【图像加密】基于MATLAB的图像加解密及2ASK传输仿真

 ✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，

代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

🔥 内容介绍

​摘要

本文介绍了一种基于2ASK调制的图像加解密方法。该方法利用2ASK调制将图像信号调制成数字信号，然后利用混沌映射对数字信号进行加密。解密时，利用混沌映射的反向映射对加密后的数字信号进行解密，然后利用2ASK解调将数字信号解调成图像信号。仿真结果表明，该方法能够有效地对图像进行加解密，并且具有较好的抗噪声能力。

1. 图像加解密算法

1.1 图像加密算法

图像加密算法的主要思想是将图像信号调制成数字信号，然后利用混沌映射对数字信号进行加密。具体步骤如下：

1. 将图像信号灰度化。

2. 将灰度图像转换为二值图像。

3. 将二值图像转换为数字信号。

4. 利用混沌映射对数字信号进行加密。

1.2 图像解密算法

图像解密算法的主要思想是利用混沌映射的反向映射对加密后的数字信号进行解密，然后利用2ASK解调将数字信号解调成图像信号。具体步骤如下：

1. 利用混沌映射的反向映射对加密后的数字信号进行解密。

2. 将解密后的数字信号转换为二值图像。

3. 将二值图像转换为灰度图像。

4. 将灰度图像转换为图像信号。

📣 部分代码

​% CypherflowReceive=CypherflowSig;​​​%%%经过信道加入加性噪声for i=1:row    for j=1:col             CypherflowSigNoise{i,j}=CypherflowSig{i,j}+10^(NoisePower/10)*randn(1,8);            endend​%%%电平判决将2ASK转换为01比特for i=1:row    for j=1:col                  temp01=CypherflowSigNoise{i,j};          tempSigReceive=zeros(1,8);       for k=1:8           if(temp01(k)>0)               tempSigReceive(k)=1;           else              tempSigReceive(k)=0;           end       end              CypherflowSigRec{i,j}=tempSigReceive;                     endend​%%%%得到判决后的输出信号CypherflowReceive= CypherflowSigRec;​

⛳️ 运行结果

为了验证该方法的有效性，我们进行了仿真实验。实验中，我们使用了一幅512×512的灰度图像作为原始图像。我们将原始图像加密后，再通过2ASK调制将其传输到接收端。在接收端，我们将接收到的数字信号解密后，再利用2ASK解调将其解调成图像信号。

仿真结果表明，该方法能够有效地对图像进行加解密，并且具有较好的抗噪声能力。下图给出了原始图像、加密图像和解密图像的对比图。

3. 结论

本文介绍了一种基于2ASK调制的图像加解密方法。该方法利用2ASK调制将图像信号调制成数字信号，然后利用混沌映射对数字信号进行加密。解密时，利用混沌映射的反向映射对加密后的数字信号进行解密，然后利用2ASK解调将数字信号解调成图像信号。仿真结果表明，该方法能够有效地对图像进行加解密，并且具有较好的抗噪声能力。

🔗 参考文献

[1] 庞泽峰.基于混沌算法的数字图像加解密系统及Matlab仿真[D].昆明理工大学,2017.

[2] 刘越,石翠萍,史文强,等.基于MATLAB的光学图像加密解密技术[J].信息通信, 2022(035-002).

[3] 张英伟.基于matlab的数字图像des加密解密研究[J].信息技术与信息化, 2014(5):2.DOI:CNKI:SUN:SDDZ.0.2014-05-109.

🎈 部分理论引用网络文献，若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码、论文复现、期刊合作、论文辅导及科研仿真定制

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

2.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

3 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

4 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、无人机安全通信轨迹在线优化

5 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

6 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

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合