基于复合混沌和量子混沌的光学图像加密解密方法技术

基于复合混沌和量子混沌的光学图像加密解密方法，涉及光学信息安全技术领域，解决现有光学图像加密技术非线性不足的安全缺陷，包括加密过程和解密过程，并分别设定用户加密密钥以及解密密钥，由三细胞分数阶量子细胞神经网络超混沌系统的初值、控制参数、阶数；复合混沌映射的初值、控制参数以及变形分数傅里叶变换的级数共同组成；本发明专利技术弥补了传统光学图像加密技术线性特征不足的安全缺陷，并且分数阶的量子混沌系统具有更高的密钥维度，更大的密钥空间，更强的敏感性，抵抗各种安全攻击的能力更强，同时由于量子混沌系统是由量子点和量子细胞自动机以库伦作用相互传递信息的新型纳米级器件，具有超高集成度，低功耗，无引线集成等优点。

Encryption and Decryption of Optical Image Based on Compound Chaos and Quantum Chaos

The optical image encryption and decryption method based on compound chaos and quantum chaos involves the field of optical information security technology. It solves the security defects of the non-linearity of the existing optical image encryption technology, including the encryption process and decryption process. The user encryption key and decryption key are set separately. The initial value and control parameters of the hyperchaotic system of three-cell fractional-order quantum cellular neural network are obtained. Number and order; Initial value of compound chaotic map, control parameter and series of deformed fractional Fourier transform are composed together; The present invention remedies the security defect of traditional optical image encryption technology which has insufficient linear characteristics, and the fractional-order quantum chaotic system has higher key dimension, larger key space, stronger sensitivity, and stronger ability to resist various security attacks. At the same time, quantum chaotic system is a new kind of nano-scale device, which transfers information between quantum dots and quantum cellular automata by Coulomb interaction. It has the advantages of ultra-high integration, low power consumption and no lead integration.

