✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。
更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）
⛄一、混沌图像加密与解密简介
1 引言
混沌系统是一种高度复杂的非线性动态系统,具有对初始条件非常敏感的特性,由它产生的混沌序列具有随机特性。因此,常把混沌应用用于信息加密中。随着现代通信技术和网络技术的发展,尤其是电子商务的兴起,对信息加密提出了更高的要求。特别是对图像、声音等信息的加密尤为重要。
目前,对图像的加密还是基于传统的数据加密方式,没有利用图像本身的数据特性,因而存在一定的局限性。
本论文中提出的混沌序列生成方式形成新的混沌映射,该混沌映射比提出的混沌映射复杂度更高,而且生成整数值混沌序列仍然具有混沌特性。然后用生成的混沌序列直接加密图像,既改变像素的灰度也改变像素的位置,易实现、计算花费少,加密的实验结果表明其保密性很好,加密后的图像可以完全正确地还原成原始图像。
2 混沌影射
提出了一个具有良好随机统计特性的一维非线形混沌影射,由它生成的混沌序列为某一区域上的整数值混沌序列,具有随机性,且对初值极其敏感。其定义如下:
其中xk∈{1,2,…,m},参数a∈{1,2,…,m},([z],[z]分别表示不大于z的最大整数和不小于z的最小整数。
混沌影射(1)经过n次迭代后形成新混沌影射(2),如下所示,即为本文要运用的影射,同样具有上述混沌影射(1)的混沌特性,记为:
当给定初始值x0,参数a,m的值和迭代次数n的值就确定了由混沌系统(2)生成混沌序列:{xk;k=0,1,2,3…}。该序列具有混沌特性,对初值条件x0极为敏感。本文把参数a与n也作为初始条件,即把有序数组(x0,a,n)一起作为密钥,则攻击混沌系统(2)成功的概率比只把xo作为密钥时攻击成功的概率更小。
举例说明混沌影射(2)生成混沌序列的具体过程。例如:产生[1,371]的一个整数混沌序列,取参数m=371,a=205,下表为混沌序列产生过程,表第一行为迭代次数n,第一列为xk,表中为对应某一xk,n的xk+1:
表1
3 图像加密解密算法
本文用混沌系统(2)生成的混沌序列加密图像,既改变图像像素的位置,同时也改变图像像素的灰度值,该算法简洁、易实现。
3.1 加、解密算法设计
设原始图像为IR,用(i,j,g(i,j))表示这一张图像,(i,j)为某一像素标值,g(i,j)表示该像素的灰度值,这一张图像的大小为M×N个像素。其中0≤i≤M-1,0≤j≤N-1,L为该图像的灰度水平。
3.1.1 加密算法设计
Step 1:输入M,N,原始图像IR=(i,j,g(i,j))。
Step 2:输入一维混沌影射(2)的初始值x0,设置参数a,m的值和迭代次数n的值,用混沌影射(2)生成混沌序列:x0,x1,x2,…,xM+N-1。
Step 3:
利用第二步生成的混沌序列将图像的每行像素右移(循环移动)变换到该行的另一位置,像素的灰度值不改变。变换得到的图像为:(i,j,g1(i,j))。
Step4:
这一步在第三步得到的变换结果(i,j,g1(i,j))的基础上,利用第二步生成的混沌序列将图像的每列像素向下移动(循环移动)变换到该列的另一位置,像素的灰度值不改变。变换得到的图像为:(i,j,g2(i,j))。
Step 6:将第四步得到的结果(i,j,g2(i,j))的每一像素的灰度值改变。
得到加密图像的各个像素的新的灰度值g’(i,j),生成加密图像IE=(i=(i,j,g’(i,j))。
Step 7:终止算法。
3.1.2 解密算法设计
Step1:输入M,N以及加密图像IE。
Step3:
这一步是加密过程的第六步的逆过程,利用第二步生成的混沌序列将加密图像的每一像素的灰度值改变,还原成原来的相应灰度值。得到结果为:(i,j,g2(i,j))。
Step4:输入一维混沌影射(2)的初始值x0,设置参数a,m的值和迭代次数n的值,用混沌影射(2)生成混沌序列:x0,x1,x2,…,xM+N-1。这一步是加密过程的第二步的一致。
Step 5:
这一步是加密过程的第四步的逆过程,将图像(i,j,g2(i,j)的每列像素向上移动(循环移动)变换到该列的另一位置,像素的灰度值不改变。得到的结果为:(i,j,g1,(i,j))。
Step 6:
这一步是加密过程的第三步的逆过程,将图像(i,j,g2(i,j))的每列像素向下左移动(循环移动)变换到该列的另一位置,像素的灰度值不改变。得到的结果为:(i,j,g(i,j))。
得到解密图像的各个像素的新的灰度值,生成解密加密图像ID=(i,j,g(i,j))=IR。还原图像。
Step 7:终止算法。
3.2 加密解密结构图
⛄二、部分源代码
function varargout = pjimage(varargin)
% PJIMAGE MATLAB code for pjimage.fig
% PJIMAGE, by itself, creates a new PJIMAGE or raises the existing
% singleton*.
