随着信息和通信技术的发展,大量的信息数据通过互联网传输。因此,信息安全问题变得越来越重要。密码学在数据安全中扮演着非常重要的角色,它可以通过隐藏敏感信息来确保信息的高机密性。光学加密因加密效率高、编码层次多、高速并行的处理能力等优点而得到快速发展。其中基于鬼成像的光学加密系统因其对成像硬件设备要求低、密文存储空间更小而引起普遍重视。不过,由于鬼成像技术本身面临着测量时间长、测量次数较多等问题,鬼成像加密技术的应用因此仍受到较大限制。本文结合压缩感知和深度学习等方法减少了测量次数并提高了成像质量,另外还提出了两种新的加密方法,具体内容如下:1.提出了一种基于深度学习的鬼成像重建方法,可以直接从一维的桶探测信号获得高质量的目标图像。为了提高鬼成像图像重建的质量和效率,我们构建了一个端到端生成对抗网络,该网络的生成器基于“U-net”的结构,判别器则采用卷积分类框架。该方法通过使用模拟数据对网络进行预训练,学习并提取由传统鬼成像方法生成的一维桶探测信号的特征。通过两类目标的实验结果验证了该方法的有效性。为了进一步研究该方法的性能,我们分别将其与传统的、基于压缩感知的鬼成像方法和基于U-net的鬼成像方法进行了比较。2.提出了一种多图像的编码、压缩和认证方法,实现了多级加密与压缩。该方法在使用鬼成像进行压缩和加密之前,基于沃尔什-哈达玛变换和Arnold变换先将目标图像进行数值化压缩并编码为伪随机图像。然后进一步采用鬼成像方法对生成的图像编码为序列形式的数据。解密过程中,对密文先后进行压缩感知、Arnold逆变换和沃尔什-哈达玛逆变换操作,最终可以成功地从密文序列中重建出原始图像。在该方法中,我们引入了一种认证方法,以便实现密文与密钥的配对。一旦匹配或者认证失败,解密过程立即终止。这样当解密方提供了错误的解密密钥时就能及时终止解密,避免了后续解密步骤的开展,节省了计算资源。3.设计了一种基于深度学习的彩色计算鬼成像加密系统,同时通过引入隐写术提高了系统的安全水平。通过非明显的数据嵌入方式,将秘密图像即待隐藏图的桶探测强度隐藏到非秘密图像即宿主图的探测强度中,并将重新组合的数据作为隐写后的密文。解密过程中,需要从密文中先提取出嵌入的秘密数据,将其与彩色散斑进行关联运算,然后将结果输入到多判别器生成对抗网络中。如果解密过程不事先提取秘密数据而直接对密文进行解密,则只能恢复出非秘密信息而无法得到秘密信息,从而可以有效地抵御深度学习的攻击。此外,我们在数据嵌入过程中引入了索引密钥,以提高隐写方案的安全性。