-
公开(公告)号：CN109922228A
公开(公告)日：2019-06-21
申请号：CN201910142981.6
申请日：2019-02-26
Applicant: 西安邮电大学
IPC: H04N1/32
Abstract: 本发明公开了一种载体损毁下的密文保全方法，涉及信息安全技术领域，凭借最低有效位LSB算法隐藏密文信息，具有实现简单、嵌入信息量大等优点。由于图像是否已经嵌入加密信息单凭肉眼无法进行分辨，从而保证了隐秘信息传输的安全性。在此基础上，发送方可任意选用24位bmp图片做为载体，采用最大似然概率的思想存储信息，采用(7，3)循环码针对存储密文的载体格式信息序列进行差错控制编码，即使在通信过程中图像遭受一定程度的裁剪而发生损毁，接收方也能通过自身的检错纠错能力确保恢复嵌入图像中的密文信息，从而在一定程度上克服了LSB算法存储信息鲁棒性差的缺点，大大增强了信息传输的可靠性。
-
公开(公告)号：CN109359897A
公开(公告)日：2019-02-19
申请号：CN201811504960.6
申请日：2018-12-10
Applicant: 西安邮电大学 , 西安碧海蓝天电子信息技术有限公司
Abstract: 本发明公开了一种大型体育赛事无线电系统信息安全风险评估方法，包括：以大型体育赛事无线电风险事件为顶事件建立大型体育赛事无线电系统安全风险评估动态故障树模型；采用深度优先最左遍历搜索法将所述动态故障树模型分解为多个静态子树和多个动态子树；基于马尔可夫链定量分析法求解所述动态子树，得到对应底事件相对于顶事件的概率重要度；基于BDD定量分析法求解所述静态子树，得到对应的底事件相对于顶事件的概率重要度；根据所述底事件的概率重要度选出风险事件，以得到相应的风险防范措施。本发明引入了动态故障树的定量分析理论，能够对大型体育赛事无线电系统安全风险进行分析，为开展大型体育赛事无线电系统安全风险评估提供了借鉴。
-
公开(公告)号：CN108764368A
公开(公告)日：2018-11-06
申请号：CN201810582440.0
申请日：2018-06-07
Applicant: 西安邮电大学
CPC classification number: G06K9/6218 , G06K9/6256 , G06T3/4053
Abstract: 本发明公开了一种基于矩阵映射的图像超分辨率重建方法，包括：通过聚类的方法对训练样本图像进行分类；将训练样本图像归类，获得每个类别的映射矩阵；提取图像的低分辨率特征图像块；找到各低分辨率特征图像块对应类别的映射矩阵，将对应的各低分辨率特征图像块映射为高分辨率图像块；获取各高分辨率图像块对应的类别的映射矩阵，完成映射矩阵的二次选择；进行二次映射获得各低分辨率特征图像块的二次映射高分辨率图像块；将各低分辨率特征图像块与对应的高分辨率图像块组合重构，获得最终的超分辨率重建后的图像。本发明既能有效保持高频细节，又能较好的避免因模糊产生的图像重建质量的降低。
-
公开(公告)号：CN108076060A
公开(公告)日：2018-05-25
申请号：CN201711361681.4
申请日：2017-12-18
Applicant: 西安邮电大学
Abstract: 基于动态k-means聚类的神经网络态势预测方法，包括以下步骤：1）收集某系统网络安全基础数据，数据指标即感染网络病毒主机数量，被篡改网络数，被植入后门的网络数量，安全事件报告数,仿冒页面数量,以及安全漏洞和高危漏洞数量，对网络安全基础数据归一化处理；2）对归一化后的网络安全基础数据，利用动态k-means聚类算法进行聚类，确定RBF神经网络中心神经元参数和个数N；3）使用归一化后的数据参与RBF神经网络训练，计算RBF神经元宽度并确定神经元输出；4）在训练过程中，对RBF神经网络的输出权值进行编码，使用PSO算法得到最优权值，使网络态势预测精度提高；5）使用已训练的RBF神经网络对某月网络态势进行预测，并与当月网络态势评估值作对比，计算误差；具有预测精度高的特点。
-
公开(公告)号：CN107481189A
公开(公告)日：2017-12-15
申请号：CN201710509592.3
申请日：2017-06-28
Applicant: 西安邮电大学
Abstract: 本发明公开了一种基于学习的稀疏表示的超分辨率图像重建方法，主要包括如下步骤：首先，根据高分辨率图像训练集训练统一的高分辨率字典Ds；其次，根据测试低分辨率图像以及放大倍数，利用K最近邻算法获取测试字典和 并重建出对应放大倍数的高分辨率图像；最后，利用迭代反投影对重建后的图像进行处理，得到最终的高分辨率图像，本发明对于图像的不同放大倍数，只需存储一个字典，大大减少了字典占用空间以及训练时间。
-
Patent Agency Ranking
公开(公告)号：CN107370910A
公开(公告)日：2017-11-21
申请号：CN201710659897.2
申请日：2017-08-04
CPC classification number: H04N5/243 , H04N5/217 , H04N5/2356
