摘要： 針對腦電信號分類準確率不高導致腦控設(shè)備控制穩(wěn)定性差的問題,提出一種基于離散小波變換(DWT)、多變量經(jīng)驗模態(tài)分解(MEMD)和模糊熵的特征提取與分類方法.首先,利用DWT將腦電信號分解成一系列窄帶信號;其次,利用MEMD對子帶信號進行分解,得到一系列本征模函數(shù)(IMFs),選擇合適的IMFs進行信號重構(gòu),利用模糊熵算法對信號提取特征,作為實驗的特征向量;最后,使用支持向量機(SVM)進行分類.利用腦機接口(BCI)大賽數(shù)據(jù)作為驗證集,驗證了該算法的有效性,使分類精度提高到了96.2％,同時解決了經(jīng)驗模態(tài)分解(EMD)中頻帶覆蓋較廣的問題.

摘要： 目的數(shù)字印刷和手機拍攝是檢驗含有數(shù)字水印的印刷產(chǎn)品版權(quán)有效性的主要途徑,解決在數(shù)字印刷和手機拍攝場景下水印信息難以提取這一問題。方法提出一種基于離散小波變換和奇異值分解的抗數(shù)字印刷/手機拍攝的數(shù)字水印算法。首先對宿主圖像進行二級離散小波變換,對低頻子帶進行奇異值分解,將Arnold置亂后的水印嵌入到奇異值分解的對角矩陣中,最后進行小波逆變換得到嵌入水印圖像。結(jié)果含水印信息的峰值信噪比(PSNR)達到了39.67,在不同攻擊下的歸一化相關(guān)系數(shù)(NC)均在0.89以上,實際的印刷拍攝測試中NC值也均達到0.94,證明該水印算法在保證不可見性的同時對于印刷產(chǎn)品實際應用中的常見攻擊具有很好的抵抗能力。結(jié)論對不同品牌的智能手機、印刷設(shè)備以及不同種類的紙張采集到的含水印圖像進行測試,均能夠在印刷和拍攝場景下實現(xiàn)水印提取,證明了該算法的有效性。

摘要： 文章提出一種基于離散小波變換(DWT)、Hessenberg分解(HD)和奇異值分解(SVD)的圖像水印方法。在嵌入過程中,對原始載體圖像進行多級DWT分解,并將得出的子帶系數(shù)作為HD的輸入。在創(chuàng)建水印的同時對SVD進行操作,通過縮放因子將水印嵌入到主圖像中。運用果蠅優(yōu)化算法,通過給出的客觀評價函數(shù)來尋找比例因子。在各種欺騙攻擊下,將所提出的方法與其他方法進行比較,實驗結(jié)果表明,該方法對水印具有良好的魯棒性和不可見性。

摘要： 為了增加融合圖像的信息量,結(jié)合非下采樣剪切波變換(Non-Subsampled Shearlet Transform,NSST)和離散小波變換(Discrete Wavelet Transform,DWT)的互補優(yōu)勢,提出了改進的多模態(tài)圖像融合方法。采用NSST對兩幅源圖像進行多尺度、多方向的分解,得到相應的高頻子帶和低頻子帶;利用DWT將低頻子帶進一步分解為低頻能量子帶和低頻細節(jié)子帶,并利用最大值選擇規(guī)則融合能量子帶;采用改進連接強度的自適應脈沖耦合神經(jīng)網(wǎng)絡(luò)(Improved Connection Strength Adaptive Pulse Coupled Neural Network,ICSAPCNN)分別融合細節(jié)子帶和高頻子帶,并對能量子帶和細節(jié)子帶進行DWT逆變換,得到融合的低頻子帶;采用NSST逆變換重構(gòu)出細節(jié)信息豐富的融合圖像。實驗證明,提出的算法在主觀視覺和客觀評價方面均優(yōu)于其他幾種算法,且能同時適用于紅外與可見光源圖像、醫(yī)學源圖像的融合。

