CN110602346B - 一种基于超混沌***的无损彩色图像加密方法 - Google Patents
一种基于超混沌***的无损彩色图像加密方法 Download PDFInfo
- Publication number
- CN110602346B CN110602346B CN201910684228.XA CN201910684228A CN110602346B CN 110602346 B CN110602346 B CN 110602346B CN 201910684228 A CN201910684228 A CN 201910684228A CN 110602346 B CN110602346 B CN 110602346B
- Authority
- CN
- China
- Prior art keywords
- sequence
- encrypted
- image
- primary
- color
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000000739 chaotic effect Effects 0.000 claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims abstract description 30
- 238000013528 artificial neural network Methods 0.000 claims abstract description 17
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 230000001052 transient effect Effects 0.000 claims abstract description 6
- 238000012549 training Methods 0.000 claims abstract description 5
- 238000013507 mapping Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000003780 insertion Methods 0.000 claims description 3
- 230000037431 insertion Effects 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 abstract description 12
- 230000000875 corresponding effect Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 210000002569 neuron Anatomy 0.000 description 6
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005291 chaos (dynamical) Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010587 phase diagram Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/001—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using chaotic signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N1/32144—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title embedded in the image data, i.e. enclosed or integrated in the image, e.g. watermark, super-imposed logo or stamp
- H04N1/32149—Methods relating to embedding, encoding, decoding, detection or retrieval operations
- H04N1/32267—Methods relating to embedding, encoding, decoding, detection or retrieval operations combined with processing of the image
- H04N1/32272—Encryption or ciphering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/44—Secrecy systems
- H04N1/448—Rendering the image unintelligible, e.g. scrambling
- H04N1/4486—Rendering the image unintelligible, e.g. scrambling using digital data encryption
