✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

 👇 关注我领取海量matlab电子书和数学建模资料 

🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。

🔥 内容介绍 

一、背景

（一）图像信息安全的重要性

在当今数字化时代，图像作为信息传播的重要载体，广泛应用于各个领域，如医疗、军事、金融、社交媒体等。这些图像中往往包含着敏感信息，如医疗影像中的患者隐私、军事图像中的战略情报等。随着网络技术的发展，图像在传输和存储过程中面临着诸多安全威胁，如被窃取、篡改等。因此，确保图像信息的安全性和保密性至关重要，图像加密技术应运而生。

（二）传统图像加密方法的不足

传统的图像加密方法，如基于置换和扩散的方法，在一定程度上能够保护图像信息。然而，随着计算能力的提升和攻击技术的发展，这些方法逐渐暴露出一些缺陷。例如，简单的置换和扩散操作容易受到统计分析攻击，攻击者可以通过分析加密图像的统计特性来破解密钥。此外，传统方法对于密钥空间的要求较高，如果密钥空间过小，加密系统容易被暴力破解。

（三）混沌理论与秩交织在图像加密中的应用趋势

混沌系统具有对初始条件敏感、非周期性、遍历性等特性，这些特性使其非常适合用于图像加密。混沌序列的不可预测性可以有效增加加密的复杂性，提高加密系统的安全性。秩交织技术则通过对图像像素的重新排列，进一步扰乱图像的空间结构，增强加密效果。将混沌理论与秩交织相结合，并引入质数因子、时间种子和异或运算等元素，可以设计出更强大、更安全的图像加密算法。

二、混沌理论基础

（一）混沌系统特性

混沌系统是一种确定性的非线性动力系统，看似随机却遵循一定的内在规律。其主要特性包括：

1. 初值敏感性

   ：初始条件的微小变化会导致系统输出结果的巨大差异。例如，著名的洛伦兹系统，初始值的细微改变，经过多次迭代后，系统的轨迹会完全不同。这种特性使得混沌系统生成的序列具有高度的不可预测性，在图像加密中，即使密钥有微小的偏差，加密结果也会截然不同，增加了攻击者破解密钥的难度。

2. 遍历性

   ：混沌系统在一定的相空间内能够遍历所有可能的状态。这意味着混沌序列可以在一定范围内产生均匀分布的数值，用于图像加密时，可以保证图像的每个像素都能得到充分的加密变换，避免出现加密盲点。

三、秩交织原理

（一）基本概念

秩交织是一种通过改变图像像素的排列顺序来扰乱图像空间结构的技术。它基于图像像素的灰度值或其他特征，对像素进行重新排序。具体来说，将图像的像素按照某种规则（如灰度值从小到大或从大到小）进行排序，然后根据一定的交织模式，将排序后的像素重新放回图像中，从而改变图像的原始结构。

（二）交织模式

常见的交织模式有多种，例如按行交织、按列交织或更复杂的对角线交织等。以按行交织为例，先将每行像素按灰度值排序，然后将排序后的像素按一定顺序重新排列在该行中。这种交织操作使得相邻像素之间的关系发生改变，进一步增加了图像的混乱程度，提高了加密效果。同时，不同的交织模式可以与混沌序列相结合，根据混沌序列来动态选择交织模式，增加加密的复杂性。

四、质数因子、时间种子与异或运算

（一）质数因子

质数因子在图像加密算法中用于增加密钥的复杂性和安全性。选择一个大的质数 p，并将其分解为多个质数因子 p1,p2,⋯,pk。这些质数因子可以用于生成混沌映射的初始条件或控制参数，也可以用于对图像像素进行特定的运算。由于质数因子分解问题在计算上具有较高的复杂性，攻击者很难通过分析加密图像来获取质数因子，从而提高了加密系统的安全性。

