【图像加密】双随机相位结构结合菲涅尔变换图像加密【含Matlab源码 4324期】

最新推荐文章于 2024-06-14 19:00:00 发布

Matlab武动乾坤

最新推荐文章于 2024-06-14 19:00:00 发布

阅读量757

点赞数 17

分类专栏： Matlab图像处理（进阶版）文章标签： matlab

本文链接：https://blog.csdn.net/KeepingMatlab/article/details/138021623

版权

Matlab图像处理（进阶版）专栏收录该内容

814 篇文章 10 订阅

订阅专栏

✅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。

⛄一、双随机相位结构结合菲涅尔变换无透镜光学加密简介

1 前言
1995年，美国学者提出的基于４犳系统的双随机相位编码技术是光学理论在信息安全领域的重大运用。在该技术的基础上，许多研究人员展开了多方面的深入研究，提出了大量新的图像加密方法。但随着研究的深入，科研人员发现目前大多数光学图像加密技术，尤其是以双随机相位编码为典型代表的对称光学加密体制（加密过程与解密过程、加密密钥与解密密钥均相同）由于存在着线性这一性质，系统的安全性存在极大的隐患。2005年，提出了一种针对双随机相位编码系统的选择密文攻击方法，破解了解密密钥；2006年，提出了选择明文攻击和已知明文攻击的方法，破解了双随机相位加密系统。鉴于此，2008年，提出了在双随机相位编码系统的频域增加
振幅板的改进方案，用以抵御已知明文攻击。然而，该方法并没有从本质上改变加密系统的对称性，对于其他攻击方案，其安全性仍待检验。2012年，构造了一种结合选择明文和已知明文的两步攻击方法破解了该系统。2010年，提出了一种基于切相傅里叶变换的光学非线性密码系统。该加密系统去除了经典双随机相位编码系统的线性特点，有效地抵制了暴力攻击、选择明文等多种攻击，显示出了比传统的基于双随机加密的对称加密方法更高的安全性。然而，最近的研究发现基于切相傅里叶变换的单图像加密系统也存在安全隐患，当系统中的两个加密密钥作为公开密钥时，利用基于两步迭代振幅相位恢复算法的特定攻击方法可以同时破解出原始信息和两个解密密钥。

本文提出了一种基于双随机相位编码技术的非线性双图像加密方法。该方法的加密过程是非线性的，而解密过程则是线性的。在加密过程中，先将两
幅待加密图像复合为复振幅图像，接着利用双随机相位编码技术和切相傅里叶变换进行加密。两个解密密钥在加密过程中生成，解密过程则在经典的基
于４犳系统的双随机相位编码系统中完成。研究表明，该双图像加密方法除了能够抵抗暴力攻击、选择明文攻击之外，还能够抵御基于两步振幅相位恢复算法的特定攻击。

２加密方法的基本原理及安全性分析
2.１图像的加密过程
基于经典的双随机相位加密的图像加密方法由于加密系统的线性和对称性，安全性存在问题，在加密过程中引入非线性，可以提高系统的安全性。双
在这里插入图片描述
2.2 解密过程

2.3 安全性分析
本文提出的双图像加密方法的加密过程具有非线性。已经证明，基于双随机相位编码技术的非线性图像加密系统可以抵抗暴力攻击、选择明文攻击等在内的多种攻击方法。因此，相比传统的基于双随机相位编码的对称加密方法，本文提出的双图像加密方法具有更高的安全性。但是需要指出的是，最近的研究表明，基于切相傅里叶变换的非线性单图像加密系统并不能抵御基于两步振幅相位恢复算法的特定攻击。

3 双随机相位结构结合菲涅尔变换无透镜光学加密
双随机相位结构结合菲涅尔变换无透镜光学加密是一种基于光学原理的加密方法，它可以实现对图像或信息的保护和传输。下面是该加密原理的介绍：

（1）双随机相位结构：双随机相位结构是指在加密过程中使用两个随机相位进行干扰。这两个随机相位可以是随机数生成器生成的，也可以是事先设定好的。

（2）菲涅尔变换：菲涅尔变换是一种光学变换方法，它可以将输入图像转换为复数形式的输出图像。菲涅尔变换包括两个步骤：衍射和透镜变换。衍射过程将输入图像分解为不同的波前，而透镜变换则对每个波前进行相位调制和幅度调制。

