在低性能多媒体设备和物联网系统迅速发展的今天,低计算精度环境下安全高效的图像加密技术有着很大的需求。主流的以混沌系统为支撑的图像加密方法往往不仅在速度上不尽如人意,而且在低精度计算环境下安全性无法得到保障,有些甚至无法正常运行,因此人们的需求无法得到满足。本文通过对以上问题的思考与研究,提出了不依赖于混沌系统的两种图像加密方法,一种是单张的图像加密方法,另一种是批量图像加密方法。（1）提出了一种深度布尔卷积神经网络（Deep Boolean Convolutional Neural Network,DBCNN）的图像加密方法,该方法由多个基于布尔运算的卷积层和神经元的模激活组成。与现有的深度卷积神经网络（Deep Convolutional Neuron Networks,DCNN）的体系结构不同,所提出的DBCNN仅由多个基于布尔运算的卷积层堆叠而成,而没有现有DCNN中一直使用的基于算术运算的卷积层、汇聚层和变量优化过程。与当前基于混沌的加密系统不同,DBCNN加密方法在低计算精度(2-8)环境下运行,有几十个密钥,这些密钥由一个名为素数模乘线性同余产生器（Prime Modulo Multiplication Linear Congruence Generator,PMMLCG）的伪随机数生成器生成,该生成器在低精度(2-8)条件下工作,而基于混沌系统产生的大量伪随机数一般在2-16或更高精度环境下运行。此外,通过把置乱和扩散过程整合到一个阶段减少了很多加密时间。仿真结果表明,在低计算精度下,基于混沌比较高维的密码系统安全性较低,无法承受一些常见攻击,但是本加密方案在低计算精度下安全性高、时间复杂度低、抗常见攻击能力强,具有很大的优势。（2）提出了一种基于素数模乘线性同余产生器（PMMLCG）的批图像加密方法。该方法最重要的是构建一个素数模乘线性同余产生器,这种产生器不仅可以在低计算精度下运行,而且产生伪随机数的周期较长,符合图像加密要求。在构建以上伪随机数产生器之后,再将图像集均分为三组,组内异或生成三个组合图像;接着使用Hash函数得到整个数据集的哈希值,并根据公式更新第三组组合图像;然后使用公式将以上组合图像生成一个加密序列矩阵;之后根据生成的序列矩阵对图像集中所有明文图像进行置乱和扩散,并使用异或运算生成密文图像;最后使用具有较高安全性的改进版2D-SCL对加密序列矩阵进行加密。实验表明,在低计算精度下,通过复现后的对比加密方法存在不能满足需求的情况,而本文提出的批图像加密方法在加密速度和安全性上都比对比文献有一定的优越性。（3）在介绍本文两种加密方法后,在第五章介绍了根据以上两种加密方法实现的低计算精度图像加密系统,此系统能够根据用户的需求选择单张或者是批量图像加解密,用户使用对应的加解密方法较为方便,可以看出本文方法具有一定的应用价值。综上所述,本文提出的两种图像加密方法不仅提升了加密图像的安全性,而且还减少了加密所需要的时间,具有一定的实用价值,也为后续高效安全图像加密方法的研究提供了一个新的思路。