-
公开(公告)号：CN112116601A
公开(公告)日：2020-12-22
申请号：CN202010830545.0
申请日：2020-08-18
Applicant: 河南大学
Abstract: 本发明公开一种基于线性采样网络及生成对抗残差网络的压缩感知采样重建方法及系统，该方法包括：获取训练图像，并通过分割处理将训练图像分割为多个图像块；构建线性采样网络对图像块进行测量，获得各图像块对应的测量值；在生成对抗残差网络中，先通过全连接层对各图像块的测量值进行线性映射处理，获得初始重建结果；将初始重建结果输入残差网络中，训练获得残差信息；将初始重建结果与残差信息进行信号融合，从而得到生成器的生成结果；将生成器的生成结果与原始图像块共同输入鉴别器中进行判断；计算损失函数，对线性采样网络及生成对抗残差网络进行迭代训练，从而得到最终图像重建结果。本发明可有效提高低采样率下重建效果。
-
公开(公告)号：CN110139000B
公开(公告)日：2020-10-23
申请号：CN201910288848.1
申请日：2019-04-11
Applicant: 河南大学
IPC: H04N1/32 , H04L9/00 , H04L9/08 , H04N19/124
Abstract: 本发明提供的基于压缩感知和生命游戏置乱的图像压缩加密方法，该方法包括：步骤1、采用离散小波变换对大小为m×n的明文图像P进行稀疏化处理，得到明文图像P的系数矩阵P1；步骤2、将预生成的初始细胞矩阵S0采用生命游戏规则进行迭代得到置乱矩阵SM；步骤3、采用所述置乱矩阵SM对所述系数矩阵P1进行置乱，得到置乱后的矩阵P2；步骤4、采用压缩感知算法对所述矩阵P2进行压缩加密，得到测量值矩阵P3；步骤5、对所述测量值矩阵P3进行量化和扩散，得到与所述明文图像P对应的密文图像C。本发明可在对图像数据进行压缩的同时，有效保护数据的安全。
-
公开(公告)号：CN108898025B
公开(公告)日：2020-06-12
申请号：CN201810659842.6
申请日：2018-06-25
Applicant: 河南大学
IPC: G06F21/60
Abstract: 本发明涉及一种基于双重置乱和DNA编码的混沌图像加密方法，首先，将明文图像进行位平面分解并将其进行DNA编码、变形转变为三维DNA矩阵；接着，利用双重置乱操作对三维DNA矩阵进行置乱，该过程将混沌序列的排序置乱与三维猫映射置乱相结合对DNA序列进行位级置乱；然后，将置乱后的三维DNA矩阵执行扩散操作，并将扩散后的矩阵转变为二维DNA矩阵；最后，将二维DNA矩阵进行DNA解码操作得到密文图像。本文利用明文图像的SHA 256哈希函数计算混沌系统的初始值，并且所使用的三维猫映射的参数也和明文图像有关，增强了算法抵抗选择明文攻击的能力。实验结果和安全分析表明，该加密方案可以抵御多种已知的攻击，可以有效地保护图像的安全，进一步提高安全等级。
-
公开(公告)号：CN109360141A
公开(公告)日：2019-02-19
申请号：CN201811058083.4
申请日：2018-09-11
Applicant: 河南大学
Abstract: 本发明提供一种基于压缩感知和三维猫映射的图像加密方法。该方法包括：步骤1、根据明文图像P的像素平均值I计算三维猫映射混沌系统的初始状态值和系统参数，并对P的稀疏系数矩阵进行zigzag置乱；步骤2、将所述初始状态值和系统参数带入三维猫映射混沌系统，构建测量矩阵，并利用所述测量矩阵对置乱后的稀疏系数矩阵进行压缩测量，得到密文图像F；步骤3、将F按照LSB最低有效位嵌入算法嵌入到载体图像R中，得到视觉安全图像E。本发明可使密文图像在视觉上安全，如此，当密文图像和其他图像一起进行传输或者存储时，攻击者不能从众多有意义的图像中发现密文图像，保证密文图像或相关明文图像的安全。
-
公开(公告)号：CN107492064A
公开(公告)日：2017-12-19
申请号：CN201710546448.7
申请日：2017-07-06
Applicant: 河南大学
IPC: G06T1/00
Abstract: 本发明属于图像加密领域，特别涉及一种基于忆阻混沌系统、初等元胞自动机和压缩感知的图像加密方法，包含：首先，图像经过离散小波变换，得到稀疏系数矩阵；然后采用zigzag置乱方法对稀疏系数矩阵进行置乱，再利用初等元胞自动机进行置乱操作；最后用忆阻混沌系统产生的测量矩阵对置乱后的图像进行压缩感知，得到最终的密文图像；其中，明文图像通过作用于SHA-512函数来产生混沌系统的初始值、元胞自动机初始构型，增强算法与明文图像的相关性。本发明采用初等元胞自动机和压缩感知相结合的图像加密技术，利用初等元胞自动机对图像进行置乱，通过压缩感知在实现图像压缩的同时对图像进行加密，减少传输的数据量，并防止图像信息泄露，具有较高的安全性能。
-
Patent Agency Ranking
公开(公告)号：CN107481180A
