【图像加密】基于双随机相位结构结合菲涅尔变换实现无透镜光学加密解密附Matlab代码

 ✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，代码获取、论文复现及科研仿真合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

🔥 内容介绍

光学加密作为信息安全领域的重要研究方向，近年来得到了广泛关注。传统的光学加密方法通常依赖于复杂的透镜系统，存在体积庞大、成本高昂等缺陷。无透镜光学加密技术则利用衍射原理和计算机生成全息图，避免了透镜的使用，具有体积小、成本低、易于集成等优势，在信息安全、光学信息处理等领域具有广阔应用前景。

1. 相关研究概述

现有的无透镜光学加密方法主要基于以下几种原理：

• **基于随机相位掩码 (RPM) 的加密：**利用随机相位掩码对图像进行调制，生成密文图像。解密时需使用相同的随机相位掩码进行反向操作。这种方法简单易实现，但安全性较低，容易被攻击者破解。

• **基于双随机相位掩码 (DRPM) 的加密：**使用两个随机相位掩码分别对图像进行调制，生成密文图像。解密时需要两个随机相位掩码才能恢复原始图像。这种方法比单随机相位掩码加密安全性更高，但仍存在一定的漏洞。

• **基于菲涅尔变换的加密：**利用菲涅尔变换对图像进行调制，生成密文图像。解密时需要进行反向菲涅尔变换才能恢复原始图像。这种方法可以有效抵抗攻击，但需要进行复杂的数学运算。

2. 基于双随机相位结构结合菲涅尔变换的无透镜光学加密方法

为了提高无透镜光学加密的安全性，本文提出一种基于双随机相位结构结合菲涅尔变换的加密解密方法。该方法利用两个随机相位结构分别对图像进行调制，并通过菲涅尔变换生成密文图像。解密时，利用两个随机相位结构和菲涅尔变换的逆操作，即可恢复原始图像。

2.1 加密过程

加密过程包括以下步骤：

• 图像预处理: 将待加密图像进行灰度化和归一化处理。

• 随机相位结构生成: 生成两个随机相位结构，并将其编码为计算机生成全息图 (CGH)。

• 图像调制: 利用第一个随机相位结构对图像进行调制，并利用第二个随机相位结构对调制后的图像进行二次调制。

• 菲涅尔变换: 对二次调制后的图像进行菲涅尔变换，生成密文图像。

2.2 解密过程

解密过程包括以下步骤：

• 密文图像输入: 将加密后的密文图像输入解密系统。

• 菲涅尔逆变换: 对密文图像进行菲涅尔逆变换。

• 反向调制: 利用两个随机相位结构进行反向调制，恢复原始图像。

2.3 系统模型

图1. 基于双随机相位结构结合菲涅尔变换的无透镜光学加密解密系统模型

3. 方法优势

该方法具有以下优势：

• 安全性高: 利用双随机相位结构和菲涅尔变换的结合，有效提高了加密系统的安全性，难以被攻击者破解。

• 抗攻击能力强: 该方法对图像攻击，如噪声攻击、剪切攻击等，具有较强的抵抗能力。

• 易于实现: 该方法利用计算机生成全息图，避免了透镜的使用，易于实现。

4. 实验结果与分析

为了验证方法的有效性，我们进行了仿真实验。结果表明，该方法可以有效地加密和解密图像，并对图像攻击具有较强的抵抗能力。

图2. 实验结果： (a) 原始图像，(b) 加密图像，(c) 解密图像，(d) 噪声攻击后的加密图像，(e) 解密后的图像

5. 总结

本文提出了一种基于双随机相位结构结合菲涅尔变换的无透镜光学加密方法。该方法具有安全性高、抗攻击能力强、易于实现等优点，在信息安全领域具有广阔的应用前景。未来研究方向包括：

• 研究更复杂的随机相位结构和菲涅尔变换模型，进一步提高加密系统的安全性。

• 将该方法应用于实际场景，例如光学通信、光学信息存储等领域。​​

⛳️ 运行结果

🔗 参考文献

[1] 曾大奎.基于两步正交相移干涉的光学图像加密技术研究[D].浙江师范大学[2024-06-18].DOI:10.7666/d.y2194860.

[2] 孟祥锋.基于迭代相位恢复算法和相移干涉术的光学信息安全技术的研究[D].山东大学,2008.DOI:10.7666/d.y1352318.

🎈 部分理论引用网络文献，若有侵权联系博主删除

1 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱船配载优化、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题

2 机器学习和深度学习方面

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN/TCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

2.图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

3 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻

4 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划

5 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信

6 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

7 电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电

、MPPT优化

8 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

9  雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化

、NLOS识别