一种基于混沌和小波理论的图像加密技术的实现（完整版）实用资料(可以直接使用，可编辑完整版实用资料，欢迎下载）一种基于混沌和小波理论的图像加密技术的实现孙阳,于银辉,孙文生北京邮电大学电信工程学院,北京(100876摘要:本文针对数字图像的传输,提出了一种基于密钥的图像像素置乱变换加密算法,并在此基础上实现了基于混沌和小波理论的数字图像加密。该方法利用小波的多尺度特性对图像分解,只留取其低频信息压缩图像,再利用Logistic系统生成的混沌序列作为密钥进行加密。实验表明,该方法信息传输量低,保密效果好。关键词:混沌理论,小波分析,图像加密。1.引言随着网络时代的到来,人们越来越多地利用网络来传递信息。尤其是近年来,通信技术飞速发展,多媒体通信得到了广泛应用,对数字图像的传输需求也越来越多,数字图像所承载的信息安全成为当前人们关心的焦点[1]。因此,迫切需要一种保护图像信息安全、经济、有效的方法。图像在信道中传输,保护图像信息安全、经济、有效的方法是密码技术,加密算法的设计尤为重要。但与文本信息相比,数字图像有着数据量大、信息相关性强、抗干扰能力强等特点,直接采用文本信息的加密方法来加密数字图像并不合适。因此,针对数字图像信息的特点,应该在传输之前,先对其进行压缩。本文旨在研究一种图像数据在传输中的加密技术,设计一种合适的加密算法。同时,为减少传输数据量,在加密前采用有效的算法先对图像进行压缩。整个设计在MATLAB语言环境下仿真实现,实验证明,该方法保密性好,信息传输量低。2.图像加密技术的实现本文首先采用小波分解图像压缩算法,应用小波的多尺度特性对图像进行分解,根据人类的视觉特性,只留取其低频部分(即近似部分,去掉高频系数。接着,采用Logistic混沌系统生成的混沌序列作为密钥,再对压缩后的图像做基于密钥的图像像素置乱加密。整个图象加密模型如图1所示,设计过程基本上可以分为图像压缩与混沌加密两大块。图1小波、混沌实现图像加密模型2.1.利用小波变换对图像压缩小波变换是一种时-频域分析方法,它介于纯时域分析和纯频域分析的传统富氏分析之间,它由于同时具有时频域的良好的局部化性质而优于富氏变换,而且随着信号不同频率成分在时空域中取样的疏密而自动调节,在低频部分具有较高的频率分辨率和较低的时间分辨率,在高频部分具有较高的时间分辨率和较低的频率分辨率,可以达到效率高、质量佳的效果,被誉为数学显微镜。基于小波变换的这一特性,可观察函数的任意细节并加以分析。小波变换的思想是用一族函数去表示或逼近一信号,这一族函数称为小波函数系,它是通过一基本小波函数的伸缩和平移构成的,用其变换系数即可描述原来的信号[2]。因此,小波变换的定义是把某一被称为基本小波(也叫母小波motherwavelet的函数(tΨ做位移τ后,再在不同尺度a下与待分析的信号(xt做内积:((*,,0xtWTaxtdtaaττ∞−∞−⎛⎞=Ψ>⎜⎟⎝⎠∫(1式(1为小波变换的定义式,小波变换具有多分辨率(multi-resolution,也叫多尺度(multi-scale的特点,可以由粗及细地逐步观察信号。在图像数据压缩中,我们采用的是二维离散小波变换。多分辨分析实现二维离散正交小波变换的算法[3]。利用小波变换压缩图像分以下三个步骤:①利用二维离散小波变换将图像分解为低频近似分量和高频水平、高频垂直、高频对角细节分量。②根据人的视觉特性对低频及高频分量分别作不同的量化(即压缩。③利用逆小波变换重构图像。图2图像压缩结果利用wavedec2函数,按小波变换对lena.bmp图像进行多尺度分解;每次只提取原图像中低频近似分量,舍弃其高频细节分量。利用appcoef2函数提取低频系数,detcoef2函数提取高频系数。使用bior3.7小波对图像分解,其二层分解及压缩结果如图2所示:表一压缩结果压缩前图像大小:Grandtotalis65536elementsusing65536bytes第一次压缩图像大小为Grandtotalis18225elementsusing145800bytes第二次压缩图像大小为Grandtotalis5625elementsusing45000bytes从图2及表一的压缩结果可以看出,压缩后的图像保留了原始图像的大部分信息,但图像压缩比却很高,这就是小波变换的优势所在。这样,经过小波分解和压缩后的图像形成了一幅较小的图片,更适合传输。接下来,就要对压缩后的图像设计一种合适的加密算法进行加密。2.2混沌序列混沌现象是在非线性动力系统中出现的确定性、类似随机的过程,这种过程既非周期又不收敛,并且对初始值有极其敏感的依赖性。从时域上看,混沌映射得到的序列类似于随机序列,相关性较弱,具有