A symmetric image encryption scheme based on hybrid analog-digital chaotic system and parameter selection mechanism

In recent years, various chaos-based image encryption algorithms have been proposed to meet the growing demand for real-time secure image transmission. However, chaotic system that is the core component of chaos-based cryptosystem usually degrades under finite computing precision, causing many security issues. In this paper, a novel cryptosystem with analog-digital hybrid chaotic model is proposed. Firstly, the analog Chen chaotic system and the digital Logistic map are adopted to depict the capability of the hybrid model, in which analog system is used to perturb digital system. Dynamic analyses demonstrate that the hybrid method has better complexity, larger chaotic parameter range and good ability to counteract dynamical degradation. The chaos-based key streams generated by the perturbed Logistic map are more suitable for image encryption. Secondly, a parameter selection mechanism is introduced to increase security. The state variables of Chen chaotic system and cipher image are involved in parameter selection process to dynamically change the parameter of the perturbed Logistic map. The involvement of cipher image makes the key streams relevant to plain image and can resist known/chosen-plaintext attacks. Performance, security and comparison analyses indicate that this cryptosystem has high security, low time complexity, and ability to resist common attacks.

     

电力巡检无人机精准降落方法研究与应用

针对现有电力巡检无人机降落方法定位误差较大、机身稳定性较差、易受外部环境干扰等问题,提出一种电力巡检无人机自适应降落方法.构建基于多级视觉标识图像识别的四维定位降落方法,指引无人机进行垂直方向精确降落.开发基于分段式反馈控制的速度矢量的四维控制方法,稳定无人机水平方向的姿态.设计基于视觉标识阵列的自适应抗干扰降落方法,克服降落平台的阴影对无人机定位的影响.开展无人机精准降落现场实验,结果表明所提方法具有非常高的降落定位精度,简单实用.     

改进PSO-LSSVM算法的SDN网络流量预测模型

SDN技术解决了IP网络布设困难、更新繁琐等突出问题, 近年来发展迅速. 本文针对SDN网络流量预测问题, 提出首先采用混沌理论对时间序列样本群进行相空间重构, 随后引入最小二乘支持向量机(LSSVM)构建SDN网络流量预测模型, 并结合改进的粒子群算法(PSO)对其关键参数进行优化. 实验结果证明, 该模型有效提高了SDN网络流量预测精度与误差控制水平, 具有良好的实际应用价值.     

基于图卷积神经网络的函数自动命名

函数自动命名技术旨在为输入的源代码自动生成目标函数名,增强程序代码的可读性以及加速软件开发进程,是软件工程领域中一项重要的研究任务.现有基于机器学习的技术主要是通过序列模型对源代码进行编码,进而自动生成函数名,但存在长程依赖问题和代码结构编码问题.为了更好的提取程序中的结构信息和语义信息,本文提出了一个基于图卷积(Graph Convolutional Network,GCN)的神经网络模型—TrGCN(a Transformer and GCN based automatic method naming).TrGCN利用了Transformer中的自注意力机制来缓解长程依赖问题,同时采用Character-word注意力机制提取代码的语义信息.TrGCN引入了一种基于图卷积的AST Encoder结构,丰富了AST节点特征向量的信息,可以很好地对源代码结构信息进行建模.在实证研究中,使用了3个不同规模的数据集来评估TrGCN的有效性,实验结果表明TrGCN比当前广泛使用的模型code2seq和Sequence-GNNs能更好的自动生成函数名,其中F1分数分别提高了平均5.2％、2.1％.     

