基于三维布尔卷积神经网络的彩色图像加密方法及系统技术方案

本发明专利技术属于图像处理技术领域，特别涉及一种基于三维布尔卷积神经网络的彩色图像加密方法及系统，针对待加密的彩色明文图像，分离彩色明文图像红蓝绿三基色来获取三基色明文图像的分量矩阵；构建三维布尔卷积神经网络，其中，该三维布尔卷积神经网络中包含：用于生成三基色明文图像散列值密钥的SHA

【技术实现步骤摘要】
基于三维布尔卷积神经网络的彩色图像加密方法及系统


[0001]本专利技术属于图像处理
，特别涉及一种基于三维布尔卷积神经网络的彩色图像加密方法及系统。

技术介绍

[0002]字图像的传输和存储时的安全性在航空航天、大数据、医疗、物联网等领域受到广泛关注。因此，对于数字图像的加密已经是密码学中的一个不可或缺的组成部分。专家和学者相继提出了很多专门用于加密图像的方案，包括小波变换、DNA编码、可逆元胞自动机、置换和混沌。在已提出的这些加密方案中，以混沌理论为基础的加密方案拥有出色的性能。混沌系统具有对初值极为敏感、随机性、遍历性和确定性等特点，因此由其生成的混沌序列具有类噪声性和非周期性等特性，非常适合用于图像加密。但是最近的研究表明，许多加密算法很容易被攻击者破解，特别是在低精度的情况下。
[0003]基于混沌系统的图像加密算法的性能主要受混沌映射和计算精度的影响。虽然已经提出的许多基于混沌的加密方案有着良好的加密性能，但是这些加密算法大多无法在有限精度和低性能的设备上正常发挥作用，因为它们的动力学性能严重下降，会出现短周期轨道、分布不均匀、非遍历、低复杂度和强相关性等特点，其安全性会显著降低，非常容易被攻击者破解。由于高维混沌系统拥有很高的随机性和复杂性，具备更高的抗攻击性，在有限计算精度的环境下，高维混沌系统拥有更大的密钥空间和更长的周期轨道。因此，高维混沌系统比低维混沌系统更适合用于图像加密。人们提出了许多基于高维混沌的图像加密算法。然而，随着混沌系统维数的增加，加密算法的时间复杂度也成倍的增加，这将使加密算法更依赖于计算设备的性能和计算精度，在计算精度较低的情况下，其安全性会崩溃。