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Analysis (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
本发明公开了一种基于超混沌***的无损彩色图像加密方法,包括以下步骤:将待加密的彩色图像分离为三基色分量矩阵;将三基色分量矩阵通过超混沌***得到原始混沌序列;利用BP神经网络对原始混沌序列进行训练,输出新的混沌序列;通过结合所述新的混沌序列消除暂态效应并进行加密;通过二维离散小波变换将步骤4加密后的图像转换到频域空间,得到对应的子带;将频域空间的子带进行置乱加密;将置乱加密后的子带进行二维离散小波逆变换转换到空域,得到三基色的密文图像;将三基色的密文图像结合起来,即得到加密后的彩色图像。本方法有效地提升了图像加密算法的安全性,可以有效抵抗选择明文攻击这类现在比较难抵抗的进攻手段。
Description
技术领域
本发明涉及彩色图像加密技术,具体涉及一种基于新型超混沌***的无损彩色图像加密方法。
背景技术
为了解决数字图像传输中的安全性问题,许多学者不断在加密算法上进行改进。由于数字图像是以二维数组的形式存储的,使得传统的DES、AES、RSA已经无法满足当前的加密要求。基于此Edward Lorenz在1963年首次将混沌理论应用到计算机***中,并得到了广泛的应用,其基于香农置乱和扩散规则得到加密图像的方法,被越来越多地应用于保密通信和图像加密等***中,但随着计算机能力的不断提高,之前提出的低维混沌***已经难以满足当前的密码学要求低维的混沌***的安全性不断降低。因此学者提出了二维甚至更高维的混沌***,然而在抵御选择明文攻击方面效果仍然不理想,于是现在越来越多结合各种加密算法的新型加密算法相继被提出。
空域加密和频域加密作为当前的两种主要图像加密方式,各有其特点。空域加密即为基于传统的改变像素位置的思想进行置乱和扩散。为了打破图像像素之间的关联,空域加密算法通常是直接作用在图像的像素上,但据此产生的加密图像不可压缩,同时对误差极为敏感。基于此,国内外学者正在将研究方向转移到频域加密的方法上。频域加密的主要方法包括利用离散余弦变换DWT(Discrete Cosine Transform)、傅里叶变换FT(FourierTransform)、离散小波变换DWT(Discrete Wavelet Transform)等将图像转变到频域,利用产生的混沌随机序列,对得到的频域子带,进行置乱和加密,得到最后的密文图像。结合以上两类的加密算法,有效地提高了整个算法的安全性,同时可以得到无损的解密图像,这对具有实时性的领域比如医疗、军事等有较高的价值。
发明内容
本发明针对传统Qi混沌***相空间小、易破解的不足,提出了一种新型的超混沌***,并在此基础上,提出一种无损彩色图像加密方法,以进一步提升彩色图像加密算法的安全性。
为了实现上述任务,本发明采用以下技术方案:
一种基于超混沌***的无损彩色图像加密方法,包括以下步骤:
步骤1,将待加密的彩色图像分离为三基色分量矩阵;
步骤2,将三基色分量矩阵通过超混沌***得到原始混沌序列;
步骤3,利用BP神经网络对原始混沌序列进行训练,输出新的混沌序列;
步骤4,通过结合所述新的混沌序列消除暂态效应并进行加密;
步骤5,通过二维离散小波变换将步骤4加密后的图像转换到频域空间,得到对应的子带;
步骤6,将频域空间的子带进行置乱加密;
步骤7,将置乱加密后的子带进行二维离散小波逆变换转换到空域,得到三基色的密文图像;将三基色的密文图像结合起来,即得到加密后的彩色图像。
进一步地,所述的将待加密的彩色图像分离为三基色分量矩阵,包括:
设待加密的明文彩色图像I0大小为M×N,将I0进行R、G、B三基色的分离,得到三个大小为M×N的分量矩阵PR、PG、PB。
进一步地,所述的将三基色分量矩阵通过超混沌***得到原始混沌序列,包括:
所述的超混沌***表示为:
计算得到变量r后,根据下面的规则选择下一次迭代时的变量:
将确定的变量代入到***中进行下一次迭代,并按照相同的方法迭代len次,最后一次迭代结果记为序列D0,即为原始混沌序列。
进一步地,所述的BP神经网络的损失函数为:
进一步地,所述的通过结合所述新的混沌序列消除暂态效应并进行加密,包括:
步骤4.1,计算三个分量矩阵PR、PG、PB的控制参数t,分别记为t1,t2,t3;依次从t1,t2,t3开始截取混沌序列D1,得到256位的新序列Dr,Dg,Db;所述的控制参数t的计算方法为:
对于一个像素大小为M×N的图像,设S是其像素值总和,avg是其像素平均值,则控制参数t计算方法为:
t=M×N+mod(avg×1012,8×(M+N))
步骤4.2,分别利用Dr,Dg,Db设计出相应的S盒,利用S盒给各基色图像进行加密,得到加密后的图像R1,G1,B1。
进一步地,所述的S盒的技设计方法为:
创建一个长度为256的空数组Seq,循环读取所述新序列的数值同时***对应索引值的Seq中;若***的位置为空,则进行***操作;若所***的位置已有元素,则向后查询Seq的空位置,查询到空位置后进行***操作;