摘要： 對于常見的基于離散小波變換-奇異值分解的水印算法應對常見的攻擊魯棒性較差的情況,提出一種基于奇異值比(Singular Value Ratio,SVR)的混合域音頻水印算法。先將音頻分幀,利用音頻特性選擇適合水印嵌入的幀,然后對水印嵌入幀進行離散小波變換和離散余弦變換,將離散余弦變換系數(shù)分為4段,選取中頻系數(shù)進行奇異值分解,計算奇異值比。根據(jù)音頻的質(zhì)量最優(yōu)修改奇異值,嵌入水印。同時利用Arnold變換和Logistic混沌序列提升其安全性,利用漢明碼增強其糾錯能力。實驗表明所提算法安全性高,對添加高斯噪聲、低通濾波、重采樣、重量化和壓縮具有良好的魯棒性。

摘要： 針對大白菜農(nóng)藥殘留傳統(tǒng)化學檢測手段存在前期處理過程繁瑣、檢測周期長等不足,提出了一種快速無損識別大白菜農(nóng)藥殘留種類的方法。以1組無農(nóng)藥殘留和4組含有均勻噴灑農(nóng)藥(毒死蜱、樂果、滅多威和氯氰菊酯)的大白菜樣本為研究對象(藥液濃度配比分別為0.10,1.00,0.20和2.00 mg·kg^(-1)),經(jīng)12小時自然吸收后,利用高光譜成像系統(tǒng)獲取400~1000 nm高光譜圖像,并選取ROI感興趣區(qū)域后經(jīng)多元散射校正(MSC)預處理;分別采用競爭性自適應重加權(quán)算法(CARS)、主成分分析算法(PCA)和離散小波變換(DWT)降維(分別基于db1,sym2,coif1,bior2.2和rbio1.5小波基函數(shù));最后,將降維后的高光譜數(shù)據(jù)分別輸入卷積神經(jīng)網(wǎng)絡(luò)(CNN)、多層感知機(MLP)、K最鄰近算法(KNN)和支持向量機(SVM)建立模型并比較。結(jié)果顯示,CNN,MLP,KNN和SVM算法均在降維算法DWT(小波基函數(shù)及變換層數(shù)分別為coif1-2,coif1-4,bior2.2-2和sym2-2)取得最優(yōu)總體精度分別為91.20%,83.20%,66.40%和90.40%,Kappa系數(shù)分別為0.89,0.79,0.58和0.88,預測集用時分別為86.01,63.23,20.02和14.03 ms,總體精度和Kappa指標均優(yōu)于基于CARS和PCA降維算法建模結(jié)果。可見,高光譜與離散小波變換和卷積神經(jīng)網(wǎng)絡(luò)相融合顯著提高分類識別精度,改善“休斯”現(xiàn)象,為實現(xiàn)無損和快速檢測識別大白菜農(nóng)殘?zhí)峁┮粋€新的方法。

摘要： 信道狀態(tài)信息(Channel State Information,CSI)是一種WLAN物理層信息,具有更加細粒度的特征,在WLAN無線指紋定位模型中采用CSI作為指紋向量可以更好地避免多徑效應的影響,達到較高的定位精度。但是從商用無線設(shè)備中采集的CSI噪聲較大,因此提出一種基于離散小波變換的降噪方法對CSI進行預處理,然后建立CSI位置指紋數(shù)據(jù)庫,采用WKNN算法進行在線匹配定位。基于IMU的行人航位推算方法是一種完全自主的導航方法,具有短時精度高的優(yōu)點,但經(jīng)過長時間積分運算會導致累積誤差,影響定位精度。結(jié)合兩種方法的定位特點,提出一種基于擴展卡爾曼濾波器的融合定位模型。此外,傳統(tǒng)的步態(tài)探測模型易出現(xiàn)誤探測現(xiàn)象,在峰值法基礎(chǔ)上提出一種動態(tài)閾值法,有效提高了探測精度。通過實驗驗證,在辦公室內(nèi)行人行走軌跡的平均定位精度達到0.23m,而且與純慣性導航解算軌跡相比,融合定位算法解算軌跡與實際行走軌跡匹配度更高。