【技术实现步骤摘要】
基于复合混沌和量子混沌的光学图像加密解密方法
本专利技术涉及光学信息安全
，具体涉及一种基于分数阶量子混沌与变形分数傅里叶变换的光学图像加密解密方法
技术介绍
随着光学技术与信息技术的飞速发展，光学信息处理技术有了长足的进步。光学信息系统固有的并行处理能力在处理海量信息时显现出电子信息系统所不能比拟的优势，自从1995年双随机相位光学加密技术被首次提出以来，科研人员设计了大量双随机相位的光学图像加密方法。光学图像加密技术并行处理能力强，光学参数还也可以作为用户密钥，增加密钥空间，因此光学图像加密技术得到了广泛的应用。但是，随着研究的深入，人们发现传统的光学图像加密技术存在着非线性不足的缺陷，给系统带来了安全隐患。混沌系统具有复杂性、非线性、对初值和参数的极端敏感、以及非周期性和伪随机特性，将其应用于光学图像加密可以弥补光学加密技术的非线性安全缺陷。分数阶量子细胞神经网络超混沌系统拥有比普通混沌系统更高的非线性特征，它是以量子点和量子细胞自动机构成的新型纳米级电子器件，具有超高的集成度，低功耗等众多优点。而且以分数阶量子细胞神经网络构造的超混沌加密系统，具有更高的密钥维度和更复杂的动力特征，将其和光学图像加密结合起来成为了研究的热点。
技术实现思路
本专利技术为解决现有光学图像加密技术非线性不足的安全缺陷，提供一种基于复合混沌和量子混沌的光学图像加密解密方法。基于复合混沌和量子混沌的光学图像加密解密方法，设定用户加密密钥由三细胞分数阶量子细胞神经网络超混沌系统的初值、控制参数、阶数；复合混沌映射的初值、控制参数以及变形分数傅里叶变换的级数共同组成；该方法由以下步骤实现：步骤一、选择大小为N*N的彩色图像作为明文图像Pimage；步骤二、将步骤一所述的明文图像Pimage按照红蓝绿三个色彩进行拆分，获得拆分后的三个大小为N*N色彩分量矩阵，分别为明文图像红色分量矩阵PR、明文图像绿色分量矩阵PG和明文图像蓝色分量矩阵PB；步骤三、迭代三细胞的分数阶量子细胞神经网络超混沌系统，生成六维混沌矩阵FQCNN；步骤四、将步骤三所述的六维混沌矩阵FQCNN变形拆分，获得六个混沌子矩阵，所述六个混沌子矩阵分别为：FQCNN-R1、FQCNN-R2、FQCNN-G1、FQCNN-G2、FQCNN-B1和FQCNN-B2；步骤五、采用加密密钥中复合混沌映射的初值和控制参数置乱步骤四所述的六个混沌子矩阵FQCNN-R1、FQCNN-R2、FQCNN-G1、FQCNN-G2、FQCNN-B1和FQCNN-B2，获得六个置乱矩阵SR1、SR2、SG1、SG2、SB1和SB2；步骤六、将步骤五所述六个置乱矩阵SR1、SR2、SG1、SG2、SB1和SB2生成六块混沌随机相位模板CRPM_R1、CRPM_R2、CRPM_G1、CRPM_G2、CRPM_B1和CRPM_B2；步骤七、将步骤二所述的明文图像红色分量矩阵PR，乘以混沌随机相位模板CRPM_R1，相乘后的结果沿着x轴和y轴进行级数为p1x_r和p1y_r的变形分数傅里叶变换，获得变换结果AF1R；明文图像绿色分量矩阵PG，乘以混沌随机相位模板CRPM_G1，相乘后的结果沿着x轴和y轴进行级数为p1x_g和p1y_g的变形分数傅里叶变换，获得变换结果AF1G；明文图像蓝色分量矩阵PB，乘以混沌随机相位模板CRPM_B1，相乘后的结果沿着x轴和y轴进行级数为p1x_b和p1y_b的变形分数傅里叶变换，获得变换结果AF1B；步骤八、将步骤七获得的变换结果AF1R乘以相位模板CRPM_R2，相乘后的结果沿着x轴和y轴进行级数为p2x_r和p2y_r的变形分数傅里叶变换，获得变形分数傅里叶变换结果AF2R；将变换结果AF1G乘以相位模板CRPM_G2，相乘后的结果沿着x轴和y轴进行级数为p2x_g和p2y_g的变形分数傅里叶变换，获得变形分数傅里叶变换结果AF2G；将变换结果AF1B乘以相位模板CRPM_B2，相乘后的结果沿着x轴和y轴进行级数p2x_b