将新序列的每个数值***Seq后,所***位置的索引值组合为一个新序列,然后将该新序列转换为16*16的S盒。
进一步地,所述的利用S盒给各基色图像进行加密,包括:
首先对分量矩阵和目标密钥进行异或运算得到状态矩阵,然后进行两轮循环加密,每一轮加密过程为:
(1)字节代换:将状态矩阵里面的元素值映射成一个新字节,具体的映射规则是:每个元素字节的高4位作为行坐标,低4位作为列坐标,以此查询S盒对应的值进行替换;
(2)行移位:对状态矩阵进行左循环移位操作;
(3)列混合:用一组固定矩阵与状态矩阵进行矩阵相乘;
(4)轮密相加:将状态矩阵与目标密钥进行矩阵的逐位异或运算。
本发明在提出新型超混沌***的基础上,同时结合BP神经网络,设计适合该算法的损失函数对经过超混沌***得到的混沌序列进行二次置乱,利用基于此得到的混沌序列结合重新设计S盒的加密算法对明文图像进行第一轮加密。同时针对当前密文图像无法压缩问题,结合二维离散小波变换将图像转换到频域加密,再通过逆变换得到最终的加密图像,有效地提升了图像加密算法的安全性,可以有效抵抗选择明文攻击这类现在比较难抵抗的进攻手段。
附图说明
图1为本发明方法的流程示意图;
图2为本发明提出的新型超混沌***的三维相图;
图3为超混沌***随时间t的Lyapunov指数图;
图4为BP神经网络结构图;
图5为各基色图像进行加密的流程示意图;
图6的(a)为待加密的彩色图像,(b)为加密后的图像,(c)为解密图像。
具体实施方式
本发明提出一种基于超混沌***的无损彩色图像加密方法,先将彩色图像分离为R、G、B三层,利用新型的超混沌***产生的混沌序列经过神经网络进一步随机化,然后对图像进行置乱和扩散;再通过DWT将一轮加密的图像转换到频域,结合之前产生的混沌序列对各个子带进行置乱;最后利用IDWT将子带数据逆转换到空域得到密文图像。具体步骤如下:
步骤1,将待加密的彩色图像分离为三基色分量矩阵
设待加密的明文彩色图像I0大小为M×N,将I0进行R、G、B三基色的分离,得到三个大小为M×N的分量矩阵PR、PG、PB。
步骤2,将三基色分量矩阵通过超混沌***得到原始混沌序列
本方案中提出一种新型超混沌***,具体如下:
相比于传统的混沌***,四翼超混沌***具有更大相空间,可以提供更大的加密空间,本方案在传统Qi混沌***上进行改进,得到改进后的超混沌***表达式如下:
上式中,x1,x2x3,x4分别代表四翼混沌吸引子在四个方向上的初始值,分别代表x1,x2x3,x4的迭代结果。当参数a=50,b=10,c=13,d=5,e=12,f=30时,***的Lyapunov指数分别为:L1=3.82,L2=1.62,L3=-15.21,L4=-48.23,***满足L1>L2>0>L3>L4,具有超混沌特征,如图2所示;同时,该***能够产生如图3所示的一个真正的四翼混沌吸引子。
本方案中,在***参数a=50,b=10,c=13,d=5,e=12,f=30时,设***的初始值x1,x2x3,x4均为1,循环次数len=8×256×256,利用四阶龙格库塔公式对超混沌***进行求解,得到的迭代结果为将得到的迭代结果代入下式计算变量r:
上式中,mod()表示求余,floor表示向下取整。
计算得到变量r后,根据下面的规则选择下一次迭代时的变量:
将确定的变量代入到***中进行下一次迭代,并按照相同的方法迭代len次,最后一次迭代结果记为序列D0,即为原始混沌序列。
步骤3,利用BP神经网络对原始混沌序列进行训练
BP神经网络作为最简单的神经网络架构,由至少三层连接层构成,通过各层内若干的神经元实现前馈全连接。BP神经网络的基本模型主要包括输入层、隐藏层和输出层三部分,通过大量的输入、输出之间非线性映射变化,同时根据通过比较损失函数进行正向和反向传播,不断自动调整权重,使输出误差最小,并输出最后结果。三层BP神经网络结构如图4所示。
其中输入层是一个序列X=(x1,x2,x3...xn),输出层同样是一个序列Y=(y1,y2,y3...ym),各层之间的每一个连接上都有权值W=(w1,w2,w3...wn),本文中激励函数采用sigmoid函数,其定义为:
g(x)=1/(1+e-x)
BP神经网络的标准训练模式为:
本方案根据生成的混沌序列的相关性,设计了一个新的损失函数用来训练神经网络,由于当一组序列的相关性在0.2-0.4之间的时候可以认定这段序列是弱相关的,所以设计新的损失函数:
在本步骤中,设定损失函数中期望输出序列的相关性ρY=0.3,网络的权重均为随机初始化。将原始混沌序列D0作为神经网络的输入,经过神经网络迭代10000轮后输出新的混沌序列D1。
步骤4,通过结合新的混沌序列消除暂态效应并进行加密
对于一个像素大小为M×N的图像,设S是其像素值总和,avg是其像素平均值,则t是与明文像素密切相关的控制参数,其中:
t=M×N+mod(avg×1012,8×(M+N))
步骤4.1,在该步骤中,根据上面的两个公式计算通过步骤1得到的三个分量矩阵PR、PG、PB的控制参数t,分别记为t1,t2,t3;依次从t1,t2,t3开始截取混沌序列D1,目的是为了消除暂态效应带来的不良影响,得到256位的新序列Dr,Dg,Db。例如t1=500,则表示从D1中第501位开始选取256位作为序列Dr。