摘要： 針對麻醉深度監(jiān)測中腦電信號噪聲的實時檢測與去除的問題,提出了一種自適應的腦電信號噪聲檢測與去除方法。利用離散小波變換提取一段腦電信號的低頻能量與高頻能量,并針對信號的低頻波段與高頻波段,設(shè)置兩組閾值,閾值能依據(jù)最近一段腦電信號的能量情況自適應地進行更新。最后根據(jù)低頻能量與高頻能量所在的范圍,從而判斷信號受干擾的等級與情況,并進行相應的去噪處理。結(jié)果表明,該方法能夠較為準確地檢測與去除腦電信號中的噪聲干擾,并提高了計算的特征參數(shù)的穩(wěn)定性。

摘要： 池化操作是深度卷積神經(jīng)網(wǎng)絡(luò)的重要組成部分,也是深度卷積神經(jīng)網(wǎng)絡(luò)成功的關(guān)鍵因素之一。然而,在圖像識別過程中,傳統(tǒng)直接的池化操作會損失特征信息,影響識別的準確率。針對池化操作的特征信息損失問題,提出了基于離散小波變換的雙域特征融合模塊,以克服直接使用池化操作的缺點。該模塊同時考慮了空域和通道域的雙域特征融合,將池化操作嵌入在空域特征融合模塊與通道域融合模塊之間,有效地抑制了直接使用池化操作帶來的特征信息損失。通過替換已有的池化操作,新的雙域特征融合模塊可以非常容易地嵌入到目前流行的深度神經(jīng)網(wǎng)絡(luò)架構(gòu)中。針對圖像分類問題,采用VGG,ResNet以及DenseNet等主流網(wǎng)絡(luò)架構(gòu),在CIFAR-10,CIFAR-100,Mini-Imagenet等數(shù)據(jù)集上進行了一系列實驗。實驗結(jié)果表明,相比經(jīng)典網(wǎng)絡(luò)、流行的基于嵌入注意力機制網(wǎng)絡(luò)和最新基于小波的深度卷積神經(jīng)網(wǎng)絡(luò),所提方法可以獲得更高的分類準確率。

摘要： 基于圖像處理的景深延拓算法(Extend Depth of Field,EDF)指提取聚焦于樣本不同區(qū)域的圖像中的清晰部分,將其融合到一張圖像中,使融合圖像中樣本的各個區(qū)域都清晰。文中提出了一種針對視頻流的景深延拓算法,首先通過差值圖像篩選出被認為是焦面深度發(fā)生變化的圖像;然后進行配準,減小融合誤差;最后使用基于拉普拉斯金字塔的圖像融合算法,與前一次的融合圖像融合,通過重復這個過程來實現(xiàn)視頻流的實時動態(tài)景深延拓。以基于空間域的圖像融合算法和基于小波變換的圖像融合算法為參照,從主觀和客觀角度比較了視頻流場景下的運行效率和融合質(zhì)量,實驗結(jié)果表明基于拉普拉斯金字塔的圖像融合算法具有較好的運算效率,而且對輸入圖像中存在離焦模糊的情況具有魯棒性。

摘要： 矢量海圖數(shù)據(jù)水印算法是當前海圖數(shù)據(jù)傳輸和數(shù)據(jù)保護中的研究熱點.借助于量化思想,設(shè)計了一種基于離散小波變換的矢量海圖數(shù)據(jù)盲水印算法,實現(xiàn)了水印的盲檢測與盲提取,對變換域盲水印算法在矢量海圖的應用進行了初步研究.實驗結(jié)果分析表明,該算法一定程度上能夠抵抗數(shù)據(jù)噪聲攻擊.