%
% H = PJIMAGE reurns the handle to a new PJIMAGE or the handle to
% the existing singleton*.
%
% PJIMAGE(‘CALLBACK’,hObject,eventData,handles,…) calls the local
% function named CALLBACK in PJIMAGE.M with the given input arguments.
%
% PJIMAGE(‘Property’,‘Value’,…) creates a new PJIMAGE or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before pjimage_OpeningFcn gets called. An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to pjimage_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE’s Tools menu. Choose “GUI allows only one
% instance to run (singleton)”.
%
% See also: GUIDE, GUIDATA, GUIHANDLES
% Edit the above text to modify the response to help pjimage
% Last Modified by GUIDE v2.5 23-May-2011 09:56:32
% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct(‘gui_Name’, mfilename, …
‘gui_Singleton’, gui_Singleton, …
‘gui_OpeningFcn’, @pjimage_OpeningFcn, …
‘gui_OutputFcn’, @pjimage_OutputFcn, …
‘gui_LayoutFcn’, [] , …
‘gui_Callback’, []);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT
% — Executes just before pjimage is made visible.
function pjimage_OpeningFcn(hObject, eventdata, handles, varargin)
% This function has no output args, see OutputFcn.
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% varargin command line arguments to pjimage (see VARARGIN)
% Choose default command line output for pjimage
handles.output = hObject;
% Ԥ س ʼ
load(‘mixparam_data.mat’)
set(handles.edit1,‘string’,num2str(u))
% Update handles structure
guidata(hObject, handles);
setappdata(handles.figure_pjimage,‘img_src’,0);
setappdata(handles.figure_pjimage,‘imCp’,0);
set(handles.text1,‘visible’,‘off’)
set(handles.text2,‘visible’,‘off’)
set(handles.text3,‘visible’,‘off’)
set(handles.text4,‘visible’,‘off’)
set(handles.text5,‘visible’,‘off’)
set(handles.text6,‘visible’,‘off’)
set(handles.text9,‘visible’,‘off’)
set(handles.text10,‘visible’,‘off’)
set(handles.m_image_change,‘enable’,‘off’)
set(handles.m_image_mix1,‘enable’,‘off’)
% UIWAIT makes pjimage wait for user response (see UIRESUME)
% uiwait(handles.figure_pjimage);
% — Outputs from this function are returned to the command line.
