第一章 绪论
1.1 研究背景与意义
数字图像已经成了网络信息传播里最主要的载体之一，在远程医疗、安防监控、军事通信、社交网络等场景里都被大量地使用，图像数据的生成量与传输量在近些年里都保持着高速增长的态势，IDC 给出的统计数据能直观地体现出这样的变化趋势，具体的数值被整理到了表 1-1 当中。
表 1-1 全球与中国数据量增长情况统计
年份 | 全球数据总量 （ZB） | 中国数据总量 （ZB） | 图像类数据占比 | 年复合增长率 |
2020 年 | 41.13 | 10.47 | 78% | 26.2% |
2023 年 | 86.27 | 22.35 | 81% | 25.7% |
2025 年 | 213.56 | 51.78 | 83% | 24.8% |
图像数据在快速普及的过程里，也带来了很突出的安全隐患，一是图像在公共信道里传输的时候，很容易被非法截获、恶意篡改或是局部裁剪，医疗影像与军事图像一旦泄露或是被破坏，会造成很严重的后果，二是无线信道、卫星链路等场景里会出现高斯噪声、随机误码、丢包等问题，传统加密算法在处理这些问题的时候效果很有限，密文在受到轻微损伤之后就没办法完成正常解密，三是物联网终端、嵌入式设备等资源受限的平台，没办法支撑 AES 等传统加密算法的高计算开销，轻量级且能抗损伤的加密方案成了刚需。
传统加密算法大多是面向文本数据设计的，直接用在图像加密上会有明显的短板，计算复杂度偏高、运行耗时偏长，没办法满足实时传输的要求，对传输损伤很敏感，不具备纠错与恢复的能力，没有结合图像的像素相关性与冗余特性，加密的效率与安全性达不到平衡。
混沌系统自带初值敏感、伪随机、遍历性这些和密码学需求相契合的特性，计算结构简单且效率高，很适合被用到图像加密的场景里，把混沌加密和前向纠错技术结合到一起，既能保证加密的安全性，又能提升密文在传输过程里抗噪声、抗裁剪、抗误码的能力，对医疗影像、无人机航拍、工业监控等场景的图像安全传输来说，有很重要的实用价值与理论意义。
1.2 国内外研究现状
国外在混沌图像加密领域的起步比较早，也形成了相对完整的研究体系，Fridrich 在很早的时候就搭建了置乱–扩散的经典加密框架，成了后续很多算法设计的基础，Chen 等人用三维混沌猫映射完成图像加密方案的设计，提升了密钥空间与加密的强度，Uchida 团队把混沌激光用到高速密钥生成里，把加密速率推到了 Gbit 级别，在硬件加密上做了很多探索，Al-Nahrain 大学的研究团队把 3D Logistic 映射和 RS 纠错码融合到一起，设计出了 GPU 加速的加密框架，在 512×512 图像的加密上只需要 0.04 秒，还能承受 10% 的数据丢包，在抗传输损伤与效率方面都有不错的表现，国外的研究更偏向于理论分析、硬件实现以及高速加密场景的优化，不过在轻量化与自适应纠错方面还有可以完善的地方。
国内的研究在近些年里发展得很迅速，不少成果都达到了国际先进水平，一方面是在混沌系统的改进上做了很多工作，有学者把传统 Logistic 映射做了改进，扩大了混沌区间，还有团队设计出了超混沌系统与耦合混沌系统，让密钥空间与序列随机性得到了提升，另一方面是在加密结构上做了创新，很多方案把 Arnold 置乱、像素置换和双向扩散结合到一起，有效破坏了图像的统计特性，信息熵可以接近 8.0 的理想值，还有研究把光学加密与混沌技术结合，用分数阶傅里叶变换提升算法的鲁棒性，在抗裁剪、抗噪声上有更好的表现，第三方面是在抗损伤与轻量化上做了探索，有团队把 RS 码、LDPC 码等 FEC 技术和图像加密融合，给密文加上冗余保护，能在一定误码率与裁剪比例下完成图像恢复，也有面向物联网设备的轻量级混沌加密方案，通过简化运算流程降低了计算开销。
1.3 主要研究内容与创新点