摘要： 數(shù)字水印技術(shù)是多媒體安全領(lǐng)域引人矚目的研究方向,在版權(quán)保護、權(quán)利認證以及秘密通信等方面發(fā)揮著積極的作用.提出了一種基于離散小波變換的自適應雙重盲數(shù)字水印方案.為了提高水印的不可感知性和魯棒性,第一重水印經(jīng)置亂后,按照人類視覺的特點被嵌入到低頻分量塊的平均值上,可實現(xiàn)盲提??；第二重水印是偽隨機序列,通過Arnold變換散布嵌入垂直分量中,并通過統(tǒng)計學實現(xiàn)盲檢測.仿真結(jié)果表明,該方案能較好地保持圖像的質(zhì)量,并對常見的圖像處理操作和其它攻擊有較強的魯棒性.

摘要： 風能作為一種可再生,無污染的能源,在低碳能源科技中起著重要作用.因此準確地預測風速時間序列具有重要的意義.然而由于風速時間序列的隨機性,阻礙著風能的利用.為了提高風速預測的準確性,發(fā)展了大量預測的方法,大體包括三種方法:物理方法、時間序列方法和基于人工智能的方法.為了進一步提高風能預測準確性,本文基于大量的研究提出一種結(jié)合了相關(guān)性輔助的離散小波變換(discrete wavelet transform,DWT)、最小二乘支持向量機(Least Squares Support Vector Machine,LSSVM)和廣義自回歸條件異方差模型(generalized auto-regressive conditionally heteroscedastic,GARCH)實時分解的風速預測方法.

摘要： 為了獲得高分辨率圖像細節(jié)從而輔助疾病診斷,針對磁共振(MR)和計算機斷層掃描(CT)的互補特征,提出了一種基于多尺度系數(shù)分解框架的融合MR和CT醫(yī)學圖像的新方法.利用離散小波變換(DWT)和非下采樣剪切波變換(NSST)對源圖像進行多尺度分解,根據(jù)不同的局部活性度量將多尺度分解系數(shù)進行兩次融合,通過對NSST域的近似系數(shù)和DWT域的融合近似系數(shù)及融合細節(jié)系數(shù)進行逆變換重建融合圖像.實驗結(jié)果表明,該方法能夠得到更高質(zhì)量的融合圖像并且計算開銷不大,可以有助于更好的醫(yī)療診斷.

摘要： 為從復合故障信號中提取各故障特征,提出一種離散小波變換(DWT)和約束獨立成分分析(CICA)相結(jié)合的單通道復合故障診斷方法.首先通過DWT方法將單通道振動信號進行小波分解后,利用小波重構(gòu)函數(shù)重構(gòu)各層分解信號.然后取重構(gòu)信號的包絡(luò)信號作為CICA算法的輸入矩陣,基于滾動軸承先驗知識建立參考信號,從而分離出軸承各故障信號,提取故障特征.最后,在滾動軸承故障模擬實驗臺上進行了方法驗證,結(jié)果表明:該方法可有效分離滾動軸承外圈和滾動體故障,實現(xiàn)了軸承復合故障的診斷.

摘要： 以離散小波變換為核心的圖像壓縮算法具有壓縮比高、處理速度快等優(yōu)點,但缺點是邏輯資源和存儲資源都開銷較大.通過改進提升結(jié)構(gòu)、復用第二三級變換結(jié)構(gòu)和緩存結(jié)構(gòu)等方式可減少所需的邏輯資源和存儲資源.用少量片上存儲資源代替片外存儲資源,實現(xiàn)小波變換結(jié)果按照CCSDS編碼順序輸出.該方法在不降低處理速度的情況下.可以節(jié)省片外存儲空間并提高FPGA內(nèi)部邏輯資源利用率.

