[发明专利]基于可逆网络的光学图像加密方法

说明书

本发明提出一种基于可逆网络的光学图像加密方法。该方法采用二次相位和双相位法对图像生成纯相位全息图，然后利用具有对偶仿射变换和互补掩模的可逆网络对其进行加密得到密文，解密过程是加密的逆过程。网络的参数训练是通过学习熵为8.0的最均匀矩阵的概率分布而得到的。因此该方法可以通过同一个可逆网络训练出可以加密和解密图像的网络。相比与传统的加密方法，所提出的加密攻击方法具有密钥参数多且复杂的特点，其不易受到纯密文攻击、选择密文攻击和密码系统泄露等攻击。此外，所提出的可逆网络具有快速解密的能力，其光学视频的解密是通过光学和深度学习相结合来完成的。

技术领域

本发明为一种涉及信息安全和信息光学技术领域的图像加密方法。

背景技术

随着信息时代的到来，信息安全受到了越来越多的重视。图像往往能提供丰富的信息，因此图像加密成为一个至关重要的问题。而今光学技术由于并行处理、自由度高、不易复制的特点以及广泛运用到各个安全领域。1995年B.Javidi首次提出了基于4-f系统的双随机相位编码技术(DRPE)成为广泛采用的光学加密技术。随后的光学加密技术都基于此而改进的，如全息加密、回旋变换加密和鬼成像加密等等。然而传统加密方法很难在解密图像质量、密码系统安全性和加解密速度等方面做到平衡。而深度学习方法具有拟合性强、适应力高和移植性好等特点，其在图像加密领域具有显著优势。因此，深度学习可以将明文图像经过网络转换为类噪声图像，即密文，并且同时生成大量经过训练的网络参数，即密钥。此外，为了解决深度学习方法对于加密领域的复杂度和冗余度高的缺点，需要提出一种简单的基于深度学习的密码系统是有必要的。

发明内容

本发明针对上述传统加密方法无法在解密图像质量、密码系统安全性和加解密速度等方面做到平衡以及深度学习方法应用在图像加密领域的具有先天的模型复杂和计算量大的问题，提出一种基于可逆网络的光学图像加密方法。所提出的可逆网络加密方法可以用同一个网络对图像进行加密和解密，并且其密钥就是网络参数。该方法具有密钥空间大、加解密速度快、密码系统安全性高等特点。该方法包括：加密和解密两个过程。

所述的可逆网络加密和解密方法如图1所示，加密过程分为三个步骤：①傅里叶全息图生成，②双相位编码，③可逆网络加密。解密过程分为两个步骤：①可逆网络解密，②逆傅里叶变换。

所述的傅里叶全息图生成过程是将待加密的图像I和二次相位相乘，然后通过傅里叶变换得到幅值部分amp和相位部分pha，其过程表述为：[amp,pha]＝FT{I×exp[j(a·x²+b·y²)]},其中FT{·}表示傅里叶变换，x和y表示空域中的横纵坐标点，a和b表示二次相位的常量，j表示虚数单位。

所述的双相位编码是将得到的幅值(amp)和相位(pha)通过编码为纯相位全息图P，其编码方法是：P＝θ₁·M₁+θ₂·M₂,其中θ₁＝pha+arccos[amp/max(amp)],θ₂＝pha-arccos[amp/max(amp)],M₁和M₂表示为互补的二维二元光栅。