【图像加密】基于对称密钥加密技术AES-128实现图像加密和解密附matlab代码

 ✅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

本文介绍了一种基于对称密钥加密技术AES-128的图像加密和解密方法。该方法利用AES-128算法的强大加密能力，对图像像素数据进行加密处理，实现图像数据的安全存储和传输。

引言

随着数字图像技术的发展，图像加密在图像安全领域变得越来越重要。图像加密技术可以防止未经授权的访问和篡改，保护图像数据的机密性和完整性。

AES-128算法简介

AES-128是一种对称密钥加密算法，由美国国家标准与技术研究院（NIST）于2001年发布。它是一种分组密码，使用128位密钥对128位数据块进行加密和解密。AES-128算法具有高安全性、高效率和易于实现等优点，广泛应用于各种加密场景中。

图像加密方法

基于AES-128算法的图像加密方法步骤如下：

1. **密钥生成：**生成一个128位的对称密钥。

2. **图像预处理：**将图像转换为字节数组，并将其划分为128位数据块。

3. **加密：**使用AES-128算法对每个数据块进行加密。

4. **图像重构：**将加密后的数据块重新组合成字节数组，并转换为图像。

图像解密方法

基于AES-128算法的图像解密方法步骤如下：

1. **密钥输入：**输入与加密时相同的对称密钥。

2. **图像预处理：**将图像转换为字节数组，并将其划分为128位数据块。

3. **解密：**使用AES-128算法对每个数据块进行解密。

4. **图像重构：**将解密后的数据块重新组合成字节数组，并转换为图像。

📣 部分代码

function state = sub_bytes(state)S_box = [    99 124 119 123 242 107 111 197 48 1 103 43 254 215 171 118;    202 130 201 125 250 89 71 240 173 212 162 175 156 164 114 192;    183 253 147 38 54 63 247 204 52 165 229 241 113 216 49 21;    4 199 35 195 24 150 5 154 7 18 128 226 235 39 178 117;    9 131 44 26 27 110 90 160 82 59 214 179 41 227 47 132;    83 209 0 237 32 252 177 91 106 203 190 57 74 76 88 207;    208 239 170 251 67 77 51 133 69 249 2 127 80 60 159 168;    81 163 64 143 146 157 56 245 188 182 218 33 16 255 243 210;    205 12 19 236 95 151 68 23 196 167 126 61 100 93 25 115;    96 129 79 220 34 42 144 136 70 238 184 20 222 94 11 219;    224 50 58 10 73 6 36 92 194 211 172 98 145 149 228 121;    231 200 55 109 141 213 78 169 108 86 244 234 101 122 174 8;    186 120 37 46 28 166 180 198 232 221 116 31 75 189 139 138;    112 62 181 102 72 3 246 14 97 53 87 185 134 193 29 158;    225 248 152 17 105 217 142 148 155 30 135 233 206 85 40 223;    140 161 137 13 191 230 66 104 65 153 45 15 176 84 187 22];for i=1:4    for j=1:4         row=uint8(bitsra(state(i,j),4))+1;         col=uint8(mod(state(i,j),16))+1;         state(i,j)=((S_box(row,col)));    endendend

⛳️ 运行结果

实验结果

为了验证该方法的有效性，我们对一幅Lena图像进行了加密和解密实验。实验结果表明，加密后的图像与原始图像完全不同，无法识别其内容。解密后的图像与原始图像完全相同，证明了该方法的正确性和安全性。

结论

基于对称密钥加密技术AES-128的图像加密和解密方法是一种安全有效的图像加密方法。它利用AES-128算法的强大加密能力，对图像像素数据进行加密处理，实现图像数据的安全存储和传输。该方法具有高安全性、高效率和易于实现等优点，可以广泛应用于图像安全领域。

🔗 参考文献

[1] 魏欣.基于改进AES算法的QR码加密技术的研究与实现[D].西安理工大学,2019.

[2] Aqeel-ur-Rehman.基于混沌理论的仿生数字图像加密[D].重庆大学,2014.

🎈 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

👇  私信完整代码和数据获取及论文数模仿真定制

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、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化

2 机器学习和深度学习方面

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

方向涵盖风电预测、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、用电量预测、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、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

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、车辆协同无人机路径规划

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、有序充电

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

9 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合