Y2(WH/4+1),...,Y2(WH/2),Y5(WH/2+1),...,Y5(3WH/4),Y7(3WH/4+1),...,Y7(WH)} (18) 。
3.根据权利要求1或2所述的方法，其特征在于：加密阶段的详细步骤为：
步骤一：将步骤(1)中得到子图像矩阵{R1,R2,...,Rn}，{G1,G2,...,Gn}，{B1,B2,...,Bn}转化成一维矩阵；
步骤二：对一维矩阵进行像素位置置乱，其过程为：
像素位置置乱所用到的密钥是对序列{X1,X2,...,X8}进行排序之后得到的位置索引Pτ，利用得到的位置索引Pτ(密钥流Pτ)对调整大小之后的矩阵进行像素位置置乱方法如下：
其中和分别代表各子图像调整大小之后的一维矩阵，Rk_shuffle(i)、Gk_shuffle(i)和Bk_shuffle(i)表示置乱之后的一维矩阵，k＝1,2,...,n，表示2D-VMD分解的模态个数；τ1,τ2,τ3＝1,2,...,8，pτ1、pτ2、pτ3均是Pτ的元素，表示τ1,τ2,τ3不相等；i＝1,2,...,WH，i表示像素个数；
步骤三：利用密钥流K1，K2，K3，K4，对置乱之后的矩阵进行异或操作的方法如下：
Rk_diffuse(i)＝bitxor(Rk_shuffle(i),Kλ1) (22)
Gk_diffuse(i)＝bitxor(Gk_shuffle(i),Kλ2) (23)
Bk_diffuse(i)＝bitxor(Bk_shuffle(i),Kλ3) (24)
其中Rk_diffuse(i)、Gk_diffuse(i)和Bk_diffuse(i)表示异或之后的一维矩阵，k＝1,2,...,n；λ1,λ2,λ3＝1,2,3,4，Kλ1、Kλ2、Kλ3分别是K1，K2，K3，K4其中的一个密钥流，λ1,λ2,λ3不相等；i＝1,2,...,WH；
步骤四：将异或加密之后的一维矩阵转化成大小为W×H的矩阵，得到最后各子图像的加密图像，即
Rk_ciper＝reshape(Rk_diffuse,W,H) (25)
Gk_ciper＝reshape(Gk_diffuse,W,H) (26)
Bk_ciper＝reshape(Bk_diffuse,W,H) (27)
步骤五：根据各层子图像的加密图像Rk_ciper、Gk_ciper、Bk_ciper，最后得到n幅对应的彩色加密图像。
4.根据权利要求3所述的方法，其特征在于：解密阶段的详细过程为：
解密过程是加密过程的逆操作，首先将接收到的彩色加密图像分解为R、G、B分量，然后分别执行逆异或和逆置乱操作，再进行2D-VMD重构，最后根据重构得到的R、G、B分量可得到最后的解密图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810154447.2A CN108322622B (zh) | 2018-02-23 | 2018-02-23 | 一种基于2d-vmd和八维超混沌系统的彩色数字图像加密方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810154447.2A CN108322622B (zh) | 2018-02-23 | 2018-02-23 | 一种基于2d-vmd和八维超混沌系统的彩色数字图像加密方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108322622A true CN108322622A (zh) | 2018-07-24 |
| CN108322622B CN108322622B (zh) | 2020-05-08 |
Family
ID=62900750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810154447.2A Expired - Fee Related CN108322622B (zh) | 2018-02-23 | 2018-02-23 | 一种基于2d-vmd和八维超混沌系统的彩色数字图像加密方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108322622B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109003314A (zh) * | 2018-08-14 | 2018-12-14 | 长春理工大学 | 基于四维量子Dicke映射的图像加密解密方法 |
| CN109407550A (zh) * | 2018-12-05 | 2019-03-01 | 重庆邮电大学 | 一种保守超混沌系统的构建及其fpga电路实现 |
| CN109918923A (zh) * | 2019-01-25 | 2019-06-21 | 哈尔滨理工大学 | 一种基于dna编码的多通道彩色图像混沌加密方法 |
| CN110430037A (zh) * | 2019-08-09 | 2019-11-08 | 福建师范大学福清分校 | 一种图像加密方法及终端 |
| CN110601813A (zh) * | 2019-09-17 | 2019-12-20 | 湖南科技大学 | 一种基于信号高维分解的混沌保密通信方法 |
| CN111047495A (zh) * | 2019-12-02 | 2020-04-21 | 深圳信息职业技术学院 | 基于超混沌与双随机相位编码的彩色图像加密方法及系统 |
| CN111222147A (zh) * | 2019-11-19 | 2020-06-02 | 重庆师范大学 | 一种基于邻近轨道演化的新混沌系统的图像加密方法 |
| CN111932430A (zh) * | 2020-01-15 | 2020-11-13 | 南京信息工程大学 | 一种基于fpga的图像加密方法 |
| CN112153238A (zh) * | 2020-09-28 | 2020-12-29 | 华侨大学 | 一种基于Tent映射和复合混沌映射的图像加密方法 |