摘要： 針對多聚焦圖像融合存在的問題,提出一種基于非下采樣Contourlet變換(NSCT)的多聚焦圖像融合新方法.首先,采用NSCT對多聚焦圖像進行分解;然后,對低頻系數(shù)采用基于改進拉普拉斯能量和(SML)的視覺特征對比度進行融合,對高頻系數(shù)采用基于二維Log-Gabor能量進行融合;最后,對得到的融合系數(shù)進行重構(gòu)得到融合圖像.實驗結(jié)果表明,無論是運用視覺的主觀評價,還是互信息、邊緣信息保留值等客觀評價標準,本文所提方法都優(yōu)于基于傳統(tǒng)的離散小波變換、平移不變離散小波變換、NSCT等融合方法.

摘要： 針對傳統(tǒng)電容式傳感器自身的不足,設(shè)計了雙層螺旋電極電容式傳感器,并且通過有限元仿真分析傳感器結(jié)構(gòu)參數(shù)對靈敏場分布的影響.對傳統(tǒng)的相關(guān)時延算法進行改進,提出了基于離散小波變化的相關(guān)時延算法,并將其應用到氣固兩相流速度測量當中.將兩種算法測量結(jié)果進行了對比,驗證了改進后算法的可行性和準確性.

摘要： 風速預測在風能利用、高鐵預警等方面都是十分重要的其不僅能夠保證能源的有效利用,而且對保障列車運行安全性、舒適性與穩(wěn)定性具有重要意義.本文基于DWT-LSSVM模型對分解的預測方法進行了研究.首先,比較兩種傳統(tǒng)分解預測方法,說明了一次分解預測方法的不合理性,并發(fā)現(xiàn)實時分解預測方法不能得到滿意的預測精度.其次,提出了一種改進預測方法,即優(yōu)化選擇分解分量的預測值進行疊加組合以完成風速的預測.最后,得出研究結(jié)論.

摘要： 風速預測在風能利用、高鐵預警等方面都是十分重要的其不僅能夠保證能源的有效利用,而且對保障列車運行安全性、舒適性與穩(wěn)定性具有重要意義.本文基于DWT-LSSVM模型對分解的預測方法進行了研究.首先,比較兩種傳統(tǒng)分解預測方法,說明了一次分解預測方法的不合理性,并發(fā)現(xiàn)實時分解預測方法不能得到滿意的預測精度.其次,提出了一種改進預測方法,即優(yōu)化選擇分解分量的預測值進行疊加組合以完成風速的預測.最后,得出研究結(jié)論.

摘要： 本發(fā)明公開了一種融合雙樹復小波變換和離散小波變換的人臉識別方法。其步驟為：采用雙樹復小波變換和離散小波變換相融合的方法對輸入的人臉圖像進行特征提??；采用監(jiān)督局部線性嵌入方法對提取的特征向量X進行降維，將測試人臉圖像的特征向量與訓練集圖像的特征向量進行余弦相似度計算，將輸入圖像與相似度最高的訓練圖像歸為一類，得到人臉識別結(jié)果。本發(fā)明采用雙樹復小波變換和離散小波變換相融合的方法可實現(xiàn)多方向、豐富的人臉特征提取，可以快速的降維，實現(xiàn)準確和高效的人臉識別。

摘要： 本發(fā)明公開了一種基于離散小波變換的神經(jīng)網(wǎng)絡(luò)進行原始圖像處理的方法，不同于其他的端到端網(wǎng)絡(luò)直接將圖像整體進行輸入以及輸出，本發(fā)明采用的網(wǎng)絡(luò)首先將輸入圖像利用離散小波變換分離出圖像低頻部分以及圖像高頻部分，然后使用兩個不同的網(wǎng)絡(luò)分別對這兩部分進行處理，最后采用離散小波逆變換將這兩部分信息合成為輸出圖像。本發(fā)明充分利用了智能手機算力上的優(yōu)勢，實驗表明，本發(fā)明所采用的模型相較于其他模型得到的圖像細節(jié)更加清晰，可以具有與單反相機得到的圖像相同的動態(tài)范圍以及鮮明的色彩。