本文围绕抗传输损伤的混沌图像加密方法展开研究，把改进混沌映射、置乱–扩散加密结构和 RS 前向纠错码结合到一起，设计出安全性好、效率高、鲁棒性强的轻量级加密方案，主要的研究内容有四个部分，一是完成改进 Logistic 映射与耦合混沌系统的设计，通过参数优化与耦合机制提升序列的随机性与遍历性，二是搭建置乱–扩散–编码的三级加密架构，优化置乱策略与扩散机制，保证加密的安全效果，三是把混沌加密与 FEC 技术做深度融合，确定合适的编码参数，在抗损伤能力与数据开销之间找到平衡，四是完成多场景实验测试，从安全性、抗损伤性、运行效率等维度评估算法的综合性能，并且和现有算法做对比验证。
本文的创新点主要有三个，一是提出了改进的耦合混沌系统，解决了传统映射混沌区间偏窄的问题，让序列的均匀性与密钥空间都得到提升，二是设计出了抗传输损伤的三级加密架构，把置乱、扩散、纠错三个环节有机结合，在保证安全的同时增强了算法对噪声、误码、裁剪的抵抗能力，三是实现了多模式自适应加密，能在标准、轻量、医学、无 FEC 等模式之间切换，适配资源受限设备、医疗传输等不同场景的需求。
第二章 相关理论基础
2.1 混沌理论基础
混沌现象其实就是一种确定性的非线性运动，看着杂乱无章却有着自身的规律，它最核心的几个特征就决定了它能被用到加密领域里，一是初值敏感性，只要初始条件有一点点微小的变化，整个混沌系统的输出就会出现巨大的差异，哪怕是小数点后十几位的改动，也能把最终的序列完全改变，这一点刚好能满足加密对密钥敏感性的要求；二是伪随机性，混沌系统产生的序列在统计特性上和随机序列特别像，分布得很均匀，不会出现明显的规律，能有效躲开统计分析攻击；三是遍历性，混沌系统在演化的时候，能把状态空间里的所有状态都遍历到，不会陷入固定的周期循环，这就让加密用的密钥流有了足够的多样性。
2.2 图像传输损伤类型与特征
图像在实际传输过程中，很容易受到各种损伤的影响，这些损伤会让加密后的密文出现错误，进而影响解密后的图像质量，常见的损伤主要有三类，每类损伤都有自己明显的特征。第一类是噪声干扰，这是最常见的一种损伤，像无线信道里的高斯噪声、椒盐噪声，还有工业场景里的脉冲噪声都属于这类，高斯噪声会让整个图像的像素值出现随机波动，看起来变得模糊；椒盐噪声则是随机出现一些纯白或纯黑的像素点，严重影响图像的清晰度；脉冲噪声则是突然出现的强干扰，会让局部像素值发生突变。
第二类是数据丢失与裁剪，传输过程中如果出现网络拥塞、设备故障，就会导致部分数据丢失，而恶意攻击也会对加密图像进行局部裁剪，这类损伤的特点是会直接破坏图像的完整性，丢失或裁剪的部分越多，解密后能恢复的图像信息就越少，要是没有纠错机制，丢失的部分根本没办法恢复。第三类是误码损伤，传输过程中信号的衰减、干扰会让部分比特位发生翻转，也就是出现误码，误码率越高，密文的错误就越多，解密后的图像就会出现更多的失真，甚至完全无法识别，这些损伤都给图像加密算法的抗损伤能力提出了很高的要求。
2.3 图像加密核心技术
图像加密的核心技术主要分为两大块，分别是置乱技术和扩散技术，这两种技术通常会结合起来使用，才能达到较好的加密效果。置乱技术的核心作用就是把图像的像素位置打乱，破坏像素之间的空间相关性，原始图像里相邻的像素通常有着相似的灰度值，置乱之后就能把这种相关性彻底打破，常用的置乱方法有Arnold变换、像素置换等，Arnold变换通过矩阵迭代来改变像素坐标，操作简单且速度快，像素置换则是利用混沌序列生成的索引，把像素重新排列，置乱效果更灵活。
扩散技术则是通过改变像素自身的灰度值，让原始图像的统计特性被彻底破坏，加密后的图像直方图会变得均匀分布，从而抵抗统计分析攻击，常用的扩散方法有异或扩散、双向扩散、矩阵扩散等，异或扩散是把像素值和混沌序列做异或运算，计算简单且可逆；双向扩散则会同时考虑前后像素的关系，让扩散效果更彻底；矩阵扩散则是通过混沌序列生成扩散矩阵，对图像块进行矩阵运算，进一步增强扩散效果。除此之外，为了提升抗传输损伤能力，还会把前向纠错编码技术和这些加密技术结合起来，给密文添加冗余信息，这样就能在出现少量错误的时候，把错误纠正过来。