技术实现思路

[0004]为此，本专利技术提供一种基于三维布尔卷积神经网络的彩色图像加密方法及系统，将卷积运算和异或运算相结合来进行图像加密，提升其安全性能和加密效果，便于实际场景应用。
[0005]按照本专利技术所提供的设计方案，提供一种基于三维布尔卷积神经网络的彩色图像加密方法，包含如下内容：
[0006]针对待加密的彩色明文图像，分别分离彩色明文图像红蓝绿三基色来获取三基色明文图像的分量矩阵；
[0007]构建用于通过卷积运算和异或运算对三基色明文图像进行图像加密的三维布尔卷积神经网络，其中，该三维布尔卷积神经网络中包含：用于生成三基色明文图像散列值密钥的SHA
‑
1算法组合，和用于生成卷积核并结合散列值密钥生成卷积矩阵的线性发生器组合；
[0008]通过分量矩阵和卷积矩阵来组成用于三维布尔卷积操作运算通道的输入映射，利用卷积核分别与运算通道上的输入映射进行三维布尔卷积运算来获取对应三基色明文图
像的二维加密矩阵，并通过将二维加密矩阵进行行列变换来获取密文图像。
[0009]作为本专利技术基于三维布尔卷积神经网络的彩色图像加密方法，进一步地，利用三个素数模乘线性同余发生器来构建用于生成卷积核和卷积矩阵的线性发生器组合。
[0010]作为本专利技术基于三维布尔卷积神经网络的彩色图像加密方法，进一步地，线性发生器组合表示为：其中，i表示当前迭代轮次，U
i
、V
i
、W
i
分别表示三个素数模乘线性同余发生器，X
i
表示线性发生器组合。
[0011]作为本专利技术基于三维布尔卷积神经网络的彩色图像加密方法，进一步地，三维布尔卷积神经网络包含：网络结构一致的若干层加密网络单元，其中，第一层加密网络单元利用分量矩阵作为网络单元输入来获取第一层加密网络单元三维布尔卷积运算中的输入映射，相邻层加密网络单元利用前一层加密网络单元三维布尔卷积运算结果行列变换的输出作为后一层加密网络单元输入来获取后一层加密网络单元三维布尔卷积运算中的输入映射，并将最后一层加密网络单元三维布尔卷积运算结果行列变换的输出作为最终输出的密文图像。
[0012]作为本专利技术基于三维布尔卷积神经网络的彩色图像加密方法，进一步地，加密网络单元三维布尔卷积运算中，首先，设置线性发生器组合初始值，利用该初始值并通过线性发生器组合迭代计算来获取对应加密网络单元的卷积核；然后，将散列值密钥作为线性发生器组合的初始值，通过线性发生器组合迭代计算来获取对应加密网络单元的卷积矩阵，并将该卷积矩阵与三基色明文图像的分量矩阵组合来获取输入映射，将卷积核分别与三基色明文图像的输入映射进行三维布尔卷积运算来获取二维加密矩阵，将该二维加密矩阵行列变换结果作为对应加密网络单元的输出。
[0013]作为本专利技术基于三维布尔卷积神经网络的彩色图像加密方法，进一步地，加密网络单元的三维布尔卷积运算过程表示为：其中，(x，y，z)表示k通道输入映射的空间坐标，z为通道标识，w
j
表示卷积核权重，v
x，y，j
表示图像亮度值。
[0014]作为本专利技术基于三维布尔卷积神经网络的彩色图像加密方法，进一步地，二维加密矩阵行列变换中，首先，将加密矩阵中的每一行像素向左循环移动，然后，将加密矩阵中的每一列像素向左循环移动。
[0015]作为本专利技术基于三维布尔卷积神经网络的彩色图像加密方法，进一步地，每一行及每一列像素循环移动的步长根据线性同余发生器来设定。
[0016]作为本专利技术基于三维布尔卷积神经网络的彩色图像加密方法，进一步地，还包含：对密文图像的解密过程，在该解密过程中，将密钥应用于线性发生器组合来生成用于解密的卷积核卷积矩阵，并通过反布尔卷积来完成解密。
[0017]进一步地，本专利技术还提供一种基于三维布尔卷积神经网络的彩色图像加密方法，包含：图像分离模块、网络构建模块和图像加密模块，其中，
[0018]图像分离模块，用于针对待加密的彩色明文图像，分别分离彩色明文图像红蓝绿三基色来获取三基色明文图像的分量矩阵；
[0019]网络构建模块，用于构建用于通过卷积运算和异或运算对三基色明文图像进行图像加密的三维布尔卷积神经网络，其中，该三维布尔卷积神经网络中包含：用于生成三基色明文图像散列值密钥的SHA
‑
1算法组合，和用于生成卷积核并结合散列值密钥生成卷积矩阵的线性发生器组合；
[0020]图像加密模块，用于通过分量矩阵和卷积矩阵来组成用于三维布尔卷积操作运算通道的输入映射，利用卷积核分别与运算通道上的输入映射进行三维布尔卷积运算来获取对应三基色明文图像的二维加密矩阵，并通过将二维加密矩阵进行行列变换来获取密文图像。
[0021]本专利技术的有益效果：
[0022]本专利技术将卷积运算和异或运算相结合来进行图像加密，并利用线性发生器组合和明文图像的SHA
‑
1散列值构成密钥，即使在低计算精度的条件下均能保证安全性能和时间复杂度；并进一步通过实验数据验证，在低计算精度条件下安全性能和时间复杂度表现优异，加密效果好，能够有效抵抗统计攻击、已知和选择明文攻击、选择密文攻击等，具有较好的应用前景。
附图说明：
[0023]图1为实施例中基于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维布尔卷积神经网络的彩色图像加密方法，其特征在于，包含如下内容：针对待加密的彩色明文图像，分别分离彩色明文图像红蓝绿三基色来获取三基色明文图像的分量矩阵；构建用于通过卷积运算和异或运算对三基色明文图像进行图像加密的三维布尔卷积神经网络，其中，该三维布尔卷积神经网络中包含：用于生成三基色明文图像散列值密钥的SHA
‑
1算法组合，和用于生成卷积核并结合散列值密钥生成卷积矩阵的线性发生器组合；通过分量矩阵和卷积矩阵来组成用于三维布尔卷积操作运算通道的输入映射，利用卷积核分别与运算通道上的输入映射进行三维布尔卷积运算来获取对应三基色明文图像的二维加密矩阵，并通过将二维加密矩阵进行行列变换来获取密文图像。2.根据权利要求1所述的基于三维布尔卷积神经网络的彩色图像加密方法，其特征在于，利用三个素数模乘线性同余发生器来构建用于生成卷积核和卷积矩阵的线性发生器组合。3.根据权利要求2所述的基于三维布尔卷积神经网络的彩色图像加密方法，其特征在于，线性发生器组合表示为：其中，i表示当前迭代轮次，U
i
、V
i
、W
i
分别表示三个素数模乘线性同余发生器，X
i
表示线性发生器组合。4.根据权利要求1或2或3所述的基于三维布尔卷积神经网络的彩色图像加密方法，其特征在于，三维布尔卷积神经网络包含：网络结构一致的若干层加密网络单元，其中，第一层加密网络单元利用分量矩阵作为网络单元输入来获取第一层加密网络单元三维布尔卷积运算中的输入映射，相邻层加密网络单元利用前一层加密网络单元三维布尔卷积运算结果行列变换的输出作为后一层加密网络单元输入来获取后一层加密网络单元三维布尔卷积运算中的输入映射，并将最后一层加密网络单元三维布尔卷积运算结果行列变换的输出作为最终输出的密文图像。5.根据权利要求4所述的基于三维布尔卷积神经网络的彩色图像加密方法，其特征在于，加密网络单元三维布尔卷积运算中，首先，设置线性发生器组合初始值，利用该初始值并通过线性发生器组合迭代计算来获取对应加密网络单元的卷积核；然后，将散列值密钥作为线性发生器组合的...

【专利技术属性】
技术研发人员：武相军，孔凯，游大涛，李海平，邢思兰，金冰冰，
申请(专利权)人：河南大学，
类型：发明
国别省市：