摘要： 本發(fā)明公開了基于量子隨機游走和離散小波變換的魯棒圖像水印方法，為了提高魯棒性，選擇在頻域嵌入水印。離散小波變換的優(yōu)勢是其擁有較好的離散性與空間局部性；離散余弦變換將圖像中的重要信息壓縮，并集中分步在系數(shù)矩陣的左上方。SVD系數(shù)提供了高魯棒性、視覺質(zhì)量和數(shù)據(jù)有效載荷。將二級離散小波變換應用到載體圖像上，在其高頻系數(shù)HH2中完成的水印嵌入，以確保水印的魯棒性并保持載體圖像更好的視覺質(zhì)量。在對載體圖像進行2?DWT后，對其進行分塊，對每一個塊作DCT操作，進一步將圖像的主要能量進行了提取。為了盡可能的不影響視覺質(zhì)量，本發(fā)明在交流系數(shù)中進行了水印的嵌入，是通過對其進行奇異值分解嵌入到該區(qū)塊的奇異值中實現(xiàn)。

摘要： 本發(fā)明提供了一種基于區(qū)塊鏈和離散小波變換的安全圖像水印生成方法，利用離散小波變換獲得圖像的離散小波變換域，將LL小波系數(shù)的邊緣系數(shù)和擴張分量的差異作為水印，實現(xiàn)基于邊緣檢測的數(shù)字水印嵌入；通過逆離散小波變換重建已嵌入水印的圖像，算法加密重建后的圖像；將圖像作為區(qū)塊鏈數(shù)據(jù)進行傳輸；將圖像解密，并利用離散小波變換和邊緣檢測計算解密圖像的水印，將其與原始水印進行對比，判斷圖像或水印是否被篡改。本發(fā)明能夠同時兼顧數(shù)字水印的魯棒性和安全性，對原始圖像的影響較小，使得數(shù)字水印技術(shù)能夠應用于圖像知識產(chǎn)權(quán)保護、數(shù)字防偽等領(lǐng)域。

摘要： 發(fā)明提供基于離散小波變換的連續(xù)體拓撲優(yōu)化方法。該方法包括確定連續(xù)體結(jié)構(gòu)的設(shè)計參數(shù)、建立拓撲優(yōu)化數(shù)學模型、對優(yōu)化問題進行轉(zhuǎn)化、對優(yōu)化問題進行求解和得到連續(xù)體結(jié)構(gòu)拓撲優(yōu)化結(jié)果。該方法采用離散小波變換方法結(jié)合連續(xù)體拓撲優(yōu)化變密度法，實現(xiàn)設(shè)計變量的壓縮，使拓撲優(yōu)化的求解效率有大幅提高，同時目標函數(shù)值也在可接受范圍內(nèi)。

摘要： 本發(fā)明涉及一種基于近紅外技術(shù)和離散小波變換?隨機森林算法的卷煙包裝材料色差的鑒別方法，包括如下步驟：將卷煙包裝材料作為建模樣品；采用目視方式對標準樣品和建模樣品的色差進行對比，得到建模樣品的色差評價結(jié)果，待用；采用近紅外技術(shù)對建模樣品進行光譜掃描，得到原始近紅外光譜信息；采用離散小波變換方法對原始近紅外光譜信息進行預處理，得到重構(gòu)光譜信息；采用隨機森林算法從重構(gòu)光譜信息中識別特征信息，待用；并構(gòu)建卷煙包裝材料色差的鑒別模型；將未知樣品的特征信息與鑒別模型比對，即得未知樣品的色差評價結(jié)果。該方法對卷煙包裝材料色差的鑒別正確率高，能滿足卷煙包裝材料實際產(chǎn)品的色差鑒別。

