混沌图像加方法之基于分数傅里叶变换加密.docVIP

混沌图像加密方法之基于分数傅里叶变换加密 在以互联网为代表的数字信息技术飞速发展的今天，越来越多的场合需要用数字加密保护处理。为此我们利用离散分数傅里叶变换(DFRFT)提出了一种数字图像文件加密变换算法。分数傅里叶变换如今在光学信息处理领域已有比较广泛的应用。数本文将这种加密算法同传统混沌加密方法相结合，能够获得较高的保密效果。 一、数字图像的分数傅里叶变换 1、分数傅里叶变换的定义和性质 以一维为例讨论，设输入信号为f(x)，则其p阶分数傅里叶变换定义为： 其中，常数为： p(o|p|2)为分数阶，φ=p.（π/2）。 特别地，当p=1时，上述分数傅里叶变换即为普通傅里叶变换。 由此定义可得出分数傅里叶变换的两条重要性质： （1）可加性：fp1(fp2)=fp1+p2； （2）周期性：当p1+ p2=4n时，fp1+p2=f，其中n为整数。 2、分数傅里叶变换的数值计算 对分数傅里叶变换的定义进行离散化处理，分数傅里叶变换的数值计算可通过7个步骤得到： （1）初始化； （2）由采样定理对输入信号和啁啾信号进行离散化处理得到f(n)，（-N／2nN／2），exp(iπn2cotφ)，其中N为总采样数； （3）信号f(n)乘以啁啾信号exp(iπn2cotφ)； （4）进行FFT运算； （5）进行尺度变换，系数为cscφ。 （6）再与同一啁啾信号相乘； （7）与常数位相因子相乘。 第（7）步可以略去，不会对理论分析造成影响，因为常数位相因子不改变分数傅里叶变换的分布，只是使位相增加了一个共同的移动。算法的结果很容易扩展到二维可分离变量情况。 3、数字图像的离散分数傅里叶变换 数字图像的离散分数傅里叶变换是二维的，变换过程可转换为两次一维离散分数傅里叶变换，转换步骤如下： （1）对数字图像的行向量进行一维离散分数傅里叶变换，变换阶数为px，得变换结果F1； （2）对F1的列向量进行一维离散分数傅里叶变换，变换阶数为py，得到变换结果F2； （3）对F2进行转置，得到的结果就是二维离散分数傅里叶的变换结果。 二、混沌系统和图像空间域置乱 1、混沌系统 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，具有很好的类白噪声特性，因此可以用来产生伪随机信号或伪随机码。原理上只要增加迭代次数，伪随机码的周期可以很长，产生长码十分简单。通过混沌系统对初始值和结构参数的敏感依赖性，可以提供数量众多、非相关、类随机而又确定可再生的信号。由于上述特点，混沌已广泛应用于保密通信中，同时也可以作为加密序列。混沌加密技术已成为一种新兴的加密技术。 一类非常简单却被广泛研究的动力系统是logistic映射，其定义如下： 其中，0μ4称为分枝参数，xk∈(0，1)定义同上。混沌动力系统的研究工作指出，当3.569 945 6…μ≤4时，logistic映射工作于混沌态。也就是说，由初始条件xo在logistic映射的作用下所产生的序列{Xk；k=0，1，2，3…）是非周期的、不收敛的，并对初始值非常敏感。 另一类简单的映射是Chebyshev映射，以阶数为参数。 k阶Chebyshev映射定义如下： 其中，xk的定义区间是(-1，1)。事实是通过简单的变量代换，logistic映射同样可以在区间(-1，1)上定义。其形式如下： 其中，λ∈[0，2]。在λ=2的满射条件下，logistic映射与Chebyshev映射是拓扑共轭的，其所生成的序列的概率分布函数PDF (probability density function)也是相同的： 对于式（2）形式的logistic映射，如果μ=4，PDF可改写为： 通过ρ（x），可以很容易地计算得到logistic映射所产生的混沌序列的一些很有意义的统计特性。例如，x的时间平均即混沌序列轨迹点的均值为： 关于相关函数，独立选取两个初始值xo和yo，则序列的互相关函数为： 注意联合pdf ρ(x，y)=ρ(x)*ρ(y)。 而序列的自相关函数(auto-correlation functions，ACF)则等于delta函数θ(1)。 Logistic序列的以上特性表明，混沌动力系统具有确定性，其遍历统计特性等同于白噪声，其具有形式简单，初始条件的敏感性和具备白噪声的统计特性等诸多特性。 2、混沌二维置换网络的设计 密码学中使用置换来进行数据变换，主要有两种作用： （1）对数据内容作不可预测的替换； （2）改变数据在数据序列中的位置，即随机换位。 对于第（2）种置换网络也称为置乱网络。本文采用一种二维混沌置乱方法来应用于图像的加密。置换网络的目的是利用若干步骤的变