1.一种动态定位双向同步置乱与扩散混沌图像加密算法，其特征在于：
加密过程如下：
步骤1：通过引入指数函数改进tent映射，以logistic映射为动态输入，像素为动态参数，构造了一种动态混沌映射格子；
步骤2：使用忆阻器神经网络的输出值作为密钥更新以及定位索引置乱的行列对的相关参数，使用定位元素对混沌随机矩阵进行双向行与列置乱；
步骤3：通过分析像素bit位特点，进行像素bit位突变；
步骤4：根据像素值获得其相应替换的像素的索引，通过bit位的交换，同步完成图像置乱和扩散操作；
步骤5：采用密钥序列完成图像行与列的快速扩散操作，使得每一个像素值的影响扩散到整张图像。
2.根据权利要求1所述的一种动态混沌映射格子，其特征在于：通过引入指数函数ek，利用tent映射以及logistic映射，构造动态的tlcml混沌系统，如下式，使得混沌映射的随机性更强，提高加密算法的安全性；
其中n为时延，β∈[1，4]，μ∈[1，4]；α为动态选择系数，其中
a＝sum(·)，即为对原图像求和。
3.根据权利要求1所述的一种基于忆阻器的混沌神经网络，其特征在于：根据电压和流过忆阻的电流推导忆阻方程，忆阻的阻值m(t)可以表示为：
根据忆阻器的特点，当小电压能够产生大电场时，混沌现场便产生了，选择jokular窗口函数对忆阻器器件结构中的掺杂漂移进行建模，且p＝1时忆阻器的非线性特性最强，表示为：
f(x)＝4x-4x2
根据忆阻值m(t)和忆阻器电导g(t)的关系，对时间t进行微分后，得到关于点到变化率的方程：
使用δg代替神经网络更新的权值δw，将忆阻器与chebyshev混沌多项式结合作为卷积神经网络全连接层的激活函数，使得神经网络快速收敛，从而提高神经网络的学习效率。
4.根据权利要求1所述的一种双向行与列置乱算法，其特征在于：具体步骤如下：
步骤1：使用以下等式对混沌神经网络得到的权值wi进行运算，获得混沌系统的参数βi与μi与初始值xi的更新方法；
步骤2：输入参数βi，αi与初始值xi到tlcml混沌系统，获得大小为m×n的混沌矩阵s；
步骤3：使用以下等式获得行与列双向置乱的定位基准；
步骤4：使用排序算法获得混沌矩阵的索引矩阵，完成原图像的置乱过程，得到图像bp。
5.根据权利要求1所述的一种同步图像置乱和扩散，其特征在于：具体步骤如下：
步骤1：通过以下公式获得像素相应替换目标的索引；
步骤2：根据索引，交换目标像素的bit平面，完成同步置乱与扩散，得到图像bps。
6.根据权利要求1所述的一种快速扩散算法，其特征在于：具体步骤如下：
步骤1：使用tlcml混沌系统获得扩散阶段所需要的混沌序列d；
步骤2：取得混沌序列前n个值与预处理后图像bps的第一行像素进行bit-wise异或操作；
步骤3：使用第一行扩散后的像素序列对整张图像bps进行逐行扩散操作，直至所有的行结束；
步骤4：与行扩散方法类似，取得混沌序列后n个值与预处理后图像bps的最后一列像素进行bit-wise异或操作；
步骤5：使用最后一列扩散后的像素序列对整张图像bps进行逐列扩散操作，直至所有的列结束；
完成图像的加密操作，获得加密后图像cp。