| CN112261239A (zh) * | 2020-09-18 | 2021-01-22 | 太原理工大学 | 一种基于pud自适应分解的明文相关图像加密方法 |
| CN112737763A (zh) * | 2020-08-14 | 2021-04-30 | 西安理工大学 | 一种高效的批量彩色图像加/解密方法 |
| CN113595715A (zh) * | 2021-07-23 | 2021-11-02 | 华东交通大学 | 一种基于Logistic双像素矩形映射彩色图像加密及解密方法 |
| CN115022484A (zh) * | 2021-06-15 | 2022-09-06 | 天津科技大学 | 一种基于哈密顿保守混沌系统和二维离散小波变换的图像加密方法 |
| CN117278194A (zh) * | 2023-08-31 | 2023-12-22 | 兰州大学 | 新型八阶超混沌系统及其在图像中加密、解密的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104680476A (zh) * | 2015-03-03 | 2015-06-03 | 河南大学 | 基于二维离散小波变换和时空混沌的彩色图像无损加密方法 |
| CN106023051A (zh) * | 2016-05-06 | 2016-10-12 | 武汉理工大学 | 基于云模型和超混沌系统的dna图像加密方法及系统 |
| CN107220923A (zh) * | 2017-02-14 | 2017-09-29 | 陕西师范大学 | 基于映像网络的数字图像反馈加密方法 |
| CN107610034A (zh) * | 2017-09-06 | 2018-01-19 | 贵州航天计量测试技术研究所 | 基于混沌系统和二维可逆细胞自动机的图像加密方法 |
| CN107633474A (zh) * | 2017-04-16 | 2018-01-26 | 东北大学 | 一种具有快速密钥流生成过程的混沌彩色图像加密方法 |
-
2018
- 2018-02-23 CN CN201810154447.2A patent/CN108322622B/zh not_active Expired - Fee Related
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104680476A (zh) * | 2015-03-03 | 2015-06-03 | 河南大学 | 基于二维离散小波变换和时空混沌的彩色图像无损加密方法 |
| CN106023051A (zh) * | 2016-05-06 | 2016-10-12 | 武汉理工大学 | 基于云模型和超混沌系统的dna图像加密方法及系统 |
| CN107220923A (zh) * | 2017-02-14 | 2017-09-29 | 陕西师范大学 | 基于映像网络的数字图像反馈加密方法 |
| CN107633474A (zh) * | 2017-04-16 | 2018-01-26 | 东北大学 | 一种具有快速密钥流生成过程的混沌彩色图像加密方法 |
| CN107610034A (zh) * | 2017-09-06 | 2018-01-19 | 贵州航天计量测试技术研究所 | 基于混沌系统和二维可逆细胞自动机的图像加密方法 |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109003314A (zh) * | 2018-08-14 | 2018-12-14 | 长春理工大学 | 基于四维量子Dicke映射的图像加密解密方法 |
| CN109407550A (zh) * | 2018-12-05 | 2019-03-01 | 重庆邮电大学 | 一种保守超混沌系统的构建及其fpga电路实现 |
| CN109918923B (zh) * | 2019-01-25 | 2023-08-25 | 哈尔滨理工大学 | 一种基于dna编码的多通道彩色图像混沌加密方法 |
| CN109918923A (zh) * | 2019-01-25 | 2019-06-21 | 哈尔滨理工大学 | 一种基于dna编码的多通道彩色图像混沌加密方法 |
| CN110430037A (zh) * | 2019-08-09 | 2019-11-08 | 福建师范大学福清分校 | 一种图像加密方法及终端 |
| CN110430037B (zh) * | 2019-08-09 | 2022-10-28 | 福建师范大学福清分校 | 一种图像加密方法及终端 |
| CN110601813A (zh) * | 2019-09-17 | 2019-12-20 | 湖南科技大学 | 一种基于信号高维分解的混沌保密通信方法 |
| CN111222147A (zh) * | 2019-11-19 | 2020-06-02 | 重庆师范大学 | 一种基于邻近轨道演化的新混沌系统的图像加密方法 |
| CN111222147B (zh) * | 2019-11-19 | 2023-03-28 | 重庆师范大学 | 一种基于邻近轨道演化的新混沌系统的图像加密方法 |
| CN111047495B (zh) * | 2019-12-02 | 2023-05-26 | 深圳信息职业技术学院 | 基于超混沌与双随机相位编码的彩色图像加密方法及系统 |
| CN111047495A (zh) * | 2019-12-02 | 2020-04-21 | 深圳信息职业技术学院 | 基于超混沌与双随机相位编码的彩色图像加密方法及系统 |
| CN111932430A (zh) * | 2020-01-15 | 2020-11-13 | 南京信息工程大学 | 一种基于fpga的图像加密方法 |
| CN111932430B (zh) * | 2020-01-15 | 2023-05-26 | 南京信息工程大学 | 一种基于fpga的图像加密方法 |
