【图像加密】基于Logistic映射和改进Chirikov映射的彩色图像加密附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。

更多Matlab完整代码及仿真定制内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

🔥 内容介绍

摘要

本文提出了一种基于Logistic映射和改进Chirikov映射的彩色图像加密方法。该方法首先将彩色图像转换为灰度图像，然后利用Logistic映射和改进Chirikov映射对灰度图像进行加密。最后，将加密后的灰度图像转换为彩色图像，得到加密后的彩色图像。实验结果表明，该方法具有良好的加密效果和安全性。

1. 引言

图像加密是信息安全领域的一个重要研究方向，其目的是将明文图像转换为密文图像，以防止未经授权的人员访问和窃取图像信息。近年来，随着计算机技术和网络技术的飞速发展，图像加密技术也得到了广泛的研究和应用。

目前，常用的图像加密方法主要有基于混沌映射的图像加密方法、基于密码学的图像加密方法和基于压缩感知的图像加密方法等。其中，基于混沌映射的图像加密方法由于其具有良好的加密效果和安全性，而受到了广泛的关注。

2. Logistic映射和改进Chirikov映射

Logistic映射是一个一维混沌映射，其表达式为：

3. 基于Logistic映射和改进Chirikov映射的彩色图像加密方法

本文提出的基于Logistic映射和改进Chirikov映射的彩色图像加密方法具体步骤如下：

1. 将彩色图像转换为灰度图像。

2. 利用Logistic映射和改进Chirikov映射对灰度图像进行加密。

3. 将加密后的灰度图像转换为彩色图像，得到加密后的彩色图像。

其中，Logistic映射和改进Chirikov映射的具体加密过程如下：

📣 部分代码

​xi = 1./x;yi = 1./y;zi = 1./z;​for i = 1:1:row*col    DDDR(i)=xi(i)*DDR(i);    DDDG(i)=yi(i)*DDG(i);    DDDB(i)=zi(i)*DDB(i);endDDDR=reshape(DDDR,row,col);DDDG=reshape(DDDG,row,col);DDDB=reshape(DDDB,row,col);​di = cat(3,DDDR,DDDG,DDDB);subplot(2,1,2);imshow(di);imwrite(di,'dec.png');​figure(1);subplot(2,2,1);imshow(original);title('original image');subplot(2,2,2);imshow(eI);title('encrypted image');subplot(2,2,3);imshow(di);title('decrypted image');​entropy(original)entropy(eI)entropy(di)​figure(2);subplot(3,1,1);imhist(original);subplot(3,1,2);imhist(eI);subplot(3,1,3);imhist(di);​% if orignal == di%     fprintf('same')

⛳️ 运行结果

4. 实验结果与分析

为了验证本文提出的方法的加密效果和安全性，我们进行了大量的实验。实验结果表明，该方法具有良好的加密效果和安全性。

图1给出了一个明文彩色图像及其对应的加密彩色图像。从图1可以看出，加密后的彩色图像与明文彩色图像完全不同，无法识别出原有的图像信息。

图2给出了加密彩色图像的直方图。从图2可以看出，加密彩色图像的直方图非常均匀，这说明加密后的彩色图像具有良好的统计特性。

5. 结论

本文提出了一种基于Logistic映射和改进Chirikov映射的彩色图像加密方法。该方法具有良好的加密效果和安全性，可以有效地保护图像信息的安全。

🔗 参考文献

[1] 黄硕.基于改进的Logistic混沌映射彩色图像加密算法[J].河南工程学院学报：自然科学版, 2015, 27(2):5.DOI:10.16203/j.cnki.41-1397/n.2015.02.015.

[2] 毋媛媛,李清波,钱晓亮,等.基于三维Logistic映射和广义Cat映射彩色图像加密方法.CN201910380770.6[2024-02-03].

🎈 部分理论引用网络文献，若有侵权联系博主删除

🎁  关注我领取海量matlab电子书和数学建模资料

👇  私信完整代码和数据获取及论文数模仿真定制

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

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 无线传感器定位及布局方面

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

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

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

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