function varargout = pjimage_OutputFcn(hObject, eventdata, handles)
% varargout cell array for returning output args (see VARARGOUT);
% hObject handle to figure
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
% Get default command line output from handles structure
varargout{1} = handles.output;
% --------------------------------------------------------------------
function m_file_Callback(hObject, eventdata, handles)
function m_image_Callback(hObject, eventdata, handles)
% --------------------------------------------------------------------
function m_image_change_Callback(hObject, eventdata, handles)
% ȡ ܵ ļ
x=imread(‘src_column_jia.bmp’);
% ʾͼƬ
axes(handles.axes_srcmix_jia); %ʹ õڶ axes
imshow(x);
set(handles.text9,‘visible’,‘on’)
set(handles.text9,‘String’,‘ԭͼ м ‘);
img_src=getappdata(handles.figure_pjimage,‘img_src’);
[M,N] = size(img_src);
Rm= randsample(M,M)’;
Mchange = [1:1:M;Rm];
Rn = randsample(N,N)’;
Nchange = [1:1:N;Rn];
% ˳
img_src (Mchange(1,:)😅 = img_src (Mchange(2,:)😅;
% ˳
img_src (:,Nchange(1,:)) = img_src (:,Nchange(2,:));
%ԭͼ б任 ԭ
axes(handles.axes_jian_line); %ʹ õ axes
imshow(img_src);
set(handles.text2,‘visible’,‘on’)
set(handles.text2,‘String’,'ԭͼ - н ‘);
%ԭͼ б任 ԭ
img_src (:,Nchange(2,:)) = img_src (:,Nchange(1,:));
axes(handles.axes_jian_column); %ʹ õ axes
img_src (Mchange(2,:)😅 = img_src (Mchange(1,:)😅;
imshow(img_src);
set(handles.text3,‘visible’,‘on’)
set(handles.text3,‘String’,‘ԭͼ - ܺ ͼ ‘);
imwrite(img_src,‘src_change_encop.bmp’,‘bmp’);
% ͼ
% ȡ ܵ ļ
x=imread(‘intercept_column_jia.bmp’);
% ʾͼƬ
axes(handles.axes_intercept_mix_jia); %ʹ õڶ axes
imshow(x);
set(handles.text10,‘visible’,‘on’)
set(handles.text10,‘String’,’ ȡͼ м ‘);
% ͼ
imCp = imcrop( img_src, [212,100,181,168] );
% ͼ ܿ ʼ
[M,N] = size(imCp);
Rm= randsample(M,M)’;
Mchange = [1:1:M;Rm];
Rn = randsample(N,N)’;
Nchange = [1:1:N;Rn];
% ˳
imCp (Mchange(1,:)😅 = imCp (Mchange(2,:)😅;
% ˳
imCp (:,Nchange(1,:)) = imCp (:,Nchange(2,:));
% ȡͼ н
imCp (:,Nchange(2,:)) = imCp (:,Nchange(1,:));
axes(handles.axes_intercept_linedest); %ʹ õ axes
imshow(imCp);
set(handles.text5,‘visible’,‘on’)
set(handles.text5,‘String’,’ ȡͼ- н ‘);
% ȡͼ н
imCp (Mchange(2,:)😅 = imCp (Mchange(1,:)😅;
axes(handles.axes_intercept_columndest); %ʹ õ axes
imshow(imCp);
set(handles.text6,‘visible’,‘on’)
set(handles.text6,‘String’,’ ȡͼ- ܺ ͼ ');
imwrite(imCp,‘intercept_change_encop.bmp’,‘bmp’);
% — Executes on button press in gcf.
function gcf_Callback(hObject, eventdata, handles)
% hObject handle to gcf (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
%run(image_register);
%set(pjimage,‘Visible’,‘off’);% رյ ǰ
h=figure(image_register);
image_register(‘Visible’,‘on’);
% — Executes on button press in m_image_open.
function m_image_open_Callback(hObject, eventdata, handles)
% hObject handle to m_image_open (see GCBO)
% eventdata reserved - to be defined in a future version of MATLAB
% handles structure with handles and user data (see GUIDATA)
[filename, pathname] = uigetfile( …
{ ‘.jpg;.tif;.png;.gif’,‘All Image Files’;…
‘.’,‘All Files’ },‘Pick an image’);
if isequal(filename,0)||isequal(pathname,0)
return; % ȡ
end
fpath=[pathname filename]; % ϳ · + ļ
img_src=imread(fpath);
imCp = imcrop( img_src, [212,100,181,168] );
axes(handles.axes_src); %ʹ õ һ axes
imshow(img_src);
set(handles.text1,‘visible’,‘on’)
set(handles.text1,‘String’,‘ԭͼ ‘);
axes(handles.axes_intercept_src);
imshow(imCp);
set(handles.text4,‘visible’,‘on’)
set(handles.text4,‘String’,’ ȡͼ’);
setappdata(handles.figure_pjimage,‘img_src’,img_src);
setappdata(handles.figure_pjimage,‘imCp’,imCp);
set(handles.m_image_change,‘enable’,‘on’)
set(handles.m_image_mix1,‘enable’,‘on’)
⛄三、运行结果
⛄四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1]陈永红,黄席樾.基于混沌序列的图像加密解密算法[J].计算机科学. 2003,(12)
3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除
🍅 仿真咨询
1 各类智能优化算法改进及应用
生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化
2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断
3 图像处理方面
图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知
4 路径规划方面
旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化
5 无人机应用方面
无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配
6 无线传感器定位及布局方面
传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化
7 信号处理方面
信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化
8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置
9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长
10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合
扫一扫
391
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