步骤4.2,分别利用Dr,Dg,Db设计出相应的S盒,利用S盒给各基色图像进行加密,得到加密后的图像R1,G1,B1。
本方案中,为了去掉产生S盒的序列出现重复的元素,同时保留其随机性,提出了一种新的S盒设计方法,具体如下:
创建一个长度为256的空数组Seq,循环读取所述新序列(Dr或Dg或Db)的数值同时***对应索引值的Seq中;若***的位置为空,则进行***操作;若所***的位置已有元素,则向后查询Seq的空位置,查询到空位置后进行***操作;
将新序列的每个数值***Seq后,所***位置的索引值组合为一个新序列,然后将该新序列转换为16*16的S盒。
在设计好S盒之后,如图5所示,采用以下算法进行各基色图像的加密:
首先对分量矩阵(PR或PG或PB)和目标密钥进行异或运算得到状态矩阵,然后进行两轮循环加密,每一轮加密过程为:
(1)字节代换:将状态矩阵里面的元素值映射成一个新字节,具体的映射规则是:每个元素字节的高4位作为行坐标,低4位作为列坐标,以此查询S盒对应的值进行替换。
(2)行移位:对状态矩阵进行左循环移位操作。
(3)列混合:用一组固定矩阵与状态矩阵进行矩阵相乘,其中的矩阵乘法是定义在基于GF(2^8)的二元运算。
(4)轮密相加:将状态矩阵与目标密钥进行矩阵的逐位异或运算。
分别对各基色的分量矩阵PR、PG、PB进行上述加密过程,得到加密后的图像R1,G1,B1。
步骤5,通过二维离散小波变换将步骤4加密后的图像R1,G1,B1转换到频域空间,得到对应的子带;
二维离散小波变换作为一种将信号进行分解和压缩的频域处理技术,因其具有多分辨率、局部时频、频率压缩的特性,使得其在图片编码、图像处理、图像压缩等领域得到广泛青睐。其核心工作原理是:首先对输入的信号源LL0按行做小波分解,然后按列对获取到的中间数据再做小波分解。对输入的信号源LL0,一级离散小波变换后,信号源划分为四个子带:低频子带(LL1)和高频子带(HL1、LH1、HH1)。如:对低频子带LL1继续执行离散小波变换,可得到四个子带LL2、HL2、LH2、HH2,对低频子带连续执行n次类似的操作,就可获得n级变换的结果,将分解的子带进行IDWT(离散小波逆变换)可以实现对图像的重构,得到原始图像。
该步骤中,通过下面的公式对第一轮加密后的图像R1,G1,B1进行二维离散小波变换,分别得到相应的四个小波子带。
上式中,dwt2(X,′Haar′)表示对X进行二维离散小波变换;R,G,B即第一轮加密后的图像R1,G1,B1,LL1、HL1、LH1、HH1为R1进行小波变换后对应的四个小波子带。
步骤6,将频域空间的子带进行置乱加密
步骤6.1,将步骤4得到的混沌序列Dr,Dg,Db利用下式转化为(0,M×N)的序列Tr,Tg,Tb:
上式中:
max(x)=max(x(k)|k=1,2,...ml×nl)
min(x)=min(x(k)|k=1,2,...,ml×nl)
x(k)(k=1,2,3....ml*nl),表示序列的第k个数;k表示序列位置,1即序列的第一个;M,N代表图像长和宽;ml*nl表示序列第M*N个;round表示四舍五入且随机四舍五入,可能向上取整可能向下取;mod代表取余。
步骤6.2,分别将序列Tr,Tg,Tb按照从小到达排序得到序列Tr′,Tg′,Tb′,将序列Tr′,Tg′,Tb′分别与对应的子带对应位置相加,得到置乱加密后的子带:
步骤7,将置乱加密后的子带进行二维离散小波逆变换转换到空域,得到三基色的密文图像;将三基色的密文图像结合起来,即得到加密后的彩色图像。
上式中,idwt2(Y,′Haar′)表示对子带Y进行二维离散小波逆变换,C1,C2,C3为三基色的密文图像。如图6所示,为彩色图像加密后的图像及还原示例。
Claims (1)
1.一种基于超混沌***的无损彩色图像加密方法,其特征在于,包括以下步骤:
步骤1,将待加密的彩色图像分离为三基色分量矩阵,包括:
设待加密的明文彩色图像I0大小为M×N,将I0进行R、G、B三基色的分离,得到三个大小为M×N的分量矩阵PR、PG、PB;
步骤2,将三基色分量矩阵通过超混沌***得到原始混沌序列,包括:
所述的将三基色分量矩阵通过超混沌***得到原始混沌序列,包括:
所述的超混沌***表示为:
计算得到变量r后,根据下面的规则选择下一次迭代时的变量:
将确定的变量代入到***中进行下一次迭代,并按照相同的方法迭代len次,最后一次迭代结果记为序列D0,即为原始混沌序列;
步骤3,利用BP神经网络对原始混沌序列进行训练,输出新的混沌序列;所述的BP神经网络的损失函数为:
步骤4,通过结合所述新的混沌序列消除暂态效应并进行加密,包括:
步骤4.1,计算三个分量矩阵PR、PG、PB的控制参数t,分别记为t1,t2,t3;依次从t1,t2,t3开始截取混沌序列D1,得到256位的新序列Dr,Dg,Db;所述的控制参数t的计算方法为:
对于一个像素大小为M×N的图像,设S是其像素值总和,avg是其像素平均值,则控制参数t计算方法为:
t=M×N+mod(avg×1012,8×(M+N))
步骤4.2,分别利用Dr,Dg,Db设计出相应的S盒,利用S盒给各基色图像进行加密,得到加密后的图像R1,G1,B1;
