一种高级脉冲神经元模型及其在图像加密的应用

《一种高级脉冲神经元模型及其在图像加密的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP391密级：公开专业学位研究生学位论文一种高级脉冲神经元模型及其在图像加密论文题目（中文）的应用Anadvancedspikingneuronmodelandits论文题目（外文）applicationinimageencryption研究生姓名葛荣骏学位类别工程硕士专业学位领域电子与通信工程学位级别硕士校内导师姓名、职称马义德教授校外导师单位、姓名论文工作起止年月2014年9月至2016年4月论文提交日期2016年4月论文答辩日期2016年5月学位授予日期校址：甘肃省兰州市原创性声明本人郑重声明：本人所呈交的学位论

2、文，是在导师的指导下独立进行研究所取得的成果。学位论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究成果做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：日期：关于学位论文使用授权的声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属兰州大学。本人完全了解兰州大学有关保存、使用学位论文的规定，同意学校保存或向国家有关部门或机构送交论文的纸质版和电子版，允许论文被查

3、阅和借阅；本人授权兰州大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存和汇编本学位论文。本人离校后发表、使用学位论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为兰州大学。本学位论文研究内容：□可以公开□不宜公开，已在学位办公室办理保密申请，解密后适用本授权书。（请在以上选项内选择其中一项打“√”）论文作者签名：导师签名：日期：日期：一种高级脉冲神经元模型及其在图像加密的应用摘要根据基本运算单元的划分，人工神经网络可以被分为三代。作为第三代人工神经网络的脉冲神经元网络，具有比前两代更

4、强大的计算能力和更接近生物神经元网络的特性。因此，设计一种更贴近生物神经元，并且可硬件实现的脉冲神经元模型很有必要。本文结合积分点火模型的设计思路，提出了具有一定记忆特征的高级脉冲神经元模型（AdvancedSpikingNeuronCircuit，ASNC）和高级脉冲耦合神经元模型（AdvancedPulse-CoupledSpikingNeuronCircuit，APSNC）。此外，随着数字化时代的不断发展，数字信息的安全问题也更加凸显，特别是数字图像，其信息的二维性、高相关性、大信息量以及高冗余度使得一些传统加密手段略显不

5、足。这就需要对传统密码学进行有效改进，或提出新的加密技术，以应对图像信息的安全问题。在这样的背景下，基于混沌的图像加密方案由于能够有效结合混沌的敏感性、遍历性以及复杂性等特点而得到广泛采纳。本文经过对APSNC模型充分研究后，发现其所表现出混沌行为极其适用于图像加密，而提出了一种基于混沌和bit级同心旋转的加密算法。本文的主要研究工作概括如下：1）考虑到生物神经元的记忆性，本文设计了一种具有记忆特征的高级脉冲神经元模型，该模型对每次重置的阈值电位具有短暂的记忆能力。进一步地，通过交叉开关的方式，本文将两个ASNC模型耦合构成AP

6、SNC模型。在APSNC模型中，ASNC模型间的互相控制表现出了短暂的交叉记忆行为。此外，多种周期信号的输入虽然使神经元模型其更具通用性，但也增加了点火相位的求解难度。对此，本文提出通过将最小公倍数的定义进行扩展以得到不同信号间公共周期，并进一步求得点火相位的方法。该方法可以有效地解决具有多周期输入信号的神经元模型的相位求解问题。之后，本文对神经元模型进行动力学特性的分析，将参数划分为三个区域，这有助于快速地获取所需的动力学行为，而统计特性分析结果表明ASNC模型和APSNC模型所产生的混沌序列具有很好的伪随机性，支持了将它们应

7、用于图像加密的可行性，并进一步地用其对Lena图像实现加密。此外，本文还对ASNC模型和APSNC模型完成了硬件电路实现及测试；2）采用以bit位作为Confusion操作基本单元的Confusion-Diffusion结构，本文提出了一种基于混沌和bit级同心旋转的图像加密算法。该加密算法先将每8个相邻像素分解成88的bit块，再由混沌序列产生的指令将bit块从内往外的4层分别旋转相应的位数。该操作不仅可以将像素值有效地置乱，还兼具部分扩散能力，并且能够对图像直方图实现很好地均衡化，这分担了Diffusion阶段的工作量。通

8、过异或与取模运算，该算法加强了原始图像像素与加密图像间的联系，使得原始图像中一个像素的细微变化可以扩散至整幅加密图像。经过该算法的适当扩展，同样可以用于RGB图像加密。此外，经过对APSNC模型的研究发现，将部分参数合理地固定可以获得参数区域连续、迭代分布均匀的