本研究提出了一种结合压缩感知与DNA编码技术的创新图像加密与解密算法，旨在提升图像数据的安全性与保密性。该算法首先通过压缩感知技术对图像进行稀疏采样，从而有效减少了数据量，同时保留了图像的主要信息特征。压缩感知技术利用图像的稀疏特性，将图像从空间域转化为频率域，并通过生成的测量矩阵对图像数据进行线性采样，达到压缩和加密的双重效果。接着，算法使用Logistic混沌序列对图像数据进行随机置乱操作，进一步增加了加密的不可预测性和抗攻击能力。混沌序列因其高度的初值敏感性和非线性特性，能够有效打乱像素顺序，防止攻击者通过图像重构技术恢复原图。
项目信息
编号：MCV-60
大小：13M
运行条件
Matlab开发环境版本：
– Matlab R2020b、R2023b、R2024a
项目介绍
本研究提出了一种结合压缩感知与DNA编码技术的创新图像加密与解密算法，旨在提升图像数据的安全性与保密性。该算法首先通过压缩感知技术对图像进行稀疏采样，从而有效减少了数据量，同时保留了图像的主要信息特征。压缩感知技术利用图像的稀疏特性，将图像从空间域转化为频率域，并通过生成的测量矩阵对图像数据进行线性采样，达到压缩和加密的双重效果。接着，算法使用Logistic混沌序列对图像数据进行随机置乱操作，进一步增加了加密的不可预测性和抗攻击能力。混沌序列因其高度的初值敏感性和非线性特性，能够有效打乱像素顺序，防止攻击者通过图像重构技术恢复原图。
在此基础上，算法还结合了DNA编码技术进行二次加密。DNA编码通过将图像数据映射到DNA碱基序列，利用生物信息学中的碱基配对原则，对图像数据进行更复杂的运算处理。这种方法不仅进一步提高了加密的复杂度，同时也增加了加密数据的非线性特性，使得破解难度大大增加。
实验结果表明，该加密算法在信息熵和像素相关性方面具有显著的优势。原始图像的信息熵为7.3778，而加密后图像的信息熵上升至7.9971，表明加密后的图像数据分布更为随机，具有更高的安全性。通过对比原始图像和加密图像的相邻像素相关性，水平、垂直和对角线方向的相关性在原始图像中较高，分别为0.91383、0.94973和0.88091，反映了自然图像中相邻像素具有较强的相关性。然而，加密后图像的相邻像素相关性接近于零，甚至为负值，水平、垂直和对角线方向的相关性分别为-0.0042159、-0.0026477和-0.0030397，说明加密操作成功打破了原始图像的像素联系，达到了有效的混淆效果。
此外，解密实验同样显示出该算法的高效性。通过反向操作，使用DNA解码和压缩感知重构技术，原始图像得以准确还原，视觉上与原始图像几乎无差异。这表明该算法不仅具有出色的加密效果，同时在解密过程中也能很好地恢复图像的细节信息，保证了数据的完整性。
本研究的创新算法结合了多种技术手段，尤其是压缩感知和DNA编码的双重加密机制，显著提高了图像数据的安全性。该算法不仅适用于图像加密，还可以扩展到其他多媒体数据的安全传输和存储领域。在未来，随着信息安全需求的不断增加，该算法在隐私保护、机密通信以及数据存储等方面有着广泛的应用前景。此外，本研究也为进一步优化加密算法的效率和安全性提供了理论基础和实践参考。
项目文档
Tipps：可以根据您的需求进行写作，确保文档原创！
– 项目文档：写作流程
算法流程
代码讲解
Tipps：仅对main.m部分代码简要讲解。该项目可以按需有偿讲解，提供后续答疑。
运行效果
运行 main.m
Figure 1 (原始图片显示)：
显示原始的灰度图像（例如常见的Lena图片）。这是图像处理的起始点，用于后续加密和分析操作。
Figure 2 (原始图片直方图)：