和p2y_b的变形分数傅里叶变换，获得变形分数傅里叶变换结果AF2B；步骤九、将步骤八获得变形分数傅里叶变换结果AF2R、AF2G、AF2B作为红、绿、蓝三个色彩分量复合，获得加密后的密文图像Cimage；解密过程为：设定用户解密密钥由三细胞分数阶量子细胞神经网络超混沌系统的初值、控制参数、阶数；复合混沌映射的初值、控制参数以及变形分数傅里叶变换的级数共同组成；步骤十、将步骤九获得的密文图像Cimage按照红绿蓝三色彩进行拆分，得到三个大小为N*N色彩分量矩阵，分别为：密文红色分量矩阵CR，密文绿色分量矩阵CG和密文蓝色分量矩阵CB；步骤十一、迭代三细胞的分数阶量子细胞神经网络超混沌系统，生成六维解密混沌矩阵DFQCNN；步骤十二、将步骤十一所述解密混沌矩阵DFQCNN变形拆分，得到六个解密混沌子矩阵DFQCNN-R1，DFQCNN-R2，DFQCNN-G1，DFQCNN-G2，DFQCNN-B1，DFQCNN-B2；步骤十三、采用解密密钥中的复合混沌映射的初值和控制参数置乱步骤十二所述六个解密混沌子矩阵DFQCNN-R1，DFQCNN-R2，DFQCNN-G1，DFQCNN-G2，DFQCNN-B1，DFQCNN-B2，获得六个解密置乱矩阵DSR1，DSR2，DSG1，DSG2，DSB1，DSB2；步骤十四、将步骤十三获得的六个解密置乱矩阵DSR1，DSR2，DSG1，DSG2，DSB1，DSB2生成六块共轭混沌随机相位模板，分别为CRPM_R1*，CRPM_R2*，CRPM_G1*，CRPM_G2*，CRPM_B1*和CRPM_B2*；步骤十五、将步骤十所述的密文红色分量矩阵CR沿着x轴和y轴进行级数为-p2x_r和-p2y_r的变形分数傅里叶逆变换，逆变换结果为IAF2R；将密文绿色分量矩阵CG分别沿着x轴和y轴进行级数为-p2x_g和-p2y_g的变形分数傅里叶逆变换，逆变换结果为IAF2G；将密文蓝色分量矩阵CB沿着x轴和y轴进行级数为-p2x_b和-p2y_b的变形分数傅里叶逆变换，逆变换结果为IAF2B；步骤十六、将步骤十五获得的逆变换结果IAF2R乘以共轭混沌随机相位模板CRPM_R2*，相乘的结果沿着x轴和y轴进行级数为-p1x_r和-p1y_r的变形分数傅里叶逆变换，获得变形分数傅里叶逆变换结果IAF1R；将逆变换结果IAF2G乘以共轭混沌随机相位模板CRPM_G2*，相乘的结果沿着x轴和y轴进行级数为-p1x_g和-p1y_g的变形分数傅里叶逆变换，获得变形分数傅里叶逆变换结果IAF1G；将逆变换结果IAF2B乘以共轭混沌随机相位模板CRPM_B2*，相乘的结果沿着x轴和y轴进行级数为-p1x_b和-p1y_b的变形分数傅里叶逆变换，获得变形分数傅里叶逆变换结果IAF1B；步骤十七、将步骤十六所述变换结果IAF1R、IAF1G、IAF1B分别乘以共轭混沌随机相位模板CRPM_R1*，CRPM_G1*，CRPM_B1*，并作为红绿蓝三个色彩分量复合，获得解密图像。本专利技术的有益效果：本专利技术提出的基于复合混沌和量子混沌的光学图像加密解密方法，由于分数阶量子神经网络所具备的超混沌特性，弥补了传统光学图像加密技术本文档来自技高网...

【技术保护点】
1.基于复合混沌和量子混沌的光学图像加密解密方法，其特征是，设定用户加密密钥由三细胞分数阶量子细胞神经网络超混沌系统的初值、控制参数、阶数；复合混沌映射的初值、控制参数以及变形分数傅里叶变换的级数共同组成；该方法由以下步骤实现：步骤一、选择大小为N*N的彩色图像作为明文图像Pimage；步骤二、将步骤一所述的明文图像Pimage按照红蓝绿三个色彩进行拆分，获得拆分后的三个大小为N*N色彩分量矩阵，分别为明文图像红色分量矩阵PR、明文图像绿色分量矩阵PG和明文图像蓝色分量矩阵PB；步骤三、迭代三细胞的分数阶量子细胞神经网络超混沌系统，生成六维混沌矩阵FQCNN；步骤四、将步骤三所述的六维混沌矩阵FQCNN变形拆分，获得六个混沌子矩阵，所