1.基于分数阶忆阻Hopfield神经网络的医学图像加密隐藏方法,其特征在于,步骤包括:
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,构建方法包括:采用一种具有非线性函数的忆阻器,作为Hopfield神经网络第二神经元和第三神经元之间的连接突触,同时也作为Hopfield神经网络第二神经元外部电磁感应电流;构建的所述图像加密模型的数学模型表达式如下:式中,其中x、y和z均表示Hopfield神经元的状态向量;和分别表示忆阻器状态函数的内部状态;a表示神经元激活梯度;b1和b2均表示忆阻器内部参数;k1表示忆阻器和神经元之间的耦合系数;k2表示感应电流的反馈增益;是一个非线性周期函数;D表示积分求导;q表示分数积;k表示突触权值;
利用构建的所述图像加密模型完成对医学图像的加密和隐藏,方法包括:采用所述图像加密模型作为加密和隐藏工具,生成一个与原始的医学图像Γ尺寸相同的密文图像E;将密文图像E隐藏在原始载体图像Q中,得到含有密文图像E的载体图像C,载体图像C与原始载体图像Q在视觉上无差别。
2.根据权利要求1所述的基于分数阶忆阻Hopfield神经网络的医学图像加密隐藏方法,其特征在于,对原始的医学图像Γ进行加密的方法包括:首先输入医学图像,然后计算该医学图像的信息熵以评估其随机性和复杂度;接着,利用SHA-512函数生成一个512位的哈希值K,该哈希值K被分成16个块,用于得到密钥;随后,将密钥输入到图像加密模型中,通过迭代产生混沌序列,并处理成伪随机序列;利用这些伪随机序列,对医学图像进行镜像置乱和有限域双向扩散操作,最终得到无法识别的密文图像E。
3.根据权利要求2所述的基于分数阶忆阻Hopfield神经网络的医学图像加密隐藏方法,其特征在于,对密文图像E隐藏在原始载体图像Q中的方法包括:首先将密文图像E和载体图像Q转换为一维像素矩阵,然后对密文图像E的像素值进行位平面分解,提取每个像素值中的每个比特,形成更长的矩阵;接着,利用图像加密模型产生的混沌序列预处理得到索引矩阵,并根据索引矩阵将密文图像E的像素值嵌入到原始载体图像Q像素值的最低有效位中;最后,通过位重构得到视觉上与原始载体图像Q无差别但含有密文图像E信息的新的载体图像C,完成了图像隐藏。
4.基于分数阶忆阻Hopfield神经网络的医学图像加密隐藏系统,所述系统用于实现权利要求1-3任一项所述的方法,其特征在于,包括:采集模块、构建模块和加密隐藏模块;
所述采集模块用于采集待加密隐藏的医学图像;
所述构建模块用于基于Hopfield神经网络,构建图像加密模型;
所述加密隐藏模块用于利用构建的所述图像加密模型完成对医学图像的加密和隐藏。
5.根据权利要求4所述的基于分数阶忆阻Hopfield神经网络的医学图像加密隐藏系统,其特征在于,所述构建模块的工作流程包括:采用一种具有非线性函数的忆阻器,作为Hopfield神经网络第二神经元和第三神经元之间的连接突触,同时也作为Hopfield神经网络第二神经元外部电磁感应电流;构建的所述图像加密模型的数学模型表达式如下:式中,其中x、y和z均表示Hopfield神经元的状态向量;和分别表示忆阻器状态函数的内部状态;a表示神经元激活梯度;b1和b2均表示忆阻器内部参数;k1表示忆阻器和神经元之间的耦合系数;k2表示感应电流的反馈增益;是一个非线性周期函数;D表示积分求导;q表示分数积;k表示突触权值。
6.根据权利要求5所述的基于分数阶忆阻Hopfield神经网络的医学图像加密隐藏系统,其特征在于,所述加密隐藏模块的工作流程包括:采用所述图像加密模型作为加密和隐藏工具,生成一个与原始的医学图像Γ尺寸相同的密文图像E;将密文图像E隐藏在原始载体图像Q中,得到含有密文图像E的载体图像C,载体图像C与原始载体图像Q在视觉上无差别。