基于明文相关的类全连接网络图像的加密方法技术

基于明文相关的类全连接网络图像的加密方法，涉及图像加密技术领域，解决现有图像加密方法存在加密效果差的问题，本发明专利技术提出的基于明文相关的类全连接网络图像加密方法。由logistic混沌系统生成卷积核，将原图进行卷积运算、池化和激活后得到明文相关的矩阵，使用该矩阵获得密钥。使用得到的密钥迭代非线性交叉耦合超混沌系统，得到伪随机数列。然后使用伪随机对原图进行置乱，置乱包括行循环移位和列循环移位。然后使用类全连接网络对置乱后的图像进行比特级的扩散。最后把扩散后的图像与伪随机数列进行异或得到最终的密码图像。

【技术实现步骤摘要】
基于明文相关的类全连接网络图像的加密方法
本专利技术涉及图像加密
，具体涉及一种基于明文相关的类全连接网络的图像加密方法。
技术介绍
随着图像信息获取和处理技术的发展，图像信息安全受到广泛关注。它已成为信息安全和密码学的热门话题。在过去的几十年里，加密方法在隐藏通过无线或有线网络传输的敏感信息方面发挥着至关重要的作用。未经授权的人无法从加密数据中泄露秘密信息。加密方法已广泛应用于医疗、军事、遥感等各种工程领域。目前，图像信息安全主要分为两个分支。一种是通过光学技术实现的光学图像加密，在图像采集过程中对图像进行加密。其核心技术是光学傅里叶变换。另一种是数字计算机实现的数字图像加密，在图像存储过程中对图像进行加密。它的核心方法被称为置乱和扩散。传统的方法如RSA、AES、DES等，也用于加密过程。但是由于图像数据中存在高度冗余和相关性，它们不能产生最佳加密结果。混沌系统被用来加密图像以解决上述问题。在基于混沌的图像加密中，通常使用混沌系统生成一个类随机的混沌序列，作为加密算法中置乱和扩散的密钥流。在这种机制中，混沌系统初始值和控制参数是加密方本文档来自技高网...

【技术保护点】
1.基于明文相关的类全连接网络图像的加密方法，其特征是：该方法由以下步骤实现：/n步骤一、选择大小为M×N的灰度图像作为原始明文图像Image，计算所述原始明文图像Image的平均像素值a，并对所述平均像素值a进行精度处理，获得处理后的像素值

【技术特征摘要】
1.基于明文相关的类全连接网络图像的加密方法，其特征是：该方法由以下步骤实现：
步骤一、选择大小为M×N的灰度图像作为原始明文图像Image，计算所述原始明文图像Image的平均像素值a，并对所述平均像素值a进行精度处理，获得处理后的像素值
步骤二、将所述像素值作为初值迭代混沌系统，生成长度为m的混沌序列X，X＝{x1x2x3......xm-1xm}；
采用混沌序列X计算序列Y＝{y1，y2，y3，y4，......yn}，Y中的每个元素作为卷积核，与原始明文图像Image进行卷积核运算；
对原始明文图像Image进行n次卷积和池化后最终生成大小为的矩阵，MCNN；并将生成的矩阵MCNN的每个值映射到0到的整数中，映射矩阵MCNN2的每个元素记为
步骤三、对步骤二获得映射矩阵MCNN2进行计算，通过计算后获得中间变量h1，h2，h3，h4，通过所述中间变量h1，h2，h3，h4计算混沌系统参数μ和λ，以及混沌系统的初始值x0和y0，计算规则如下式所示：



其中μ′0，λ′0，x′0，y′0是给定的初始值；
步骤四、采用非线性交叉耦合超混沌系统获得混沌序列，所述非线性交叉耦合超混沌系统由下式表示：



式中，xj和yj表示非线性交叉耦合超混沌系统的第j个状态变量的值，xj-1和yj-1为第j-1个状态变量的值，δ为混沌系统控制参数；
步骤五、采用步骤三中的μ，λ作为非线性交叉耦合超混沌系统的控制参数，x0，y0作为非线性交叉耦合超混沌系统的初值，迭代M×N次，生成长度为M×N的混沌序列X′和Y′，如下式：



步骤六、从步骤五生成的混沌序列X′的第td个元素开始，截取长度为M的M′序列，从步骤五生成的混沌序列Y′的第td个元素开始，截取长度为N的N′序列，分别对M′和N′序列进行从小到大排序，分别获得M′和N′的索引序列INDM和INDN；
步骤七、采用索引序列INDM对原始明文图像Image进行行循环移位，如果索引序列INDM第g个元素值为奇数，则将对应第g行进行循环左移该奇数值位，如果索引序列INDM第g个元素值为偶数，则将对应第g行进行循环右移该偶数值位，行循环移位结束后，获得矩阵Image1；
采用索引序列INDN对矩阵Image1进行列循环移位，如果索引序列INDN序列第h个元素值为奇数，将对应第h列进行循环上移该奇数值位，如果索引序列INDN序列第h个元素值为偶数，将对应第h列进行循环下移该偶数值位，列循环移位结束后，获得矩阵Image2；
步骤八、采用步骤五生成的长度为M×N的混沌序列X′，将X′序列的每个元素值映射到0到7之间，生成序列XR，将所述序列XR分割成l块，每块8个元素，用下式表示为：
XR＝XR1XR2XR3......XRb-1XRb
其中，b表示块号，b＝1，2，...l；
步骤九、对单层全连接神经网络进行改造，生成单层类全连接网络，所述单层类全连接网络八个输入和八个输出，生成一个每行元素均是1到8随机排列的矩阵W，采用矩阵W和步骤八所述的XR序列生成八位的新序列作为改造后的网络的权值；
步骤十、将步骤七获得的Image2转换为一维矩阵P，将一维矩阵P分割为l块，每块8个元素，P＝P1P2P3P4......Pb-1Pb；
将所述Pi采用八位的二进制表示，由下式为：



依次把Pb作为类全连接网络的输入，依次使用XRb序列对步骤九的矩阵W循环移位；XRb序列第e个元素值为s，如果s为奇数就把W矩阵对应的第e行循环左移s个元素，如果s为偶数就把W矩阵对应的第e行循环右移s个元素，把此操作后得到的矩阵，作为类全连接网络的权值；
根据每行wc序列上的值依次选取输入的Pb每一位二进制数，然后把选取的每一位二进制数放到要输出的每个元素上；
最后把每个输出元素的八位的二进制数用十进制数表示，然后把每个十进制数通过激活函数s-box计算后获得的值作为类全连接网络的输出值；每次输入一个Pb就输出一个PCb，把矩阵...

【专利技术属性】
技术研发人员：李锦青，底晓强，祁晖，从立钢，任维武，毕琳，解男男，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：吉林;22