述六个混沌子矩阵分别为：FQCNN‑R1、FQCNN‑R2、FQCNN‑G1、FQCNN‑G2、FQCNN‑B1和FQCNN‑B2；步骤五、采用加密密钥中复合混沌映射的初值和控制参数置乱步骤四所述的六个混沌子矩阵FQCNN‑R1、FQCNN‑R2、FQCNN‑G1、FQCNN‑G2、FQCNN‑B1和FQCNN‑B2，获得六个置乱矩阵SR1、SR2、SG1、SG2、SB1和SB2；步骤六、将步骤五所述六个置乱矩阵SR1、SR2、SG1、SG2、SB1和SB2生成六块混沌随机相位模板CRPM_R1、CRPM_R2、CRPM_G1、CRPM_G2、CRPM_B1和CRPM_B2；步骤七、将步骤二所述的明文图像红色分量矩阵PR，乘以混沌随机相位模板CRPM_R1，相乘后的结果沿着x轴和y轴进行级数为p1x_r和p1y_r的变形分数傅里叶变换，获得变换结果AF1R；明文图像绿色分量矩阵PG，乘以混沌随机相位模板CRPM_G1，相乘后的结果沿着x轴和y轴进行级数为p1x_g和p1y_g的变形分数傅里叶变换，获得变换结果AF1G；明文图像蓝色分量矩阵PB，乘以混沌随机相位模板CRPM_B1，相乘后的结果沿着x轴和y轴进行级数为p1x_b和p1y_b的变形分数傅里叶变换，获得变换结果AF1B；步骤八、将步骤七获得的变换结果AF1R乘以相位模板CRPM_R2，相乘后的结果沿着x轴和y轴进行级数为p2x_r和p2y_r的变形分数傅里叶变换，获得变形分数傅里叶变换结果AF2R；将变换结果AF1G乘以相位模板CRPM_G2，相乘后的结果沿着x轴和y轴进行级数为p2x_g和p2y_g的变形分数傅里叶变换，获得变形分数傅里叶变换结果AF2G；将变换结果AF1B乘以相位模板CRPM_B2，相乘后的结果沿着x轴和y轴进行级数p2x_b和p2y_b的变形分数傅里叶变换，获得变形分数傅里叶变换结果AF2B；步骤九、将步骤八获得变形分数傅里叶变换结果AF2R、AF2G、AF2B作为红、绿、蓝三个色彩分量复合，获得加密后的密文图像Cimage；解密过程为：设定用户解密密钥由三细胞分数阶量子细胞神经网络超混沌系统的初值、控制参数、阶数；复合混沌映射的初值、控制参数以及变形分数傅里叶变换的级数共同组成；步骤十、将步骤九获得的密文图像Cimage按照红绿蓝三色彩进行拆分，得到三个大小为N*N色彩分量矩阵，分别为：密文红色分量矩阵CR，密文绿色分量矩阵CG和密文蓝色分量矩阵CB；步骤十一、迭代三细胞的分数阶量子细胞神经网络超混沌系统，生成六维解密混沌矩阵DFQCNN；步骤十二、将步骤十一所述解密混沌矩阵DFQCNN变形拆分，得到六个解密混沌子矩阵DFQCNN‑R1，DFQCNN‑R2，DFQCNN‑G1，DFQCNN‑G2，DFQCNN‑B1，DFQCNN‑B2；步骤十三、采用解密密钥中的复合混沌映射的初值和控制参数置乱步骤十二所述六个解密混沌子矩阵DFQCNN‑R1，DFQCNN‑R2，DFQCNN‑G1，DFQCNN‑G2，DFQCNN‑B1，DFQCNN‑B2，获得六个解密置乱矩阵DSR1，DSR2，DSG1，DSG2，DSB1，DSB2；步骤十四、将步骤十三获得的六个解密置乱矩阵DSR1，DSR2，DSG1，DSG2，DSB1，DSB2生成六块共轭混沌随机相位模板，分别为CRPM_R1*，CRPM_R2*，CRPM_G1*，CRPM_G2*，CRPM_B1*和CRPM_B2*；步骤十五、将步骤十所述的密文红色分量矩阵CR沿着x轴和y轴进行级数为‑p2x_r和‑p2y_r的变形分数傅里叶逆变换，逆变换结果为IAF2R；将密文绿色分量矩阵CG分别沿着x轴和y轴进行级数为‑p2x_g和‑p2y_g的变形分数傅里叶逆变换，逆变换结果为IAF2G；将密文蓝色分量矩阵CB沿着x轴和y轴进行级数为‑p2x_b和‑p2y_b的变形分数傅里叶逆变换，逆变换结果为IAF2B；步骤十六、将步骤十五获得的逆变换结果IAF2R乘以共轭混沌随机相位模板CRPM_...

