近年来，计算机技术和网络技术的飞速发展，为语音、视频等数据量大的多媒体信息的传播提供了广阔的平台。多媒体信息因其特有的形象、直观和生动等优点，使得人们对它的应用越来越广泛。但是，多媒体信息在给人们带来生活便利的同时，其安全隐患也越来越严峻。作为解决信息安全的重要技术之一的密码学，在多媒体数据的传输领域中正面临着新的挑战。数据量大，是多媒体信息相对于普通文本数据来说最大的区别，如果我们依然采用传统的加密方式对其进行加密，则需要消耗大量的时间和空间资源。数字图像是多媒体信息中最重要的一种信息表达形式，其研究成果能够较容易应用到其它各种多媒体形式中。本论文选取最具代表性的数字图像的加密，作为主要研究内容。近几年来，细胞神经网络（Cellular Neural Network，简称CNN）在图像去噪、边缘提取、分割等多个方面都已取得了丰硕的成果，细胞神经网络所具有的混沌特性和其网络结构的并行处理能力，适合用于数字图像加密算法的设计，但这方面的应用研究还不多。本论文从此处着手，利用细胞神经网络的这两个特点，在保证安全性的条件下，分析和设计新颖的图像加密算法。本文的工作及贡献主要体现在以下几个方面：①简述了神经网络和细胞神经网络的起源及发展。首先介绍了神经网络的起源、发展过程及对国内外学者在神经网络领域的主要研究成果；然后介绍了在Hopfield神经网络和细胞自动机理论基础上发展起来的细胞神经网络，分析了细胞神经网络继承于两者的优势以及自身所具有的特点。②对细胞神经网络和数字图像加密的基础知识作了详细介绍。首先，介绍了细胞神经网络的数学模型、网络结构及动态性能；然后对密码学的基础知识、数字图像加密算法的研究背景和现在主流的几种加密算法作了简要介绍，最后给出了加密算法的几个评判指标。③提出一种基于CNN超混沌特性的数字图像加密算法。使用一个6维CNN产生的混沌序列作密钥源，根据明文图像选取密钥进行加密。本算法克服了普通流密码对明文变化不敏感的缺陷，理论分析和计算机模拟结果表明：该加密算法计算简单、易于实现，对密钥和明文都十分敏感，从密码学分析的角度，对多种攻击手段都具有良好的免疫性。④利用了CNN特有的局部互联和可并行处理信息的结构特点，设计了一个基于CNN结构的数字图像的并行加密框架，并提出了一种基于feistel网络结构的新的分组加密算法。算法中，网络中的细胞先对其负责的小图像块进行分组加密，然后接受与其相邻的8个细胞的输出的影响，经过规定轮数，最后达到全局扩散和加密的效果。该算法易于VLSI实现，并可支持并行计算。理论分析和实验结果表明，该算法在安全性能方面表现优异。最后对本论文的工作进行了总结，并指出本论文工作的不足之处及对以后细胞神经网络的研究前景进行了展望。