| CN112737763A (zh) * | 2020-08-14 | 2021-04-30 | 西安理工大学 | 一种高效的批量彩色图像加/解密方法 |
| CN112737763B (zh) * | 2020-08-14 | 2022-05-27 | 西安理工大学 | 一种高效的批量彩色图像加/解密方法 |
| CN112261239B (zh) * | 2020-09-18 | 2022-05-17 | 太原理工大学 | 一种基于pud自适应分解的明文相关图像加密方法 |
| CN112261239A (zh) * | 2020-09-18 | 2021-01-22 | 太原理工大学 | 一种基于pud自适应分解的明文相关图像加密方法 |
| CN112153238B (zh) * | 2020-09-28 | 2022-07-15 | 华侨大学 | 一种基于Tent映射和复合混沌映射的图像加密方法 |
| CN112153238A (zh) * | 2020-09-28 | 2020-12-29 | 华侨大学 | 一种基于Tent映射和复合混沌映射的图像加密方法 |
| CN115022484A (zh) * | 2021-06-15 | 2022-09-06 | 天津科技大学 | 一种基于哈密顿保守混沌系统和二维离散小波变换的图像加密方法 |
| CN113595715A (zh) * | 2021-07-23 | 2021-11-02 | 华东交通大学 | 一种基于Logistic双像素矩形映射彩色图像加密及解密方法 |
| CN117278194A (zh) * | 2023-08-31 | 2023-12-22 | 兰州大学 | 新型八阶超混沌系统及其在图像中加密、解密的方法 |
| CN117278194B (zh) * | 2023-08-31 | 2024-09-10 | 兰州大学 | 新型八阶超混沌系统及其在图像中加密、解密的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108322622B (zh) | 2020-05-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108322622B (zh) | 一种基于2d-vmd和八维超混沌系统的彩色数字图像加密方法 | |
| CN106339976B (zh) | 一种加密方法 | |
| CN102982499B (zh) | 基于多分数阶混沌系统的彩色图像加密和解密方法 | |
| CN105681622B (zh) | 一种基于细胞神经网络超混沌和dna序列的彩色图像加密方法 | |
| CN104680476B (zh) | 基于二维离散小波变换和时空混沌的彩色图像无损加密方法 | |
| CN107220923B (zh) | 基于映像网络的数字图像反馈加密方法 | |
| CN107094072B (zh) | 一种基于广义Henon映射的混合混沌加密方法 | |
| CN107292184B (zh) | 图像加密方法、装置及密钥流生成方法和密钥流生成器 | |
| CN109102452A (zh) | 一种基于拉丁方阵置乱和双向扩散的图像加密方法 | |
| CN107274457A (zh) | 基于dna序列运算和变形耦合映像格子的双彩色图像加密方法 | |
| CN113556223A (zh) | 基于分数阶驱动响应系统有限时间同步的图像加密方法 | |
| Es-Sabry et al. | Securing images using high dimensional chaotic maps and DNA encoding techniques | |
| Panwar et al. | Towards deep learning for efficient image encryption | |
| CN116192362A (zh) | 一种李雅普诺夫指数可调的混沌系统及图像加、解密方法 | |
| CN110136045B (zh) | 一种基于两图像互置乱隐藏及恢复的方法 | |
| Patro et al. | Novel data encryption scheme using DNA computing | |
| CN116886270B (zh) | 一种基于国密算法与双混沌系统的三波段加密方法 | |
| Abuhaiba et al. | Image encryption using chaotic map and block chaining | |
| Ahmad et al. | A multi-level blocks scrambling based chaotic image cipher | |
| Mostafa et al. | A new chaos based medical image encryption scheme | |
| CN109214199B (zh) | 一种图像加密方法、系统和解密方法、系统 | |
| Shafique et al. | Securing high-resolution images from unmanned aerial vehicles with dna encoding and bit-plane extraction method | |
| Zhang et al. | Color Image Encryption Based on LSS-Type Coupled Mapped Lattice | |
| Patro et al. | An efficient two-level image encryption system using chaotic maps | |
| Dawood et al. | A Comprehensive Review of Color Image Encryption Technology |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200508 |