所述的S盒的设计方法为:
创建一个长度为256的空数组Seq,循环读取所述新序列的数值同时***对应索引值的Seq中;若***的位置为空,则进行***操作;若所***的位置已有元素,则向后查询Seq的空位置,查询到空位置后进行***操作;
将新序列的每个数值***Seq后,所***位置的索引值组合为一个新序列,然后将该新序列转换为16*16的S盒;
所述的利用S盒给各基色图像进行加密,包括:
首先对分量矩阵和目标密钥进行异或运算得到状态矩阵,然后进行两轮循环加密,每一轮加密过程为:
(1)字节代换:将状态矩阵里面的元素值映射成一个新字节,具体的映射规则是:每个元素字节的高4位作为行坐标,低4位作为列坐标,以此查询S盒对应的值进行替换;
(2)行移位:对状态矩阵进行左循环移位操作;
(3)列混合:用一组固定矩阵与状态矩阵进行矩阵相乘;
(4)轮密相加:将状态矩阵与目标密钥进行矩阵的逐位异或运算;
步骤5,通过二维离散小波变换将步骤4加密后的图像转换到频域空间,得到对应的子带;
步骤6,将频域空间的子带进行置乱加密;
步骤7,将置乱加密后的子带进行二维离散小波逆变换转换到空域,得到三基色的密文图像;将三基色的密文图像结合起来,即得到加密后的彩色图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910684228.XA CN110602346B (zh) | 2019-07-26 | 2019-07-26 | 一种基于超混沌***的无损彩色图像加密方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910684228.XA CN110602346B (zh) | 2019-07-26 | 2019-07-26 | 一种基于超混沌***的无损彩色图像加密方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110602346A CN110602346A (zh) | 2019-12-20 |
CN110602346B true CN110602346B (zh) | 2021-08-24 |
Family
ID=68853209
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910684228.XA Expired - Fee Related CN110602346B (zh) | 2019-07-26 | 2019-07-26 | 一种基于超混沌***的无损彩色图像加密方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110602346B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111611604B (zh) * | 2020-05-15 | 2021-06-01 | 山东科技大学 | 一种基于整数小波变换的加密图像可逆信息隐藏方法 |
CN111639351B (zh) * | 2020-05-20 | 2022-03-15 | 燕山大学 | 基于自编码器和Henon映射的电池溯源管理编码加解密方法 |
CN111800251B (zh) * | 2020-05-21 | 2021-11-12 | 北京邮电大学 | 基于混沌源的图像压缩感知加密、解密方法、装置及*** |
CN111723386B (zh) * | 2020-06-08 | 2023-09-26 | 大连大学 | 一种基于sha-512的动态dna彩色图像加密方法 |
CN114268423B (zh) * | 2021-12-02 | 2023-04-07 | 电子科技大学 | 一种基于mtcnn的s盒生成方法 |
CN116827519B (zh) * | 2023-07-28 | 2024-05-28 | 常州大学 | 超混沌忆阻Chialvo神经元映射加密方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103491279A (zh) * | 2013-09-25 | 2014-01-01 | 上海理工大学 | 超混沌Lorenz***的4-邻域异或图像加密方法 |
CN103489151A (zh) * | 2013-09-11 | 2014-01-01 | 河南大学 | 基于混沌序列和超混沌***的彩色图像加密方法 |
CN108898024A (zh) * | 2018-06-04 | 2018-11-27 | 河南师范大学 | 一种基于超混沌***和自动细胞机的加密图像的解密方法 |
CN109918923A (zh) * | 2019-01-25 | 2019-06-21 | 哈尔滨理工大学 | 一种基于dna编码的多通道彩色图像混沌加密方法 |
CN110046513A (zh) * | 2019-04-11 | 2019-07-23 | 长安大学 | 基于Hopfield混沌神经网络的明文关联图像加密方法 |
-
2019
