基于混沌系统和DNA编码运算的图像分块加密算法研究（Matlab代码实现）

荔枝科研社

于 2025-05-19 10:04:04 发布

阅读量378

点赞数 11

文章标签： matlab 数据结构开发语言

本文链接：https://blog.csdn.net/weixin_46039719/article/details/148056793

版权

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

⛳️赠与读者

💥1 概述

一、引言

二、混沌系统理论

三、DNA编码运算

四、图像分块加密算法

五、算法性能分析

六、实验验证与结果分析

七、结论与展望

📚2 运行结果

2.1 加密

2.2 解密

🎉3 参考文献

🌈4 Matlab代码实现

⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑。哲学是科学之母，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。

或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥1 概述

一、引言

随着信息技术的飞速发展，数字图像作为信息的重要载体，其安全性问题日益凸显。传统的图像加密方法，如对称密码算法和差分传输技术等，存在密钥空间小、安全性不足等问题，已难以满足当前的安全需求。因此，研究新的图像加密算法，提高图像加密的安全性和抗攻击能力，具有重要的现实意义。

二、混沌系统理论

混沌系统是一类具有不可预测性和高度敏感性的非线性动力系统，适用于图像加密。混沌系统具有以下特点：

随机性：混沌系统可以生成具有高度复杂性和随机性的序列，这些序列可以作为加密密钥，增加加密算法的随机性和不可预测性。
初值敏感性：混沌系统对初始条件极为敏感，即使初始条件有微小的变化，也会导致系统行为的巨大差异。这一特性使得混沌系统能够生成大量不同的密钥，从而增加加密算法的安全性。

常用的混沌系统包括Logistic混沌系统、Chen混沌系统等。其中，Chen超混沌系统具有更大的密钥空间和更高的系统复杂程度，因此具有更好的加密效果。

三、DNA编码运算

DNA编码技术具有天然的并行性和信息冗余性，适用于图像加密中的信息编码和混淆。DNA由四种脱氧核苷酸组成，分别为腺嘌呤（A）、鸟嘌呤（G）、胞嘧啶（C）、胸腺嘧啶（T）。通过构建DNA序列与二进制序列之间的映射关系，可以将图像的二进制序列转化为DNA序列进行存储和传输，从而增强信息的保密性和隐蔽性。

DNA编码运算包括DNA序列的编码、解码以及基于DNA序列的运算等。这些运算可以利用DNA序列的并行性和信息冗余性，增加加密算法的复杂性和安全性。

四、图像分块加密算法

为了提高加密效果，本研究采用图像分块加密的策略。具体步骤如下：

图像预处理：将原始图像转换为二值图像，并划分为多个像素块。
密钥生成：利用混沌系统生成多个初始值和控制参数，构成算法的密钥。这些密钥将用于后续的图像加密过程。
混沌加密：对每个像素块使用混沌系统生成的混沌序列进行扩散和置乱操作，改变像素值。
DNA编码运算：将置乱后的像素块转换为DNA序列，并利用不同的混沌序列对DNA序列进行进一步的扩散和置乱操作。
图像重构：将经过DNA编码运算的像素块重新组合成加密后的图像。

五、算法性能分析

安全性：通过混沌系统和DNA编码运算的结合，增加了加密算法的安全性和复杂性。混沌系统的随机性和不可预测性使得密钥的生成更加安全可靠；而DNA编码运算的并行性和信息冗余性则增强了加密数据的混淆效果。
高效性：采用图像分块加密的策略，可以并行处理多个像素块，提高加密效率。同时，由于混沌系统和DNA编码运算的计算量相对较小，因此整个加密过程具有较高的实时性。
灵活性：该加密算法支持多种混沌系统和DNA编码运算的选择，可以根据实际需求进行灵活配置。此外，算法还支持不同大小的像素块划分和不同的加密轮数设置，以满足不同应用场景的需求。

六、实验验证与结果分析

通过实验验证，本研究设计的基于混沌系统和DNA编码运算的图像分块加密算法在图像熵、像素相关性和图像复杂性等方面表现出较好的性能。具体结果如下：

图像熵：加密后的图像熵值较高，表明加密后的图像信息更加随机和不可预测。
像素相关性：加密后的图像像素相关性很低，表明算法具有良好的混淆性。
密钥空间：由于采用了高维混沌系统和DNA编码运算的结合，算法的密钥空间大于2^300，具有较高的安全性。