公开(公告)日：2017-12-15
申请号：CN201710546446.8
申请日：2017-07-06
Applicant: 河南大学
Abstract: 本发明涉及一种基于元胞自动机和分块压缩感知的图像加密方法，采用单层小波分解将图像分解为包含高频和低频的四个矩阵，对矩阵分别采用初等元胞自动机进行置乱；再采用不同的压缩率进行压缩感知，采用变参数混沌系统来构造测量矩阵，同时混沌系统的初始值和参数是通过明文图像的SHA256函数产生的；对压缩后的四个矩阵进行重组，并对重组后的矩阵进行置乱操作，得到密文图像。本发明利用初等元胞自动机对图像进行置乱，提高算法的安全性，通过压缩感知对图像进行压缩加密，以减少数据量；一方面增加了密钥空间，增强了算法抵抗暴力攻击的能力，另一方面又使得密钥的产生紧紧地依赖于明文，提高了算法抵抗选择明文攻击的能力。
-
公开(公告)号：CN114785483B
公开(公告)日：2025-05-02
申请号：CN202210563573.X
申请日：2022-05-23
Applicant: 河南大学
Abstract: 本发明提供一种基于半张量积压缩感知和混合云的医学图像安全传输方法。其中，加密方法包括：根据原始医学图像P的哈希密钥和给定的外部密钥生成混沌序列，并利用混沌序列生成测量矩阵；对原始医学图像P进行边缘检测，根据边缘检测结果将认证图像嵌入至原始医学图像P中得到含有认证信息的图像P1，并将嵌入密钥、哈希密钥和外部密钥发送至接收端；利用混沌序列对图像P1进行稀疏和置乱，得到置乱后的稀疏矩阵P3，将稀疏矩阵P3上传至边缘云；在边缘云上，利用测量矩阵对稀疏矩阵P3进行测量和量化，得到量化后的矩阵P5；对矩阵P5进行编码得到第一认证序列以及对矩阵P5进行扩散，得到密文图像，然后将第一认证序列和密文图像存储至中心云上。
-
公开(公告)号：CN116402744A
公开(公告)日：2023-07-07
申请号：CN202310084835.9
申请日：2023-02-02
IPC: G06T7/00 , H04N19/48 , H04N19/12 , H04N19/124 , H04N19/13 , G06V10/764 , G06V10/774
Abstract: 本发明提供一种基于多项式拟合的彩色JPEG图像双压缩检测方法。该方法包括：步骤1：对待测JPEG文件使用相同量化矩阵进行连续n次JPEG压缩；步骤2：提取每次JPEG压缩过程中所产生的误差特征；步骤3：使用给定多项式模型和最小二乘法对连续n次JPEG压缩过程中所提取的误差特征进行多项式拟合，得到拟合曲线；步骤4：利用所述拟合曲线向前预测进行第一次JPEG压缩前的误差特征；步骤5：利用训练集对支持向量机进行训练，将步骤2和步骤4得到的误差特征输入至训练好的支持向量机来检测待测JPEG文件是否经过双压缩。
-
公开(公告)号：CN109360141B
公开(公告)日：2022-10-11
申请号：CN201811058083.4
申请日：2018-09-11
Applicant: 河南大学
Abstract: 本发明提供一种基于压缩感知和三维猫映射的图像加密方法。该方法包括：步骤1、根据明文图像P的像素平均值I计算三维猫映射混沌系统的初始状态值和系统参数，并对P的稀疏系数矩阵进行zigzag置乱；步骤2、将所述初始状态值和系统参数带入三维猫映射混沌系统，构建测量矩阵，并利用所述测量矩阵对置乱后的稀疏系数矩阵进行压缩测量，得到密文图像F；步骤3、将F按照LSB最低有效位嵌入算法嵌入到载体图像R中，得到视觉安全图像E。本发明可使密文图像在视觉上安全，如此，当密文图像和其他图像一起进行传输或者存储时，攻击者不能从众多有意义的图像中发现密文图像，保证密文图像或相关明文图像的安全。
-
公开(公告)号：CN114254736A
公开(公告)日：2022-03-29
申请号：CN202111492329.0
申请日：2021-12-08
Applicant: 河南大学
Abstract: 本发明公开了残差连接的轻量型去噪网络来提高对抗鲁棒性的方法，包括以下步骤：S1，将原始样本的像素进行归一化；S2，在原始样本中添加随机扰动，形成扰动样本；S3，网络模型第一阶段的训练：将扰动样本在含有内部去噪块的Denoising network1中进行去噪处理，并通过转换块得到对应的恢复样本；S4，网络模型第二阶段的训练：将扰动样本通过中间去噪块进行处理，然后再与恢复样本进行融合获得融合样本，将融合样本在Denoising network2中进行去噪处理，此时原始样本开始参与网络训练，得到分别包含原始样本与扰动样本的恢复样本以及各自的预测标签。通过采用残差连接的轻量型去噪网络LDN‑RS来构成内部去噪块和中间去噪块，保证了被植入去噪块的网络模型具有良好对抗鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.021 seconds)