（3）无透镜光学加密：在无透镜光学加密中，输入图像经过双随机相位结构和菲涅尔变换后，得到一个复数形式的输出图像。这个输出图像可以通过光学系统进行传输或存储。解密时，通过对输出图像进行逆菲涅尔变换和逆双随机相位结构处理，可以恢复出原始的输入图像。

通过双随机相位结构结合菲涅尔变换无透镜光学加密，可以实现对图像或信息的加密和解密，保护数据的安全性和隐私性。

⛄二、部分源代码

%%
%图像加密%
clear %清除所有变量，包括全局变量global
close all
clc %清除命令窗口
clf %清除子图
tic %与toc一起用于计算程序运行时间
%%
img=imread(‘lena.jpg’);
img=im2double(img);

%%
%提取R G B分量%
R1 =double(img(:,:,1));
figure(2);
imshow(R1,[])
title(‘红色分量’);
figure(3);
imhist(R1);
title(‘Histogram of R1’);
xlabel(‘Gray Value’);
ylabel(‘Distribution’);

G1 =double(img(:,:,2));
figure(4);
imshow(G1,[])
title(‘绿色分量’);
figure(5);
imhist(G1);
title(‘Histogram of G1’);
xlabel(‘Gray Value’);
ylabel(‘Distribution’);

B1 =double(img(:,:,3));
figure(6);
imshow(B1,[])
title(‘蓝色分量’);
figure(7);
imhist(B1);
title(‘Histogram of B1’);
xlabel(‘Gray Value’);
ylabel(‘Distribution’);

⛄三、运行结果

在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1]杨晓苹,高丽娟,王晓雷,翟宏琛,王明伟.基于双相位编码的单通道彩色图像加密[J].物理学报. 2009,58(03)

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
1.1 PID优化
1.2 VMD优化
1.3 配电网重构
1.4 三维装箱
1.5 微电网优化
1.6 优化布局
1.7 优化参数
1.8 优化成本
1.9 优化充电
1.10 优化调度
1.11 优化电价
1.12 优化发车
1.13 优化分配
1.14 优化覆盖
1.15 优化控制
1.16 优化库存
1.17 优化路由
1.18 优化设计
1.19 优化位置
1.20 优化吸波
1.21 优化选址
1.22 优化运行
1.23 优化指派
1.24 优化组合
1.25 车间调度
1.26 生产调度
1.27 经济调度
1.28 装配线调度
1.29 水库调度
1.30 货位优化
1.31 公交排班优化
1.32 集装箱船配载优化
1.33 水泵组合优化
1.34 医疗资源分配优化
1.35 可视域基站和无人机选址优化

2 机器学习和深度学习分类与预测
2.1 机器学习和深度学习分类
2.1.1 BiLSTM双向长短时记忆神经网络分类
2.1.2 BP神经网络分类
2.1.3 CNN卷积神经网络分类
2.1.4 DBN深度置信网络分类
2.1.5 DELM深度学习极限学习机分类
2.1.6 ELMAN递归神经网络分类
2.1.7 ELM极限学习机分类
2.1.8 GRNN广义回归神经网络分类
2.1.9 GRU门控循环单元分类
2.1.10 KELM混合核极限学习机分类
2.1.11 KNN分类
2.1.12 LSSVM最小二乘法支持向量机分类
2.1.13 LSTM长短时记忆网络分类
2.1.14 MLP全连接神经网络分类
2.1.15 PNN概率神经网络分类
2.1.16 RELM鲁棒极限学习机分类
2.1.17 RF随机森林分类
2.1.18 SCN随机配置网络模型分类
2.1.19 SVM支持向量机分类
2.1.20 XGBOOST分类