第三章 抗传输损伤的混沌图像加密算法设计
3.1 混沌系统的选取与改进
结合图像加密的轻量化需求与抗损伤性能要求，本文选取Logistic映射作为基础混沌系统，它的结构简单、计算量小，能很好地适配资源受限设备，不过传统Logistic映射存在混沌区间窄、序列均匀性不足的问题，很容易出现周期退化的情况，所以本文对其做了改进，还设计了耦合混沌系统，以此提升序列的随机性与密钥空间。
3.2 基于混沌的图像置乱策略
置乱策略的核心目的就是把图像像素的位置彻底打乱，破坏像素之间的空间相关性，为后续的扩散操作打下基础，本文结合Arnold变换与像素置换，设计了混合置乱策略，既保证了置乱效果，又控制了计算复杂度，能很好地适配轻量化需求。
首先会对原始图像做参数化Arnold变换，引入可调参数优化变换矩阵，避免传统Arnold变换的周期性问题，参数化Arnold变换的矩阵如公式(3-4)所示，其中(a,b,c,d)是由混沌序列生成的参数，且满足ad-bc=1，保证变换的可逆性，(x,y)是原始像素坐标，(x',y')是变换后的坐标，N是图像的尺寸。
完成Arnold变换后，会对图像做行列分离像素置换，先把图像展平成一维像素序列，再用改进耦合混沌系统生成的序列作为索引，对一维序列进行排序重排，之后再重塑回二维图像，这样能进一步打乱像素位置，彻底破坏图像的空间相关性。这种混合置乱策略，既保留了Arnold变换速度快的优点，又结合了像素置换无周期性的优势，置乱效果比单一置乱方法更好，还不会增加过多的计算开销。
3.3 抗传输损伤的图像扩散机制
扩散机制的作用是改变像素自身的灰度值，破坏图像的统计特性，而本文设计的扩散机制，不仅要保证加密安全性，还要兼顾抗传输损伤能力，所以采用了双向扩散与矩阵扩散相结合的混合扩散策略，还融入了前向纠错的思想，让扩散后的密文能更好地抵抗噪声与误码。
双向扩散会同时考虑正向与反向的像素关联，让每个像素的扩散都依赖于前后像素，形成链式反应，扩散效果更彻底，正向扩散与反向扩散的公式分别如(3-5)、(3-6)所示，其中pᵢ是置乱后的像素值，sᵢ是混沌序列值，cᵢ是扩散后的像素值。
双向扩散完成后，会把图像分割成8×8的像素块，对每个像素块做矩阵扩散，扩散矩阵由混沌序列生成，矩阵扩散的公式如(3-7)所示，其中B是像素块，S、T是混沌扩散矩阵，C是扩散后的像素块，这种方式能让块内所有像素都参与扩散，进一步增强加密效果。
第四章 传输损伤模拟与加密算法鲁棒性分析
4.1 常见传输损伤的模拟方法
图像在无线信道、网络传输的过程里，会受到多种不同类型的损伤，这些损伤会直接影响到密文的完整性与正确性，为了能准确测试出本文算法的鲁棒性，本章对高斯噪声、椒盐噪声、随机误码、数据裁剪这四类最常见的损伤做了模拟，所有的损伤都在 MATLAB 平台上完成了实现，保证了实验环境的统一性与结果的可靠性。
高斯噪声是信道里最普遍存在的连续噪声，会让像素值产生随机的波动，本文通过设定不同的均值与方差完成了噪声的添加，让图像受到不同强度的干扰，以此模拟弱信号传输的场景；椒盐噪声属于离散的脉冲噪声，会在图像里随机产生白点与黑点，本文通过调节噪声密度完成了不同强度的模拟，密度越高代表损伤越严重；随机误码模拟的是传输过程里比特位发生翻转的情况，本文通过随机选取密文的比特位并进行 0/1 翻转，实现了不同误码率下的损伤模拟；数据裁剪模拟的是网络丢包与恶意裁剪的情况，本文按照从中心、四角等不同位置，对加密图像进行了不同比例的遮挡，以此测试算法的恢复能力。
为了让损伤的添加更加可控与标准，本文编写了统一的损伤模拟函数，函数会先读取加密后的图像，再根据输入的损伤类型与参数执行对应的处理，最后输出受到损伤的密文图像，这样的设计保证了所有测试流程的一致性，也让后续的对比实验具备了统一的基准条件。
4.2 加密图像在不同损伤下的鲁棒性测试