图像的灰度直方图，显示了图像中不同灰度值的像素分布情况。X轴表示灰度值（0到255），Y轴表示每个灰度值的像素数量。直方图反映了图像的整体亮度和对比度分布。
Figure 3 (原始图像水平相邻元素相关性点图)：
用于展示原始图像中随机选取的5000对像素在水平方向上的灰度相关性。X轴为随机点的像素灰度值，Y轴为其水平方向相邻像素的灰度值。点的聚集程度表示相邻像素之间的关联性，显示出原始图像中相邻像素具有较强的相关性。
Figure 4 (原始图像垂直相邻元素相关性点图)：
展示原始图像中随机选取的5000对像素在垂直方向上的灰度相关性。X轴为随机点的像素灰度值，Y轴为其垂直方向相邻像素的灰度值。点的聚集性表示相邻像素之间的相关性，与水平相关性类似，原始图像的像素通常在垂直方向上也具有较强的关联性。
Figure 5 (原始图像对角线相邻元素相关性点图)：
展示原始图像中随机选取的5000对像素在对角线方向上的灰度相关性。X轴为随机点的像素灰度值，Y轴为其对角线方向相邻像素的灰度值。同样，点的聚集性表示相关性较高，说明原始图像在对角线方向也存在相邻像素间的关联性。
Figure 6 (加密后的图片显示)：
这是经过加密后的图像，像素值随机化，看起来像噪声。这表明加密操作有效地打乱了图像的像素排列，使其看起来无规律，难以解读。
Figure 7 (加密图片直方图)：
显示加密后图像的灰度直方图。与原始图像的直方图相比，加密后的直方图较为平坦，灰度值分布趋于均匀，说明图像被彻底加密，信息被随机化。
Figure 8 (加密图像水平相邻元素相关性点图)：
展示加密图像中随机选取的5000对像素在水平方向上的灰度相关性。点图显示点的分布较为随机，几乎没有规律，表明水平相邻像素间的相关性被打破，加密效果良好。
Figure 9 (加密图像垂直相邻元素相关性点图)：
展示加密图像中随机选取的5000对像素在垂直方向上的灰度相关性。点图同样显示出像素值之间几乎没有相关性，表明垂直方向的像素关联性也已被加密操作打破。
Figure 10 (加密图像对角线相邻元素相关性点图)：
展示加密图像中随机选取的5000对像素在对角线方向上的灰度相关性。点的分布无规律，说明在加密过程中对角线方向的相邻像素也失去了原本的相关性。
Figure 11 (原始图像显示)：
显示的是原始的灰度图像（例如常见的Lena图像）。这表示加密过程前的输入图像，用于后续进行加密、解密以及信息分析。
Figure 12 (原始图像、加密图像、解密图像对比图)：
（1）左边显示的是原始图像，中间是加密后的图像（表现为随机噪声），右边是经过解密还原后的图像。
（2）从这张图可以看出加密和解密过程是有效的：加密后图像失去了原有的可视信息，但解密后又成功恢复了原始图像。
Figure 13 (加密成功和相关性分析结果)：
信息熵：
（1）原始图片信息熵为 7.3778，加密图片的信息熵为 7.9971。信息熵增加表示加密后的图像更加随机化。
原始图片相关性：
（1）水平相关性为 0.91383，垂直相关性为 0.94973，对角线相关性为 0.88091。这表示原始图像中相邻像素具有较强的相关性。
加密图片相关性：
（1）加密后，水平、垂直、对角线的相关性接近于 0（甚至为负），表明加密后的图像像素已经失去了原始的相关性，像素随机化明显，说明加密效果良好。
远程部署
Tipps：购买后可免费协助安装，确保运行成功。
– 远程工具：Todesk 、向日葵远程控制软件
– 操作系统：Windows OS
项目文件
文件目录
Tipps：完整项目文件清单如下：
项目目录
– 1.Code (完整代码：确保运行成功)
– 2.Result (运行结果：真实运行截图)
– 3.Demo (演示视频：真实运行录制)
评论(0)