-
公开(公告)号：CN107330395B
公开(公告)日：2018-11-09
申请号：CN201710498746.3
申请日：2017-06-27
申请人： 中国矿业大学
摘要： 本发明公开了一种基于卷积神经网络的虹膜图像加密方法，通过CNN模型提出虹膜特征，进而RS码编码得到加密密钥，然后与待加密图像矩阵对应灰度值进行AES运算，即实现了加密过程。在CNN训练过程中由于虹膜样本比较少，为保证加密的高安全性，密钥的生成必须采用整体虹膜，不能将虹膜进行图像块提取来弥补样本不足的问题。本发明首先对虹膜进行图像块提取，训练SAE模型，采用SAE初始化CNN参数，采用整幅虹膜图像进行CNN模型训练。如此设计不仅解决了虹膜样本少的问题，而且对图像加密的安全性有了保障。
-
公开(公告)号：CN108718232A
公开(公告)日：2018-10-30
申请号：CN201810938159.6
申请日：2018-08-17
申请人： 中国矿业大学
摘要： 一种基于高级数据加密标准（Advanced Encryption Standard，AES）和混沌的图像加密方法，属于信息安全领域。目前，多媒体通信技术的快速发展，如何保护图像内容的安全引起了工业界和学术界的共同关注。本发明提出一种基于AES和混沌的图像加密方法。首先，为减少加密次数，发送方将多个像素转化为一个大整数；其次，用AES和混沌加密这些大整数；最后，由加密大整数构成加密图像。实验表明：该方法安全、高效和加密效果良好。
-
公开(公告)号：CN107330395A
公开(公告)日：2017-11-07
申请号：CN201710498746.3
申请日：2017-06-27
申请人： 中国矿业大学
CPC分类号： G06K9/00597 , G06K9/00885 , G06K9/342 , G06K9/6256 , G06K2009/00953 , G06N3/08 , G06T9/00
摘要： 本发明公开了一种基于卷积神经网络的虹膜图像加密方法，通过CNN模型提出虹膜特征，进而RS码编码得到加密密钥，然后与待加密图像矩阵对应灰度值进行AES运算，即实现了加密过程。在CNN训练过程中由于虹膜样本比较少，为保证加密的高安全性，密钥的生成必须采用整体虹膜，不能将虹膜进行图像块提取来弥补样本不足的问题。本发明首先对虹膜进行图像块提取，训练SAE模型，采用SAE初始化CNN参数，采用整幅虹膜图像进行CNN模型训练。如此设计不仅解决了虹膜样本少的问题，而且对图像加密的安全性有了保障。
-
公开(公告)号：CN103544507B
公开(公告)日：2016-10-05
申请号：CN201310482378.5
申请日：2013-10-15
申请人： 中国矿业大学
摘要： 一种基于成对约束判别分析‑非负稀疏散度的高光谱数据降维方法，属于高光谱遥感图像处理方法。本发明针对源高光谱数据和目标高光谱数据来自不同分布时，很多先进的基于机器学习的高光谱数据分类算法的分类性能变差。首先，根据一种能自动获得包含判别信息的成对约束样本，提出成对约束判别分析；然后，设计一种非负稀疏散度准则来构建不同分布的源领域和目标领域高光谱数据之间的桥梁；最后，结合这两部分，实现源高光谱数据到目标高光谱数据的知识迁移。优点：解决不同时间、不同地域或不同传感器获得高光谱数据间的知识迁移；能够有效地利用源领域高光谱数据的信息去分析目标领域高光谱数据并获得较高的整体分类精度和Kappa系数。
-
公开(公告)号：CN103336968B
公开(公告)日：2016-04-13
申请号：CN201310205838.X
申请日：2013-05-28
申请人： 中国矿业大学
IPC分类号： G06K9/62
摘要： 一种基于张量距离补丁校准的高光谱数据降维方法，属于高光谱遥感图像处理方法。本发明针对高光谱数据的张量特性，首先，通过窗口领域将高光谱数据转化成张量形式，保持每个像素的空间信息；第二，引入张量距离，构建包含判别信息的高质张量近邻图；第三，根据扩展到张量空间的补丁校准框架，获得全局最优的光谱-空间信息；第四，采用交替最小二乘算法的迭代优化方法求得张量子空间的解；最后，根据张量最近邻法判别各样本的类别。优点：能有效地利用高光谱数据的空间领域特征和光谱特征获得较高的整体分类精度和Kappa系数，获得的分类效果图更清晰、平滑，细节更丰富。该降维框架可以处理2阶数据、3阶数据或者更高阶的数据。
-
-
-
-
搜索结果
105 条记录 (耗时 0.034 秒)