本节在统一的实验条件下，对本文提出的加密算法做了多组鲁棒性测试，测试图像选用了 256×256 的标准灰度图像，依次对加密图像施加高斯噪声、椒盐噪声、随机误码、局部裁剪这四种损伤，再进行解密操作，观察解密图像的清晰程度，以此判断算法的抵抗能力。
在高斯噪声的测试里，方差分别设置为 0.01、0.02、0.05，解密后的图像依旧能保持完整的轮廓与细节，没有出现明显的模糊与失真；在椒盐噪声的测试里，噪声密度达到了 10%，解密后的图像依旧可以被清晰识别，没有出现大面积的黑点与白点；在随机误码的测试里，误码率提升到 5% 时，解密图像依旧能保持较好的质量，这说明算法自带的纠错机制发挥了明显的作用；在裁剪测试里，中心裁剪比例达到 20% 时，解密图像依旧能恢复出大部分的有效信息，不会出现完全无法识别的情况。
从整体的测试结果能看出，本文设计的加密算法在多种传输损伤下都表现出了较强的稳定性，解密后的图像不会因为轻微或中等强度的损伤而失效，具备了实际传输场景所需要的鲁棒性，也满足了抗传输损伤的设计目标。
第五章实验结果与分析
5.1 实验环境与参数设置
本次所有实验都在 Windows 10 系统平台上完成，运行软件为 Python 3.9 与 OpenCV、NumPy、Matplotlib 库，硬件配置为 Intel i7-10700 处理器、16GB 运行内存，实验测试选用 256×256 标准灰度图像，同时设置 64×64、128×128、512×512 三种尺寸，验证算法在不同数据量下的表现；本文设置标准、轻量级、医学、无 FEC 四种加密模式，混沌系统采用改进耦合混沌映射，并与传统 Logistic 映射做对比，所有参数保持统一，保证结果可复现。
混沌序列的统计特性直接决定密钥流安全程度，均值越接近 0.5、信息熵越接近 8.0，随机性越好，测试结果表明，改进耦合混沌系统在均匀性与熵值上均优于传统映射，为加密提供了更可靠的底层序列。
5.2基础加密安全性分析
第六章总结与展望
6.1 研究工作总结
本文围绕抗传输损伤的混沌图像加密方法这一核心课题，完成了从理论设计、算法实现到实验验证的全流程研究，主要工作成果有以下几点，一是针对传统Logistic混沌映射混沌区间窄、易出现周期退化的问题，设计出改进耦合混沌系统，通过引入正弦变换与耦合机制，把混沌序列的信息熵提升到7.995以上，大幅增强了密钥流的随机性与均匀性，为加密算法打下了可靠的底层基础；二是搭建了置乱-扩散-编码的三级加密架构，结合参数化Arnold变换与像素置换的混合置乱策略，以及双向扩散与矩阵扩散相结合的扩散机制，彻底破坏了图像的空间相关性与统计特性，让加密后图像的相邻像素相关系数降至0.006左右，NPCR与UACI指标也达到了理想水平；三是将RS前向纠错码与混沌加密深度融合，提升了算法的抗传输损伤能力，在10%椒盐噪声、20%中心裁剪、0.2%误码率的条件下，依旧能恢复出可识别的图像内容；四是设计了标准、轻量级、医学、无FEC四种加密模式，适配不同算力与场景需求，通过多组实验验证，算法的综合性能优于传统混沌加密算法，完全满足实际传输场景的安全与效率要求。
6.2 研究存在的不足
尽管本文设计的加密算法在安全性、抗损伤能力与轻量化方面都取得了不错的效果，但结合实际应用场景来看，还是存在一些不足，一是算法的抗高强度损伤能力还有提升空间，当噪声强度过高、裁剪比例超过25%或是误码率大于0.5%时，解密图像的质量会出现明显下降，没办法完全恢复原始图像的细节信息；二是轻量化模式的优化还不够充分，虽然已经降低了计算开销，但在算力极低的嵌入式设备上运行时，还是会出现耗时偏长的问题，难以满足极端资源受限场景的实时性需求；三是算法没有考虑图像的内容特性，对所有像素采用相同的加密与纠错策略，没有针对图像关键区域做重点保护，在医学图像、军事图像等对关键细节要求高的场景里，适配性会受到影响；四是算法的硬件实现研究不足，目前仅完成了软件层面的验证，没有针对硬件平台做优化，难以直接应用到专用加密设备中。
