[发明专利]基于Hopfield混沌神经网络的明文关联图像加密方法

权利要求书

1.基于Hopfield混沌神经网络的明文关联图像加密方法，其特征在于，包括以下步骤：

1)首先，原图像记为P其R,G,B的大小为M*N，利用初始密钥在分段复合混沌映射产生混沌序列记做X，即一段双极性二值序列，混沌序列的第n0个值记做x(n0)作为置乱算法的参数值；

2)利用改进后的猫映射算法对原图像同时进行置乱和扩散得到加密图像P1，提取加密图像P1的R分量的第一行和第二行，G分量的第一行和第二行，B分量的第一行和第二行，将每行的像素和计算出来记做sum1、sum2、sum3、sum4、sum5、sum6、sum7、sum8以及sum9，并且将这九个值进行运算，转换为字符串形式表示的十六进制组成数组记做pstring；

3)初始给定的密钥记做Keys其前72bit记做key1，后120bit记做key2，将步骤2)中的pstring与key1做异或运算，产生的值记为key3，key3与key2组成一串字符串记做st，按照顺序将st每64bit一组划分三组，分别记做v1,v2,v3；

4)对步骤3)得到的v1,v2,v3分别进行运算得到Hopfield混沌神经网络系统的初始值x₁(1),x₂(1),x₃(1)，并且迭代产生密钥流K；

5)利用在分段复合混沌映射产生混沌序列记做X对P1的R分量的第一行和第二行，G分量的第三行和第四行，B分量的第五行和第六行的像素点进行二次置乱，得到的加密图像记做P2；

6)利用步骤4)产生的密钥流对步骤5)中置乱和扩散之后的P2进行二次扩散，其中进行置乱的像素点不参与本次扩散，得到加密图像C。

2.根据权利要求1所述的基于Hopfield混沌神经网络的明文关联图像加密方法，其特征在于，步骤1)中分段复合混沌映射序列的数学表达式为：

其中μ为分岔系数，当μ∈[0.33,∞]，处于混沌状态。

3.根据权利要求2所述的基于Hopfield混沌神经网络的明文关联图像加密方法，其特征在于，步骤2)中猫映射置乱算法的表达式为：

其中x_n,y_n为原图像的坐标，x′,y′为转换后的坐标,a,b为进行猫映射运算的参数；

对位于x_n,y_n的像素点p(x_n,y_n)做位置置乱的同时，也进行像素点值的改变，数学表达式为：

Ci＝C(x′,y′) (4)

其中z为参数设置为10，Ci为上一次变换后像素点的密文值；

利用步骤1)得到的混沌序列x(n0)，置乱参数计算方法为：

4.根据权利要求3所述的基于Hopfield混沌神经网络的明文关联图像加密方法，其特征在于，步骤3)取出初始给定的密钥Keys的前72bit记做key1以及pstring得到key3，其中pstring中值的表达式和key3的表达式为：

pstring＝mod(sum1/10^4,1) (6)

key3与key2组成的字符串记做st，按照顺序将st每64bit一组划分三组，分别记做v1,v2,v3；对v1,v2,v3分别做如下运算得到Hopfield混沌神经网络系统的初始值：