2.2 机器学习和深度学习预测
2.2.1 ANFIS自适应模糊神经网络预测
2.2.2 ANN人工神经网络预测
2.2.3 ARMA自回归滑动平均模型预测
2.2.4 BF粒子滤波预测
2.2.5 BiLSTM双向长短时记忆神经网络预测
2.2.6 BLS宽度学习神经网络预测
2.2.7 BP神经网络预测
2.2.8 CNN卷积神经网络预测
2.2.9 DBN深度置信网络预测
2.2.10 DELM深度学习极限学习机预测
2.2.11 DKELM回归预测
2.2.12 ELMAN递归神经网络预测
2.2.13 ELM极限学习机预测
2.2.14 ESN回声状态网络预测
2.2.15 FNN前馈神经网络预测
2.2.16 GMDN预测
2.2.17 GMM高斯混合模型预测
2.2.18 GRNN广义回归神经网络预测
2.2.19 GRU门控循环单元预测
2.2.20 KELM混合核极限学习机预测
2.2.21 LMS最小均方算法预测
2.2.22 LSSVM最小二乘法支持向量机预测
2.2.23 LSTM长短时记忆网络预测
2.2.24 RBF径向基函数神经网络预测
2.2.25 RELM鲁棒极限学习机预测
2.2.26 RF随机森林预测
2.2.27 RNN循环神经网络预测
2.2.28 RVM相关向量机预测
2.2.29 SVM支持向量机预测
2.2.30 TCN时间卷积神经网络预测
2.2.31 XGBoost回归预测
2.2.32 模糊预测
2.2.33 奇异谱分析方法SSA时间序列预测

2.3 机器学习和深度学习实际应用预测
CPI指数预测、PM2.5浓度预测、SOC预测、财务预警预测、产量预测、车位预测、虫情预测、带钢厚度预测、电池健康状态预测、电力负荷预测、房价预测、腐蚀率预测、故障诊断预测、光伏功率预测、轨迹预测、航空发动机寿命预测、汇率预测、混凝土强度预测、加热炉炉温预测、价格预测、交通流预测、居民消费指数预测、空气质量预测、粮食温度预测、气温预测、清水值预测、失业率预测、用电量预测、运输量预测、制造业采购经理指数预测

3 图像处理方面
3.1 图像边缘检测
3.2 图像处理
3.3 图像分割
3.4 图像分类
3.5 图像跟踪
3.6 图像加密解密
3.7 图像检索
3.8 图像配准
3.9 图像拼接
3.10 图像评价
3.11 图像去噪
3.12 图像融合
3.13 图像识别
3.13.1 表盘识别
3.13.2 车道线识别
3.13.3 车辆计数
3.13.4 车辆识别
3.13.5 车牌识别
3.13.6 车位识别
3.13.7 尺寸检测
3.13.8 答题卡识别
3.13.9 电器识别
3.13.10 跌倒检测
3.13.11 动物识别
3.13.12 二维码识别
3.13.13 发票识别
3.13.14 服装识别
3.13.15 汉字识别
3.13.16 红绿灯识别
3.13.17 虹膜识别
3.13.18 火灾检测
3.13.19 疾病分类
3.13.20 交通标志识别
3.13.21 卡号识别
3.13.22 口罩识别
3.13.23 裂缝识别
3.13.24 目标跟踪
3.13.25 疲劳检测
3.13.26 旗帜识别
3.13.27 青草识别
3.13.28 人脸识别
3.13.29 人民币识别
3.13.30 身份证识别
3.13.31 手势识别
3.13.32 数字字母识别
3.13.33 手掌识别
3.13.34 树叶识别
3.13.35 水果识别
3.13.36 条形码识别
3.13.37 温度检测
3.13.38 瑕疵检测
3.13.39 芯片检测
3.13.40 行为识别
3.13.41 验证码识别
3.13.42 药材识别
3.13.43 硬币识别
3.13.44 邮政编码识别
3.13.45 纸牌识别
3.13.46 指纹识别

