【图像加密】基于双随机相位结构结合菲涅尔变换实现图像加密系统附matlab代码

Matlab科研辅导帮

于 2024-04-14 10:55:06 发布

阅读量609

点赞数 17

分类专栏：图像处理文章标签： matlab 开发语言

本文链接：https://blog.csdn.net/m0_60703264/article/details/137739467

版权

图像处理专栏收录该内容

585 篇文章 72 订阅

订阅专栏

✅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

物理应用机器学习

🔥 内容介绍

在信息时代，图像加密已成为保障数据安全的重要手段。传统加密算法存在安全性低、计算复杂度高等问题。本文提出了一种基于双随机相位结构结合菲涅尔变换的图像加密系统，以解决传统算法的不足。

双随机相位结构

双随机相位结构是一种具有伪随机特性的相位结构，由两个独立的随机相位序列组成。其特点是相位分布均匀，相关性低，可有效增强图像加密的安全性。

菲涅尔变换

菲涅尔变换是一种积分变换，可将图像从空间域转换为频域。它具有线性、可逆等性质，在图像处理领域应用广泛。

加密系统设计

我们的图像加密系统由以下步骤组成：

**生成双随机相位结构：**使用高斯白噪声生成两个独立的相位序列，构成双随机相位结构。
**图像预处理：**将原图像转换为灰度图像，并进行归一化处理。
**相位编码：**将双随机相位结构与图像相乘，进行相位编码。
**菲涅尔变换：**对相位编码后的图像进行菲涅尔变换，将其转换为频域。
**随机置乱：**对频域图像进行随机置乱，进一步增强加密强度。
**反菲涅尔变换：**对置乱后的频域图像进行反菲涅尔变换，将其转换为空间域。
**相位解码：**将反菲涅尔变换后的图像与双随机相位结构相除，进行相位解码。

解密系统设计

解密系统与加密系统类似，但步骤相反：

**生成双随机相位结构：**使用相同的种子生成与加密时相同的双随机相位结构。
**相位编码：**将加密后的图像与双随机相位结构相乘，进行相位编码。
**菲涅尔变换：**对相位编码后的图像进行菲涅尔变换，将其转换为频域。
**随机反置乱：**对频域图像进行随机反置乱，恢复原图像的顺序。
**反菲涅尔变换：**对反置乱后的频域图像进行反菲涅尔变换，将其转换为空间域。
**相位解码：**将反菲涅尔变换后的图像与双随机相位结构相除，进行相位解码。

安全性分析

我们的加密系统具有以下安全性特点：

**密钥空间大：**双随机相位结构和随机置乱密钥空间巨大，难以暴力破解。
**抗攻击性强：**系统对各种攻击（如统计攻击、差分攻击等）具有较强的抵抗力。
**解密效率高：**解密过程与加密过程类似，解密效率与加密效率相当。

实验结果

我们对提出的加密系统进行了实验验证。结果表明，系统具有良好的加密效果和解密效率。加密后的图像视觉上与原图像完全不同，难以识别。解密后的图像与原图像高度相似，误差极小。

结论

本文提出的基于双随机相位结构结合菲涅尔变换的图像加密系统是一种安全高效的图像加密方法。它具有密钥空间大、抗攻击性强、解密效率高等优点。该系统可广泛应用于图像安全传输、存储和处理等领域。

📣 部分代码

%*****两个相邻像素点的相关性分析*****%clear all                %清除所有变量，包括全局变量globalclc                      %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);N=10000;                 %相邻点的对数[hor1,ver1,dia1]=img_cov(img,N);%水平，垂直，斜对角方向计算相关性%%R1 =double(img(:,:,1));G1 =double(img(:,:,2));B1 =double(img(:,:,3));[M,N]=size(R1);[H,W]=size(G1);[P,Q]=size(B1);dx0=1/M;dy0=1/N;i=sqrt(-1);  %sqrt是计算平方根的函数，比如sqrt(4)=2等等。可以是一个数，也可以是一个矩阵。k=0.1;  %噪声系数%%%*******加密过程*******%z1=Duffing_map(R1,0.23,-0.13,2.75,0.2);z2=Tinkerbell_map(R1,-0.72,-0.64,0.9,0.6013,2.0,0.5);z3=Duffing_map(G1,0.23,-0.13,2.75,0.2);z4=Tinkerbell_map(G1,-0.72,-0.64,0.9,0.6013,2.0,0.5);z5=Duffing_map(B1,0.23,-0.13,2.75,0.2);z6=Tinkerbell_map(B1,-0.72,-0.64,0.9,0.6013,2.0,0.5);%三个调制通道分别作菲涅尔变换R2=fresnel(R1,M,N,dx0,dy0,50,632.8);G2=fresnel(G1,H,W,dx0,dy0,50,632.8);B2=fresnel(B1,P,Q,dx0,dy0,50,632.8);%变换后的通道与CRPM1相乘C1=CRPM(z1);C2=CRPM(z3);C3=CRPM(z5);U1=R2.*C1;U2=G2.*C2;U3=B2.*C3;%调制后的信道作傅里叶转化U4=fft(U1);U5=fft(U2);U6=fft(U3);%FFT变换后的通道与CRPM2相乘%C4=CRPM(z2);%C5=CRPM(z4);%C6=CRPM(z6);%U7=U4.*C4;%U8=U5.*C5;%U9=U6.*C6;%结合三个信道，得到加密图像image(:,:,1)=U4;image(:,:,2)=U5;image(:,:,3)=U6;[hor2,ver2,dia2]=img_cov(image,N);%水平，垂直，斜对角方向计算相关性%%Cxy1=[hor1,ver1,dia1]Cxy2=[hor2,ver2,dia2]%%toc