摘要： 本發(fā)明涉及一種基于離散小波變換的無人機巡檢圖像水印嵌入和復原方法，嵌入方法包括：獲取原始的待處理圖像和水??；設(shè)定置亂次數(shù)，對水印進行置亂處理；對待處理圖像進行二級離散小波變換得到小波系數(shù)；設(shè)定隨機數(shù)，采用狀態(tài)編碼法按照該隨機數(shù)，將置亂處理后的水印嵌入到小波系數(shù)的低頻部分；對于嵌入水印后的小波系數(shù)進行重構(gòu)，得到水印圖像；復原方法包括：獲取水印圖像、置亂次數(shù)和隨機數(shù)；對水印圖像進行二級離散小波變換，根據(jù)隨機數(shù)，從該二級離散小波變換結(jié)構(gòu)中的低頻系數(shù)中提取水印信息系數(shù)；根據(jù)置亂次數(shù)，對水印信息系數(shù)進行反置亂，提取出水印。與現(xiàn)有技術(shù)相比，本發(fā)明具有較高的水印不可見性、算法魯棒性和安全性。

摘要： 本發(fā)明公開了一種基于離散小波變換的電力負荷聚類方法，該方法為：提取每個用戶T天內(nèi)的日負荷曲線，對異常數(shù)據(jù)進行修正，并獲得每個用戶的典型日負荷曲線；計算出負荷率、日峰谷差率、峰期負載率、谷期負載率以及平期負載率，并利用熵權(quán)法賦予不同的權(quán)重，構(gòu)成日負荷曲線特征；對典型日負荷曲線進行離散小波分解，將時域信號分解至時間?頻率窗口中，使高維負荷曲線降維成低維的小波信號，提取近似的信號縱坐標值表征用戶的用電趨勢特征，接著將用戶的用電趨勢特征與日負荷曲線特征構(gòu)成用戶用電特征；將用戶用電特征作為用戶聚類依據(jù)，對用電用戶進行k?means聚類。本發(fā)明對用戶用電行為的分類更加地準確，提高了聚類的合理性。

摘要： 本發(fā)明公開一種基于哈密頓保守混沌系統(tǒng)和二維離散小波變換的圖像加密方法。本發(fā)明應用的四維混沌系統(tǒng)既滿足體積保守也滿足哈密頓能量保守。對該系統(tǒng)進行NIST測試，其結(jié)果滿足NIST測試的三個條件，說明該系統(tǒng)產(chǎn)生的偽隨機序列的隨機性非常好，可以作為圖像加密的混沌系統(tǒng)模型。本發(fā)明將該系統(tǒng)應用于圖像加密技術(shù)中，并與二維離散小波變換相結(jié)合，設(shè)計出一種新型的圖像加密算法。并對加密算法進行了安全性能分析，其結(jié)果均通過了安全測試。本發(fā)明提出的圖像加密算法具有計算速度快、執(zhí)行時間短、抗破譯能力強、密鑰空間大等特點。本發(fā)明為該系統(tǒng)在保密通信、數(shù)據(jù)隱藏等方面的應用提供了技術(shù)準備。

摘要： 一種基于壓縮感知和離散小波變換的圖像視覺安全方法，屬于信息安全技術(shù)領(lǐng)域。本發(fā)明針對圖像僅適用壓縮感知和簡易加密后，其直方圖不夠均勻，信息熵不夠接近理想值，以及沒有視覺意義等問題，設(shè)計了一種基于壓縮感知和離散小波變換的圖像視覺安全算法。該方法使用了一維混沌方程來作為偽隨機序列發(fā)生器，利用Arnold貓映射對原文圖像進行置亂，使用壓縮感知技術(shù)對置亂后的圖像進行壓縮，接著使用移位異或操作替換像素值，以提高安全性，最終將中間態(tài)密文嵌入，得到視覺安全圖像。經(jīng)過理論分析和實驗仿真，本發(fā)明加密性能優(yōu)秀，嵌入方法能達到視覺安全，嵌入后能夠?qū)崿F(xiàn)無損提取和圖像重構(gòu)，在實時傳輸網(wǎng)絡(luò)中具有廣泛應用價值。