本文主要是介绍【图像加密】基于matlab GUI正交拉丁方置乱算法图像加解密【含Matlab源码 182期】，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
✅博主简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，Matlab项目合作可私信。
🍎个人主页：海神之光
🏆代码获取方式：
海神之光Matlab王者学习之路—代码获取方式
⛳️座右铭：行百里者，半于九十。
更多Matlab仿真内容点击👇
Matlab图像处理（进阶版）
路径规划（Matlab）
神经网络预测与分类（Matlab）
优化求解（Matlab）
语音处理（Matlab）
信号处理（Matlab）
车间调度（Matlab）
⛄一、正交拉丁方置乱简介
0 引言
随着通讯技术的飞速发展, 越来越多的领域需要传送数字图像信号, 因此信息的传送安全问题显得越来越重要。通常应用于数字图像通信的两种保护技术为:数字水印技术和图像加密技术。前一种保护技术因不改变图像的可见性而不适合用于保密图像的传送。后一种技术通过加密操作, 改变图像的可见性, 使原来的图像成为不可辨别的, 而只能通过相应的解密算法得到原始图像。随着通讯技术的发展, 图像加密技术因其具有良好的保密性而得到越来越广泛的应用。
在加密算法中需要一个随机序列发生器。由于离散的混沌系统容易实现, 同时混沌系统对参数和初始条件极其敏感, 把其作为密钥, 则系统具有优良的密码特性, 同时它在二维相平面内的不规则性使其更适用于图像加密。
本文应用离散混沌动力系统, 针对图像数据的存储特点, 设计了一种图像加密算法。所有的密钥都由离散混沌映射产生, 因此算法没有因为增加密钥设置而影响加密/解密的效率和速度。由于利用了混沌映射, 增加了破译难度, 提高了安全性, 仿真结果表明该算法能够有效地实现对数字图像数的加密/解密。
1 正交拉丁方置乱
1.1 基本概念
定义1由元素1, 2, 3，…，n构成一个n×n的方阵（aij) n×n，使得每行每列中各元素恰好只出现一次，这样的方阵叫做n阶拉丁方。
定义2设A=（aij) n×n, B= (bij) n×n是两个n×n的拉丁方，若方阵（ (aij, bij) ）n×n中的n2个偶对（aij, bij）互不相同，i, j=1, 2，…，n，则称A与B为互相正交拉丁方，或称A与B为n阶正交拉丁方。
则由A、B构成3×3的偶对方阵
其中没有相同的元素，故A与B是三阶正交拉丁方。
1.2 相关定理
定理1互相正交的n阶拉丁方的个数不超过n-1个，即若A1, A2，…，Ak是两两正交的n阶拉丁方，则k≤n-1。
定理2设n≥3且n=pα，p为一个素数，α是一个正整数，则存在n-1个正交的n阶拉丁方A1, A2，…，An-1，且设
定理3若A1, A2，…，Am为两两正交的拉丁方组，且设
1.3 基于正交拉丁方的数字图像置乱
图像置乱起源于密码学早期所使用的一些密码算法，功能是将图像中像素的位置重新排列，将原始图像变换成一个杂乱无章的新图像，要恢复原始图像必须保证原始图像与变换图像之间的变换是1-1映射（双射），而正交拉丁方正好具备该性质。具体方法是：
由定理3知，对于3维空间中的图像，利用正交拉丁方同样能达到数字图像置乱的目的，由于正交拉丁方组中含有n-1个互相正交的拉丁方，故这种图像置乱方法有n (n-1) 种。而对于三维图像则有n (n-1) (n-2) 种。
1.4 新的图像加密算法
文中提出的算法其主要思想是：根据Logistic映射，利用密钥x0, μ产生混沌序列xk，由xk生成灰度置乱矩阵G*，利用矩阵G*对原图像加密后再对其应用基于正交拉丁方的置乱，完成对图像的双重加密。完整的置乱和复原算法如图1所示。
算法采用异或运算对像素值进行改变是因为异或运算在数学上可逆，可实现算法的逆操作。步骤如下：
(1）根据Logistic映射，利用密钥μ, x0。生成一组混沌序列xk, 从xr (r>0) 开始取M×N个元素构成M×N的矩阵B, B (i, j) ∈[0, 1]。将B (i, j) 按式 (7) 变换生成加密矩阵C, C (i, j) ∈[0, 255]。
(2）原始图像矩阵为A，把A中每个像素的像素值 (i, j) 与C (i, j) 作异或运算，得到一级加密图像M。
(3）对图像M进行正交拉丁方置乱变换，得到最终加密图像I*。解密过程刚好是加密隐藏的逆过程。
(4）对图像I*进行正交拉丁方逆变换, 得到图像M。
(5）根据一维Logistic函数、参数及初始值，得到一维随机序列，形成加密矩阵C。
(6）加密矩阵C与图像M作异或运算，得到原始图像矩阵A。
图1 加密算法模型
⛄二、部分代码
function varargout = ladingfang(varargin)
% LADINGFANG M-file for ladingfang.fig
% LADINGFANG, by itself, creates a new LADINGFANG or raises the existing
% singleton*.
%
% H = LADINGFANG returns the handle to a new LADINGFANG or the handle to
% the existing singleton*.
%
% LADINGFANG(‘CALLBACK’,hObject,eventData,handles,…) calls the local
% function named CALLBACK in LADINGFANG.M with the given input arguments.
%
% LADINGFANG(‘Property’,‘Value’,…) creates a new LADINGFANG or raises the
% existing singleton*. Starting from the left, property value pairs are
% applied to the GUI before ladingfang_OpeningFunction gets called. An
% unrecognized property name or invalid value makes property application
% stop. All inputs are passed to ladingfang_OpeningFcn via varargin.
%
% *See GUI Options on GUIDE’s Tools menu. Choose “GUI allows only one
% instance to run (singleton)”.
%
% See also: GUIDE, GUIDATA, GUIHANDLES
% Edit the above text to modify the response to help ladingfang
% Last Modified by GUIDE v2.5 05-Jan-2005 22:18:40
% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct(‘gui_Name’, mfilename, …
‘gui_Singleton’, gui_Singleton, …
‘gui_OpeningFcn’, @ladingfang_OpeningFcn, …
‘gui_OutputFcn’, @ladingfang_OutputFcn, …
‘gui_LayoutFcn’, [] , …
‘gui_Callback’, []);
if nargin & isstr(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
⛄三、运行结果
⛄四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1]崔基哲,张波,Jong Weon KIM.一种图像置乱算法及在数字电视中的应用研究[J].电视技术. 2011,35(20)
3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除
🍅 仿真咨询
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
2 机器学习和深度学习方面
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、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、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
3 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
4 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、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化
5 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
6 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
7 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
8 电力系统方面
微电网优化、无功优化、配电网重构、储能配置
9 元胞自动机方面
交通流 人群疏散 病毒扩散 晶体生长
10 雷达方面
卡尔曼滤波跟踪、航迹关联、航迹融合
这篇关于【图像加密】基于matlab GUI正交拉丁方置乱算法图像加解密【含Matlab源码 182期】的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