七、结论与展望

本研究设计了一种基于混沌系统和DNA编码运算的图像分块加密算法，该算法具有较高的安全性和实用性，可广泛应用于数字图像通信、医学图像处理、军事保密通信等领域。随着技术的不断发展和完善，相信该技术在未来的信息安全领域将发挥越来越重要的作用。未来可以进一步研究该算法在其他领域的应用，以扩展其实际应用价值。

📚2 运行结果

2.1 加密

2.2 解密

部分代码：

clear;clc;
I=imread('lena.bmp','bmp'); %读取图像信息
figure;imshow(I);title('原始图片');
figure;imhist(I);title('原始图片直方图');
axis([0 255 0 4000]);
[M,N]=size(I); %将图像的行列赋值给M,N
t=4; %分块大小

%% 原始图片信息熵
T1=imhist(I); %统计图像灰度值从0~255的分布情况，存至T1
S1=sum(T1); %计算整幅图像的灰度值
xxs1=0;
for i=1:256
pp1=T1(i)/S1; %每个灰度值占比，即每个灰度值的概率
if pp1~=0
xxs1=xxs1-pp1*log2(pp1);
end
end

%% 原始图像相邻像素相关性分析
%{
先随机在0~M-1行和0~N-1列选中1000个像素点，
计算水平相关性时，选择每个点的相邻的右边的点；
计算垂直相关性时，选择每个点的相邻的下方的点；
计算对角线相关性时，选择每个点的相邻的右下方的点。
%}
NN=1000; %随机取1000对像素点
x1=ceil(rand(1,NN)*(M-1)); %生成1000个1~M-1的随机整数作为行
y1=ceil(rand(1,NN)*(N-1)); %生成1000个1~N-1的随机整数作为列
EX1=0;EY1_SP=0;DX1=0;DY1_SP=0;COVXY1_SP=0; %计算水平相关性时需要的变量
EY1_CZ=0;DY1_CZ=0;COVXY1_CZ=0; %垂直
EY1_DJX=0;DY1_DJX=0;COVXY1_DJX=0; %对角线
I=double(I);
for i=1:NN
%第一个像素点的E，水平、垂直、对角线时计算得出的第一个像素点的E相同，统一用EX1表示
EX1=EX1+I(x1(i),y1(i));
%第二个像素点的E，水平、垂直、对角线的E分别对应EY1_SP、EY1_CZ、EY1_DJX
EY1_SP=EY1_SP+I(x1(i),y1(i)+1);
EY1_CZ=EY1_CZ+I(x1(i)+1,y1(i));
EY1_DJX=EY1_DJX+I(x1(i)+1,y1(i)+1);
end
%统一在循环外除以像素点对数1000，可减少运算次数
EX1=EX1/NN;
EY1_SP=EY1_SP/NN;
EY1_CZ=EY1_CZ/NN;
EY1_DJX=EY1_DJX/NN;
for i=1:NN
%第一个像素点的D，水平、垂直、对角线时计算得出第一个像素点的D相同，统一用DX表示
DX1=DX1+(I(x1(i),y1(i))-EX1)^2;
%第二个像素点的D，水平、垂直、对角线的D分别对应DY1_SP、DY1_CZ、DY1_DJX
DY1_SP=DY1_SP+(I(x1(i),y1(i)+1)-EY1_SP)^2;
DY1_CZ=DY1_CZ+(I(x1(i)+1,y1(i))-EY1_CZ)^2;
DY1_DJX=DY1_DJX+(I(x1(i)+1,y1(i)+1)-EY1_DJX)^2;
%两个相邻像素点相关函数的计算，水平、垂直、对角线
COVXY1_SP=COVXY1_SP+(I(x1(i),y1(i))-EX1)*(I(x1(i),y1(i)+1)-EY1_SP);
COVXY1_CZ=COVXY1_CZ+(I(x1(i),y1(i))-EX1)*(I(x1(i)+1,y1(i))-EY1_CZ);
COVXY1_DJX=COVXY1_DJX+(I(x1(i),y1(i))-EX1)*(I(x1(i)+1,y1(i)+1)-EY1_DJX);
end
%统一在循环外除以像素点对数1000，可减少运算次数