[发明专利]基于卷积神经网络动态自适应扩散的双图像加密方法

权利要求书

1.基于卷积神经网络动态自适应扩散的双图像加密方法，首先设定相同的用户加密密钥与解密密钥，所述用户加密密钥与解密密钥均包括logistics混沌系统初值和5D保守混沌系统初值，迭代次数以及动态自适应扩散的控制参数；其特征是：该方法的加密过程由以下步骤实现：

步骤一、将大小均为M×N的两幅图像作为原始图像Image1和原始图像Image2；

步骤二、以用户加密密钥中的为logistics混沌系统初值，迭代所述logistics混沌系统d₀次，舍弃前dd₀次迭代结果，获得一个长度为M×N的伪随机序列Lo；

步骤三、由步骤二中的伪随机序列Lo，根据下述公式计算，获得5D保守混沌系统的初值x₀，y₀，z₀，u₀，v₀：

式中，n∈N,且nd₀；l＝1，2，…，n为索引值；α₀，β₀，γ₀，δ₀，ε₀分别为初始控制参数，ω₀，ψ₀,φ₀，分别为初值比例系数；

步骤四、以用户密钥中的d₁为5D保守混沌系统迭代次数，迭代5D保守混沌系统，获得五个长度分别为M×N的伪随机序列X，Y，Z，U，V；如下式为：

步骤五、将步骤四中伪随机序列进行归一化处理，获得加密密钥HC1,HC2,HC3,HC4,HC5；

步骤六、将步骤三所述的随机序列Lo做归一化处理，并进行矩阵变换获得二维矩阵L_Con；将L_Con作为卷积神经网络的卷积核，通过对步骤一所述原始图像Image1和原始图像Image2均进行卷积运算，获得明文相关的两个大小均为的随机矩阵P_img1和P_img2；

步骤七、对步骤六中的随机矩阵P_img1和P_img2中的数据去重，分别获得明文相关的明文卷积坐标对(P_x1,P_y1)和(P_x2,P_y2)；

步骤八、将步骤一所述原始图像Image1展开为8位二进制形式，并按位分别记为8个布尔型矩阵L₁₁，L₁₂，L₁₃，L₁₄，L₁₅，L₁₆，L₁₇，L₁₈；

步骤九、将步骤一所述原始图像Image2展开为8位二进制形式，并按位分别记为8个布尔型矩阵L₂₁，L₂₂，L₂₃，L₂₄，L₂₅，L₂₆，L₂₇，L₂₈；

步骤十、将步骤八和步骤九所述的布尔矩阵L₁₁，L₁₂，L₁₃，L₁₄，L₁₅，L₁₆，L₁₇，L₁₈

和L₂₁，L₂₂，L₂₃，L₂₄，L₂₅，L₂₆，L₂₇，L₂₈交叉组合，分别构成高位布尔图像H_image1和低位布尔图像L_image2，构造方法如下式所示：

H_img1＝[L₁₁，L₂₁，L₁₂，L₂₂，L₁₃，L₂₃，L₁₄，L₂₄]

L_img2＝[L₁₅，L₂₅，L₁₆，L₂₆，L₁₇，L₂₇，L₁₈，L₂₈]

步骤十一、采用步骤七中获得的明文卷积坐标对(P_x1，P_y1)和(P_x2，P_y2)置乱步骤十所述的高位布尔图像H_image1和低位布尔图像L_image2，置乱方法分别如下式为：

式中，和为置乱中间变量，用于放置置乱的中间像素信息；(i，j)图像中的位置坐标值,i＝1,2,…,M；j＝1,2,…,N；符号表示将置乱结果分别另存为高位置乱图像PH_image1和低位置乱图像PL_image2；

步骤十二、对步骤十一获得的低位置乱图像PL_image2进行静态扩散，静态扩散，获得静态低位扩散图像E_L_img2；

步骤十三、对步骤十一获得的高位置乱图像PH_image1进行动态自适应扩散，获得动态高位扩散图像E_H_img1；

步骤十四、分别对步骤五中的加密密钥HC1,HC2,HC3和HC4中的数据去重，获得混沌坐标对(C_x,C_y)和(C_x1,C_y1)，方法如公式所示：

其中find()表示查询非零元素的位置，unique()表示筛除向量中的重复值。

步骤十五、将步骤十二所述静态低位扩散图像E_L_img2和步骤十三所述动态高位扩散图像E_H_img1进行图像间混淆操作，获得最终密文图像C_img1和C_img2。