【技术特征摘要】
1.基于复合混沌和量子混沌的光学图像加密解密方法，其特征是，设定用户加密密钥由三细胞分数阶量子细胞神经网络超混沌系统的初值、控制参数、阶数；复合混沌映射的初值、控制参数以及变形分数傅里叶变换的级数共同组成；该方法由以下步骤实现：步骤一、选择大小为N*N的彩色图像作为明文图像Pimage；步骤二、将步骤一所述的明文图像Pimage按照红蓝绿三个色彩进行拆分，获得拆分后的三个大小为N*N色彩分量矩阵，分别为明文图像红色分量矩阵PR、明文图像绿色分量矩阵PG和明文图像蓝色分量矩阵PB；步骤三、迭代三细胞的分数阶量子细胞神经网络超混沌系统，生成六维混沌矩阵FQCNN；步骤四、将步骤三所述的六维混沌矩阵FQCNN变形拆分，获得六个混沌子矩阵，所述六个混沌子矩阵分别为：FQCNN-R1、FQCNN-R2、FQCNN-G1、FQCNN-G2、FQCNN-B1和FQCNN-B2；步骤五、采用加密密钥中复合混沌映射的初值和控制参数置乱步骤四所述的六个混沌子矩阵FQCNN-R1、FQCNN-R2、FQCNN-G1、FQCNN-G2、FQCNN-B1和FQCNN-B2，获得六个置乱矩阵SR1、SR2、SG1、SG2、SB1和SB2；步骤六、将步骤五所述六个置乱矩阵SR1、SR2、SG1、SG2、SB1和SB2生成六块混沌随机相位模板CRPM_R1、CRPM_R2、CRPM_G1、CRPM_G2、CRPM_B1和CRPM_B2；步骤七、将步骤二所述的明文图像红色分量矩阵PR，乘以混沌随机相位模板CRPM_R1，相乘后的结果沿着x轴和y轴进行级数为p1x_r和p1y_r的变形分数傅里叶变换，获得变换结果AF1R；明文图像绿色分量矩阵PG，乘以混沌随机相位模板CRPM_G1，相乘后的结果沿着x轴和y轴进行级数为p1x_g和p1y_g的变形分数傅里叶变换，获得变换结果AF1G；明文图像蓝色分量矩阵PB，乘以混沌随机相位模板CRPM_B1，相乘后的结果沿着x轴和y轴进行级数为p1x_b和p1y_b的变形分数傅里叶变换，获得变换结果AF1B；步骤八、将步骤七获得的变换结果AF1R乘以相位模板CRPM_R2，相乘后的结果沿着x轴和y轴进行级数为p2x_r和p2y_r的变形分数傅里叶变换，获得变形分数傅里叶变换结果AF2R；将变换结果AF1G乘以相位模板CRPM_G2，相乘后的结果沿着x轴和y轴进行级数为p2x_g和p2y_g的变形分数傅里叶变换，获得变形分数傅里叶变换结果AF2G；将变换结果AF1B乘以相位模板CRPM_B2，相乘后的结果沿着x轴和y轴进行级数p2x_b和p2y_b的变形分数傅里叶变换，获得变形分数傅里叶变换结果AF2B；步骤九、将步骤八获得变形分数傅里叶变换结果AF2R、AF2G、AF2B作为红、绿、蓝三个色彩分量复合，获得加密后的密文图像Cimage；解密过程为：设定用户解密密钥由三细胞分数阶量子细胞神经网络超混沌系统的初值、控制参数、阶数；复合混沌映射的初值、控制参数以及变形分数傅里叶变换的级数共同组成；步骤十、将步骤九获得的密文图像Cimage按照红绿蓝三色彩进行拆分，得到三个大小为N*N色彩分量矩阵，分别为：密文红色分量矩阵CR，密文绿色分量矩阵CG和密文蓝色分量矩阵CB；步骤十一、迭代三细胞的分数阶量子细胞神经网络超混沌系统，生成六维解密混沌矩阵DFQCNN；步骤十二、将步骤十一所述解密混沌矩阵DFQCNN变形拆分，得到六个解密混沌子矩阵DFQCNN-R1，DFQCNN-R2，DFQCNN-G1，DFQCNN-G2，DFQCNN-B1，DFQCNN-B2；步骤十三、采用解密密钥中的复合混沌映射的初值和控制参数置乱步骤十二所述六个解密混沌子矩阵DFQCNN-R1，DFQCNN-R2，DFQCNN-G1，DFQCNN-G2，DFQCNN-B1，DFQCNN-B2，获得六个解密置乱矩阵DSR1，DSR2，DSG1，DSG2，DSB1，DSB2；步骤十四、将步骤十三获得的六个解密置乱矩阵DSR1，DSR2，DSG1，DSG2，DSB1，DSB2生成六块共轭混沌随机相位模板，分别为CRPM_R1*，CRPM_R2*，CRPM_G1*，CRPM_G2*，CRPM_B1*和CRPM_B2*；步骤十五、将步骤十所述的密文红色分量矩阵CR沿着x轴和y轴进行级数为-p2x_r和-p2y_r的变形分数傅里叶逆变换，逆变换结果为IAF2R；将密文绿色分量矩阵CG分别沿着x轴和y轴进行级数为-p2x_g和-p2y_g的变形分数傅里叶逆变换，逆变换结果为IAF2G；将密文蓝色分量矩阵CB沿着x轴和y轴进行级数为-p2x_b和-p2y_b的变形分数傅里叶逆变换，逆变换结果为IAF2B；步骤十六、将步骤十五获得的逆变换结果IAF2R乘以共轭混沌随机相位模板CRPM_R2*，相乘的结果沿着x轴和y轴进行级数为-p1x_r和-p1y_r的变形分数傅里叶逆变换，获得变形分数傅里叶逆变换结果IAF1R；将逆变换结果IAF2G乘以共轭混沌随机相位模板CRPM_G2*，相乘的结果沿着x轴和y轴进行级数为-p1x_g和-p1y_g的变形分数傅里叶逆变换，获得变形分数傅里叶逆变换结果IAF1G；将逆变换结果IAF2B乘以共轭混沌随机相位模板CRPM_B2*，相乘的结果沿着x轴和y轴进行级数为-p1x_b和-p1y_b的变形分数傅里叶逆变换，获得变形分数傅里叶逆变换结果IAF1B；步骤十七、将步骤十六所述变换结果IAF1R、IAF1G、IAF1B分别乘以共轭混沌随机相位模板CRPM_R1*，CRPM_G1*，CRPM_B1*，并作为红绿蓝三个色彩分量复合，获得解密图像。2.根据权利要求1所述的基于复合混沌和量子混沌的光学图像加密解密方法，其特征在于，步骤十七中，如果得到的解密图像是实数值，则直接可以通过CCD检测到解密图像，如果解密图像为复数值，则通过共轭混沌随机相位模板CRPM_R1*，CRPM_G1*，CRPM_B1*对三个色彩分量分别进行滤波，得到最终的解密结果。3.根据权利要求1所述的基于复合混沌和量子混沌的光学图像加密解密方法，其特征在于，步骤五中，复合混沌映射的状态方程为：上式中：μ为复合混沌映射的控制参数，n为复合混沌映射的迭代次数，zn为当前第n次的迭代结果，zn+1为zn的下一次的迭代结果。4.根据权利要求1所述的基于复合混沌和量子混沌的光学图像加密解密方法，其特征在于，步骤六中，混沌随机相位模板的生成方法如下：CRPM_R1＝exp[i2πSR1(x，y)]CRPM_R2＝exp[i2πSR2(u，v)]CRPM_G1＝exp[i2πSG1(x，y)]GRPM_G2＝exp[i2πSG2(u，v)]CRPM_B1＝exp[i2πSB1(x，y)]CRPM_B2＝exp[i2πSB2(u，v)]式中，(x,y)表示明文图像像素点在输入平面的坐标；(u,v)表示像素点在傅里叶变换域的坐标；i为虚部。5.根据权利要求1所述的基于复合混沌和量子混沌的光学图像加密解密方法，其特征在于，步骤七中，将步骤二所述的明文图像红色分量矩阵PR，乘以混沌随机相位模板CRPM_R1，得到...

【专利技术属性】
技术研发人员：底晓强，李锦青，祁晖，从立钢，任维武，毕琳，解男男，蔡彬彬，马帅，孙苏鹏，宋超群，赵鸿雁，丁强，满振龙，陈晓冬，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：吉林,22