（二）时间种子

时间种子是利用系统当前时间作为加密算法的一个参数。由于时间是连续变化的，每次加密时使用的时间种子都不同。将时间种子与其他加密参数（如质数因子、混沌序列等）相结合，可以生成唯一的加密密钥。例如，可以将时间的毫秒数作为混沌映射的初始值，或者与质数因子进行某种运算得到加密密钥。这种方法使得加密过程具有动态性，即使对同一幅图像进行多次加密，由于时间种子的不同，加密结果也会不同，进一步增加了加密的安全性。

（三）异或运算

异或运算（XOR）是一种简单而有效的加密操作。对于两个二进制数 A 和 B，异或运算的结果 C 满足：当 A 和 B 的对应位相同时，C 的对应位为 0；当 A 和 B 的对应位不同时，C 的对应位为 1。在图像加密中，将图像像素的二进制表示与通过混沌序列、质数因子和时间种子生成的密钥进行异或运算，可以改变像素的灰度值，实现图像的加密。异或运算具有可逆性，即对加密后的像素再次与相同的密钥进行异或运算，可以还原出原始像素，这使得图像解密过程相对简单。

五、基于混沌和秩交织的图像加密算法原理

（一）密钥生成

1. 首先，根据质数因子分解算法，选择一个大质数并将其分解为质数因子 p1,p2,⋯,pk。

2. 获取系统当前时间作为时间种子 t。

3. 将质数因子和时间种子作为混沌映射（如 Logistic 映射）的输入参数，生成混沌序列 { xn}。例如，可以将时间种子与质数因子进行某种数学运算（如加法、乘法等），得到混沌映射的初始值 x0 和控制参数 μ，通过迭代生成混沌序列。

4. 对生成的混沌序列进行量化和处理，得到加密所需的密钥。例如，可以将混沌序列中的数值映射到合适的范围（如图像像素的灰度值范围），作为像素置换或异或运算的密钥。

（二）图像加密

1. 预处理

   ：将原始图像转换为适合加密处理的格式，如将彩色图像转换为灰度图像，或者将图像的像素值转换为二进制表示。

2. 秩交织

   ：根据生成的混沌序列选择一种交织模式（如按行交织、按列交织等），对图像进行秩交织操作。按照选定的交织模式，对图像像素按灰度值进行排序并重新排列，改变图像的空间结构。

3. 异或运算加密

   ：将经过秩交织后的图像像素与生成的密钥进行异或运算。具体来说，将每个像素的二进制表示与密钥的对应位进行异或运算，得到加密后的像素值。通过这种方式，每个像素的灰度值都发生了改变，实现了图像的加密。

（三）图像解密

1. 异或运算解密

   ：将加密后的图像像素与相同的密钥再次进行异或运算，恢复出经过秩交织后的图像像素值。这是因为异或运算具有可逆性，对加密后的像素执行与加密时相同的异或操作，可以还原出原始像素的灰度值。

2. 逆秩交织

   ：根据加密时使用的交织模式，对经过异或运算解密后的图像进行逆秩交织操作。即按照与加密时相反的顺序，将排序后的像素还原为原始图像的像素排列顺序，从而恢复出原始图像。

综上所述，基于混沌和秩交织的图像加密算法，通过巧妙结合混沌理论、秩交织技术以及质数因子、时间种子和异或运算等元素，能够有效提高图像加密的安全性和复杂性，为图像信息在传输和存储过程中的安全提供有力保障。这种算法不仅利用了混沌系统的特性来生成复杂的密钥和加密序列，还通过秩交织技术扰乱图像的空间结构，同时借助质数因子和时间种子增加密钥的不可预测性，是一种较为全面且有效的图像加密方法。

⛳️ 运行结果

📣 部分代码

function [uaci] = UACI(f1,f2)

[M, N] = size(f1);

c = 0.000000;

for i = 1 : M * N

        c = c + abs( double( f1(i)) - double( f2(i)));

end

uaci = c / (255 * M * N);

🔗 参考文献

🍅往期回顾扫扫下方二维码