【图像加密】基于改进Logistic混沌图像加密与解密含高斯噪声、中值滤波并计算相关性、恢复相关性、均方根误差附matlab代码
【图像加密】基于改进Logistic混沌图像加密与解密含高斯噪声、中值滤波并计算相关性、恢复相关性、均方根误差附matlab代码
TT_Matlab
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，完整matlab代码或者程序定制加qq1575304183。
1 简介
随着互联网的蓬勃发展，各种信息通过网络飞速增长传播，为社会提供便利的同时也带来了许多负面效应。大量个人隐私被泄露、财产损失不断增加、企业重要数据被截取篡改以及国家各种机密保密文件泄露，信息安全岌岌可危。信息作为极其重要的战略资源，如何获取、处理信息和保障信息安全成为体现一个国家综合国力的重要部分。信息安全关乎社会稳定和国家安全，成为人们普遍关注的一个热点问题。同时随着互联网多媒体技术的迅速发展，图像成为信息的主要载体之一。据统计，人们通过视觉从外界获得的信息量高达 80%。图像信息的安全问题成为人们关注的热点问题。
数字图像图像具有信息量大、像素相关性高以及冗余度高等特征。传统的加密方法，例如高级加密标准（Advanced Encryption Standard，AES）、数据加密标准（Data Encryption Standard，DES）、公钥加密算法（Rivest-Shamir-Adleman，RSA）基本都是针对一维的文本数据加密设计的，没有结合图像本身的特征，并且往往算法复杂、加密效率低，很难满足实际应用的需求，因此不适用于图像加密。而基于矩阵的图像加密算法密钥空间无法抵挡穷举攻击；传统的压缩图像加密算法运算速度慢、效率低，越来越不满足网络实时性的要求；基于秘密分存的图像加密的缺点是由于图像数据量会发生膨胀，若图像数据很大、网络带宽不足，会给图像的网络传输增加困难，并且使用这种算法恢复出的图像的对比度会下降，因此这种加密算法在实际中应用受到了限制。因此找寻新的图像加密方法成为当前信息安全研究的重点。混沌是指在确定性非线性系统中出现的类似随机的行为，具有对初值条件敏感、随机性强、不可预测性和遍历性等特点，混沌序列具备非常优良的密码学特性。混沌学与密码学有许多相似之处，比如混沌映射的初始值通过迭代运算得以扩散到整个相空间，而传统密码算法通过增加加密轮次产生扩散和混乱。自 1997 年 Fridrich 首次应用混沌图像加密起，大量相关混沌图像加密算法被提出，比如基于各种维度的混沌映射图像加密算法，基于混沌映射与其他加密算法相结合的图像加密算法等等。然而随着各种攻击破坏手段的提升以及计算机运算速度的提高，一些原本被认为是安全的加密算法逐渐被破译，同时部分混沌算法存在着密钥空间小、安全性不高或是过于复杂不利于硬件实现的问题。因此进一步探究混沌图像加密算法，不断完善混沌图像加密模式，仍然具有非常重要的理论意义和实用价值。
2 部分代码
clc;
clear;
I
0
=imresize(rgb2gray(imread(
’1.jpg’
)),[
256
256
]); %imresize函数:用于图像大小调整插值(双三次方插值),对图像做缩放处理
figure(
1
);subplot(
251
);imshow(I
0
);title(
’原始图像’
);
n=
15
;%置乱次数
I1 = arnold(I
0
,
5
,
7
,n);
J=imnoise(I1,
’gaussian’
,
0
.
05
); %添加方差为
0
.
05
的高斯噪声
I2=arnold_refresh(I1,
5
,
7
,n);
J1=arnold_refresh(J,
5
,
7
,n);
subplot(
252
);imshow(I1);title(
’原始图像置乱’
);
subplot(
253
);imshow(I2);title(
’原始图像置乱恢复’
);
subplot(
254
);imshow(J);title(
’置乱后添加高斯噪声’
);
subplot(
255
);imshow(J1);title(
’添加高斯噪声后置乱恢复’
);
subplot(
256
);imhist(I
0
);title(
’原始图像图像直方图’
);
subplot(
257
);imhist(histe
q(I1)
);title(
’原始图像置乱直方图’
);
subplot(
258
);imhist(I2);title(
’原始图像置乱恢复直方图’
);
subplot(
259
);imhist(J);title(
’置乱后添加高斯噪声直方图’
);
subplot(
2
,
5
,
10
);imhist(J1);title(
’添加高斯噪声后置乱恢复直方图’
);
sha_val=shannon(I
0
);%信息熵
sha_val1=shannon(J1);%信息熵
fprintf(
’原始图像信息熵：%.3f 添加高斯噪声后置乱恢复信息熵：%.3f
’
,sha_val,sha_val1);
val_c=corr2(I
0
,J1);
fprintf(
’原始图像与添加高斯噪声后置乱恢复相关性：%.3f
’
,val_c);
Nc=nc(I
0
,J1);
fprintf(
’原始图像与添加高斯噪声后置乱恢复归一化相关系数：%.3f
’
,Nc);
ss=std2(J1-I
0
);
fprintf(
’原始图像与添加高斯噪声后置乱恢复均方根误差：%.3f
’
,ss);
3 仿真结果
4 参考文献
[1]廖雪峰. 基于Logistic混沌系统的图像加密算法分析与改进[J]. 软件导刊, 2017, 16(5):3.
[2]曾祥秋, 叶瑞松. 基于改进Logistic 映射的混沌图像加密算法[J]. 计算机工程, 2021, 47(11):9.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。
部分理论引用网络文献，若有侵权联系博主删除。