3.14 图像修复
3.15 图像压缩
3.16 图像隐写
3.17 图像增强
3.18 图像重建

4 路径规划方面
4.1 旅行商问题（TSP）
4.1.1 单旅行商问题（TSP）
4.1.2 多旅行商问题（MTSP）
4.2 车辆路径问题（VRP）
4.2.1 车辆路径问题（VRP）
4.2.2 带容量的车辆路径问题（CVRP）
4.2.3 带容量+时间窗+距离车辆路径问题（DCTWVRP）
4.2.4 带容量+距离车辆路径问题（DCVRP）
4.2.5 带距离的车辆路径问题（DVRP）
4.2.6 带充电站+时间窗车辆路径问题（ETWVRP）
4.2.3 带多种容量的车辆路径问题（MCVRP）
4.2.4 带距离的多车辆路径问题（MDVRP）
4.2.5 同时取送货的车辆路径问题（SDVRP）
4.2.6 带时间窗+容量的车辆路径问题（TWCVRP）
4.2.6 带时间窗的车辆路径问题（TWVRP）
4.3 多式联运运输问题

4.4 机器人路径规划
4.4.1 避障路径规划
4.4.2 迷宫路径规划
4.4.3 栅格地图路径规划

4.5 配送路径规划
4.5.1 冷链配送路径规划
4.5.2 外卖配送路径规划
4.5.3 口罩配送路径规划
4.5.4 药品配送路径规划
4.5.5 含充电站配送路径规划
4.5.6 连锁超市配送路径规划
4.5.7 车辆协同无人机配送路径规划

4.6 无人机路径规划
4.6.1 飞行器仿真
4.6.2 无人机飞行作业
4.6.3 无人机轨迹跟踪
4.6.4 无人机集群仿真
4.6.5 无人机三维路径规划
4.6.6 无人机编队
4.6.7 无人机协同任务
4.6.8 无人机任务分配

5 语音处理
5.1 语音情感识别
5.2 声源定位
5.3 特征提取
5.4 语音编码
5.5 语音处理
5.6 语音分离
5.7 语音分析
5.8 语音合成
5.9 语音加密
5.10 语音去噪
5.11 语音识别
5.12 语音压缩
5.13 语音隐藏

6 元胞自动机方面
6.1 元胞自动机病毒仿真
6.2 元胞自动机城市规划
6.3 元胞自动机交通流
6.4 元胞自动机气体
6.5 元胞自动机人员疏散
6.6 元胞自动机森林火灾
6.7 元胞自动机生命游戏

7 信号处理方面
7.1 故障信号诊断分析
7.1.1 齿轮损伤识别
7.1.2 异步电机转子断条故障诊断
7.1.3 滚动体内外圈故障诊断分析
7.1.4 电机故障诊断分析
7.1.5 轴承故障诊断分析
7.1.6 齿轮箱故障诊断分析
7.1.7 三相逆变器故障诊断分析
7.1.8 柴油机故障诊断

7.2 雷达通信
7.2.1 FMCW仿真
7.2.2 GPS抗干扰
7.2.3 雷达LFM
7.2.4 雷达MIMO
7.2.5 雷达测角
7.2.6 雷达成像
7.2.7 雷达定位
7.2.8 雷达回波
7.2.9 雷达检测
7.2.10 雷达数字信号处理
7.2.11 雷达通信
7.2.12 雷达相控阵
7.2.13 雷达信号分析
7.2.14 雷达预警
7.2.15 雷达脉冲压缩
7.2.16 天线方向图
7.2.17 雷达杂波仿真

7.3 生物电信号
7.3.1 肌电信号EMG
7.3.2 脑电信号EEG
7.3.3 心电信号ECG
7.3.4 心脏仿真

7.4 通信系统
7.4.1 DOA估计
7.4.2 LEACH协议
7.4.3 编码译码
7.4.4 变分模态分解
7.4.5 超宽带仿真
7.4.6 多径衰落仿真
7.4.7 蜂窝网络
7.4.8 管道泄漏
7.4.9 经验模态分解
7.4.10 滤波器设计
7.4.11 模拟信号传输
7.4.12 模拟信号调制
7.4.13 数字基带信号
7.4.14 数字信道
7.4.15 数字信号处理
7.4.16 数字信号传输
7.4.17 数字信号去噪
7.4.18 水声通信
7.4.19 通信仿真
7.4.20 无线传输
7.4.21 误码率仿真
7.4.22 现代通信
7.4.23 信道估计
7.4.24 信号检测
7.4.25 信号融合
7.4.26 信号识别
7.4.27 压缩感知
7.4.28 噪声仿真
7.4.29 噪声干扰