返回
Multi-image optical encryption based on physics-enhanced deep neural network
DOI:10.1016/j.optlastec.2026.114934.png)
摘要
En 中文
多图像光学加密技术因其并行处理能力和丰富的自由度而在数据保护中展现出巨大潜力。然而,现有方法面临实验条件严苛、泛化能力低以及对手动选择参数的依赖等挑战。本文提出了一种基于物理增强深度神经网络(PhysenNet-MOE)的多图像光学加密技术,旨在解决这些挑战。首先,在加密过程中,每个明文图像使用由相位恢复算法生成的具有几何形状的点扩散函数进行编码。随后,将生成的多帧密文叠加形成压缩密文。最后,采用结合压缩-加密物理模型与深度神经网络的迭代优化方法,从压缩密文中解密多帧明文,无需先验信息或预训练网络。仿真和实验均验证了PhysenNet-MOE的可行性。此外,其简化光学装置的优势有望为光学加密技术的深度集成提供有效解决方案。
Keyword:
multi-image optical encryption
physics-enhanced deep neural network
phase retrieval algorithm
compressed ciphertext
iterative optimization
期刊
O
IF:
0
论文数:
880
被引数:
0
机构
引用论文
The image encryption system based on optical orbital angular momentum holography and nonlinear authentication基于光学轨道角动量全息术和非线性认证的图像加密系统
Deep-learning-based cross-talk free and high-security compressive encryption with spatially incoherent illumination
OPTICS EXPRESS
IF3.3
An optical vortex-based asymmetric cryptosystem using QZ modulation for the double image encryption in the gyrator transform基于光学涡旋和QZ调制的 gyrator 变换双图像加密的异步加密系统