- 2019-07-26 CN CN201910684228.XA patent/CN110602346B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103489151A (zh) * | 2013-09-11 | 2014-01-01 | 河南大学 | 基于混沌序列和超混沌***的彩色图像加密方法 |
CN103491279A (zh) * | 2013-09-25 | 2014-01-01 | 上海理工大学 | 超混沌Lorenz***的4-邻域异或图像加密方法 |
CN108898024A (zh) * | 2018-06-04 | 2018-11-27 | 河南师范大学 | 一种基于超混沌***和自动细胞机的加密图像的解密方法 |
CN109918923A (zh) * | 2019-01-25 | 2019-06-21 | 哈尔滨理工大学 | 一种基于dna编码的多通道彩色图像混沌加密方法 |
CN110046513A (zh) * | 2019-04-11 | 2019-07-23 | 长安大学 | 基于Hopfield混沌神经网络的明文关联图像加密方法 |
Non-Patent Citations (2)
Title |
---|
A new color image encryption using combination of the 1D chaotic map;Chanil Pak 等;《Signal Processing》;20171231;全文 * |
一个新四翼超混沌***及其在图像加密中应用;战凯 等;《计算机工程与应用》;20160325(第53期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110602346A (zh) | 2019-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110602346B (zh) | 一种基于超混沌***的无损彩色图像加密方法 | |
CN111031193B (zh) | 基于立体复合置乱模型和混沌的图像加密方法 | |
CN106600518B (zh) | 基于压缩感知的视觉安全和数据安全的图像加密、解密方法 | |
Soleymani et al. | A chaotic cryptosystem for images based on Henon and Arnold cat map | |
CN108537716B (zh) | 一种基于离散域的彩色图像加密嵌入方法 | |
CN107292184B (zh) | 图像加密方法、装置及密钥流生成方法和密钥流生成器 | |
CN107659751B (zh) | 基于dna编码和混沌的多图像加密方法 | |
CN107220923B (zh) | 基于映像网络的数字图像反馈加密方法 | |
CN103888637B (zh) | 多路图像数字信息混沌加密的方法 | |
CN106791872A (zh) | 基于svd的信息隐藏方法 | |
Anbarasi et al. | Secured secret color image sharing with steganography | |
CN108898024B (zh) | 一种基于超混沌***和自动细胞机的加密图像的解密方法 | |
CN110572252A (zh) | 一种基于分数阶平移混沌***的图像加密及解密方法 | |
CN106600517A (zh) | 一种基于emd‑3的多载体密图分存和重构方法 | |
CN103002281A (zh) | 基于小波变换和sha-1的图像压缩加密方法 | |
Gabr et al. | A combination of decimal-and bit-level secure multimedia transmission | |
Al-Hazaimeh et al. | Chaotic based multimedia encryption: a survey for network and internet security | |
CN112838922B (zh) | 基于混沌映射和选择性Signcryption的DICOM图像非对称加密方法 | |
CN113076551B (zh) | 基于提升方案和跨分量置乱的彩色图像加密方法 | |
CN113746997A (zh) | 一种基于压缩感知和分数阶混沌的图像压缩加密方法 | |
CN114157771B (zh) | 基于压缩感知的非对称可逆图像隐藏方法 | |
CN105913370A (zh) | 一种基于小波分层和组合混沌的图像加密算法 | |
CN111737712B (zh) | 一种基于三维动态整数帐篷映射的彩色图像加密方法 | |
CN113973161A (zh) | 基于深度学习的压缩感知与混沌***的新型图像加密方法 | |
CN110069901B (zh) | 基于混沌***的空间域多图像加密算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210824 |