Abstract: 本发明公开了一种基于最优曝光的最小包围曝光集合获取方法，用于解决现有最小包围曝光获取方法合成的高动态范围图像成像质量差的技术问题。技术方案是采用Debevec&Malik相机响应函数获取方法，依次获取不同曝光下的辐照度范围，建立目标场景最优曝光与相机可捕获曝光中相应曝光对应关系，遍历相机标准曝光序列，求出相机标准曝光序列中对应于目标场景地最小包围曝光图像集合，由目标场景的最优曝光时间按照曝光步数差，计算基于目标场景最优曝光的最小包围曝光图像集合；得到的曝光集合中包括含有目标场景有用信息最多的最优曝光，既保证了成像质量又有效减少了曝光集合中冗余信息和捕获图像集合的总耗时。
-
公开(公告)号：CN107370633A
公开(公告)日：2017-11-21
申请号：CN201710817824.1
申请日：2017-09-12
Applicant: 西安邮电大学
CPC classification number: H04L63/1433 , H04L41/5035 , H04L63/20
Abstract: 基于节点权重的网络安全评估方法，包括以下步骤：一、资产的风险分析，具体做法是：首先，查找漏洞，将一个资产的多个漏洞按照漏洞来源、漏洞代码和风险等级列表；其次，资产的风险值的计算，漏洞风险集合中最大风险值表示当前资产的风险值。当一个资产面临多种风险时，该方法能有效表达出资产面临的最大可能损失；采用最大漏洞风险值来表示资产的综合漏洞；二、基于节点权重的风险评估，采用针对不同的资产结合权重进行整体网络信息系统的风险评估；具有评估方法简单、有效和可行、易推广的特点。
-
公开(公告)号：CN103473123B
公开(公告)日：2016-09-07
申请号：CN201310379037.5
申请日：2013-08-27
Abstract: 本发明公开了一种基于GPU的实时毛笔墨水扩散模型并行实现方法，用于解决现有毛笔墨水扩散模型实时性差的技术问题。技术方案是通过网格化受墨区域含墨顶点集合，建立受墨区域墨水量数据CPU‑GPU数据映射关系；利用一对纹理内存组交替读写的模式完成受墨区域墨水量求和，实现GPU并行运算的求和纯并行规约运算；采用基于Box‑Muller变换的方法生成高斯随机数，避免分支与循环操作干扰随机数生成流的效率；利用混合线性同余数周期扩展算法对生成的伪随机数进行周期扩展，解决同余数伪随机数周期受制于余数的问题。由于利用GPU对虚拟纸张受墨区域墨水扩散过程进行并行处理，提高了毛笔墨水扩散模型的实时性。
-
公开(公告)号：CN116258628A
公开(公告)日：2023-06-13
申请号：CN202310003937.3
申请日：2023-01-03
Applicant: 西安邮电大学
IPC: G06T3/40 , G06N3/0464 , G06N3/08 , G06V10/75
Abstract: 本发明公开了一种基于空间变换网络的参考图像超分辨率方法，本发明属于图像处理领域，包括：获取低分辨率图像和参考图像，将低分辨率图像与参考图像进行纹理搜索匹配，得到匹配特征块，设置块匹配阈值，基于块匹配阈值和匹配特征块，得到参考纹理特征图；对低分辨率图像进行浅层特征提取，将提取后的浅层特征图进行对应超分辨率倍数放大，得到放大浅层特征图；构建空间变换网络并训练空间变换网络，基于训练好的空间变换网络，将参考纹理特征图和放大浅层特征图进行空间对齐和特征融合，得到超分辨率图像。本发明既能有效解决纹理匹配不精确的问题，又能迁移更多纹理细节，同时可以获得峰值信噪比更高，视觉效果更好的高分辨率图像。
-
公开(公告)号：CN115661777A
公开(公告)日：2023-01-31
申请号：CN202211365336.9
申请日：2022-11-03
Applicant: 西安邮电大学
IPC: G06V20/56 , G06V10/22 , G06V10/25 , G06V10/40 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06T5/00 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种联合语义的雾天道路目标检测算法，该网络包括特征提取模块、图像去雾模块、多尺度信息融合模块、检测模块四个部分。涉及机器学习的图像处理和目标检测技术领域，能够提升在雾天条件下的目标检测的性能。具体方案为：首先对每层特征提取模块分别嵌入注意力模块（AM）并与UNet解码器对应层级联，通过注意力模块加强对雾位置信息的获取，通过UNet解码特征实现去雾，然后将特征表示与去雾后的解码特征进行信息融合，并将融合后的特征映射送入特征金字塔网络（FPN）实现联合语义学习，再将结果输入到检测模块进行目标的分类和检测。本算法在公开合成雾天目标检测数据集上进行端到端训练，然后通过逐层可视化和消融实验解释了网络设置的科学性；最后训练出模型用于雾天条件下的道路目标检测。本发明能够提高在雾天条件下道路目标检测的准确率，且可以实时进行目标检测，更好的满足了恶劣天气条件下的目标检测的需要。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.021 seconds)
