摘要
本发明公开了基于分数阶忆阻Hopfield神经网络的医学图像加密隐藏方法及系统,方法包括:采集待加密隐藏的医学图像;基于Hopfield神经网络,构建图像加密模型;利用构建的图像加密模型完成对医学图像的加密和隐藏。本发明可以有效抵抗已知明文攻击和选择性明文攻击,提高混沌系统应用数据加密的安全性。同时,由于混沌系统的控制参数的增加也使得加密算法中密钥个数的增加,极大地扩大了密钥空间。本发明采用分数阶忆阻Hopfield神经网络的混沌序列对密文图像随机嵌入到载体图像中,达到视觉上与载体图像毫无差别的目的,起到双重保护作用;即使出现较大程度的信息丢失或各种噪声,仍然可以将密文图像从载体图像中解密。
技术关键词
Hopfield神经网络
图像加密隐藏方法
医学
隐藏系统
载体
忆阻器
混沌系统
非线性
数学模型
密钥
序列
模块
视觉
像素矩阵
表达式
数据加密
明文
系统为您推荐了相关专利信息
体内脉管系统
血管支架
深度学习神经网络模型
医学
血管内超声图像
图像超分辨率
感知特征
多分辨率
分割方法
多尺度
噪声先验
医学图像数据集
混合高斯模型
噪声特征
超分辨率图像重建