FAGNet:基于MAFPN和GVR的遥感图像多尺度目标检测算法

针对大场景遥感图像内容复杂,并且具有目标种类较多、尺度不一、方向多变等特点,导致遥感图像中目标多类多尺度多方向的问题,提出一种基于多尺度注意力特征金字塔网络(MAFPN)以及滑动顶点回归(GVR)机制的遥感图像目标检测方法.首先利用骨干网络提取多层特征作为MAFPN的输入,MAFPN结合特征融合和注意力机制,在融合多个尺度的特征映射的基础上使用通道域注意力和空间域注意力机制来抑制噪声,增强有效特征复用,提高网络对目标多尺度特征的自适应性;将MAFPN输出的融合特征图输入区域建议网络(RPN)生成感兴趣区域,然后将其送入分类/回归网络;在分类/回归网络中使用GVR机制在预测水平框的基础上增加4个顶点偏移比例参数和旋转因子,将水平框转换为旋转框,以减少边框中冗余区域,使预测得到的旋转边框更贴合目标.在DOTA公开数据集上与多种基于卷积神经网络的经典检测算法进行对比的实验结果表明,该方法的平均检测精度得到显著提高,能够更加准确地检测多个尺度以及多个方向的目标,实现了多尺度目标的鲁棒性检测.     

结合Pix2Pix生成对抗网络的灰度图像着色方法

针对神经网络在进行图像着色时容易出现物体边界不明确、图像着色质量不高的问题,提出结合Pix2Pix生成对抗网络的灰度图像着色方法.首先改进U-Net结构,采用8个下采样层和8个上采样层对图像进行特征提取和颜色预测,提高网络模型对图像深层次特征的提取能力;然后使用L1损失和smooth L 1损失度量生成图像与真实图像之间的差距,对比不同损失函数下的图像着色质量;最后加入梯度惩罚,在生成图像和真实图像分布之间构造新的数据分布,对每个输入数据进行梯度惩罚,改变判别器网络梯度限制方法,提高网络在训练过程中的稳定性.在相同实验环境下,使用Pix2Pix模型和summer2winter数据进行对比分析.实验结果表明,改进后的U-Net和使用smooth L 1损失作为生成器损失可以生成更好的着色图像;而L1损失能更好地保持图像结构信息,使用梯度惩罚可以加速模型的收敛速度,提高模型稳定性和图像质量;该方法能更好地学习图像的深层次特征,减少图像着色模糊现象,在有效地保持图像结构相似性的同时提高图像着色质量.     

以“胡焕庸线”为界的中国东西部净初级生产力变化分析

推动区域均衡协调与可持续发展是我国的重大战略之一,植被净初级生产力（NPP）对生态环境是否可持续发展起着重要作用。以“胡焕庸线”为界把我国分为东、西部,从像元尺度和县级行政单元研究分析我国NPP、人口以及人均NPP时空变化,尤其是东、西部的区域差异。结果表明：我国人口增长较快,从1982年的10.05亿增长到2017年的13.95亿,以“胡焕庸线”为界的西部占比由5.91%增长到6.42%;我国NPP整体呈现增长的趋势,总量由1982年的2.69 Pg C增长到2015年的3.24 Pg C,增长率为16.60 Tg C/a,其中东部增长率12.30 Tg C/a是西部（4.30 Tg C/a）的近3倍;西部人均NPP远大于东部与全国,1982、2000、2010、2017年西部与全国人均NPP持续处于下降的状态,但下降速率略有放缓,东部人均NPP则在2017年首次出现增长。据此可知我国整体生态环境处于恢复的状态,但不同区域之间差异较大,因此在相关政策制定方面应该充分考虑区域差异性,以实现我国生态环境的区域协调发展。     

APP图标计算审美评估

近年来,计算美学已经成为一个活跃的研究领域.移动终端APP充斥着人们的生活,但关于APP图标的计算美学评估却鲜有尝试.提出一个基于设计准则感知模型的APP图标计算审美评估框架.首先定义一些特征变量量化评估APP图标中的某些方面,如色彩度、和谐度、对比度,同时收集了60名志愿者对240个APP图标在色彩度、和谐度、对比度以及美感的人工评估结果,然后构建相应统计线性回归模型.实验结果表明APP图标计算审美模型可以解释84％～91％人类对APP图标中的色彩度、和谐度、对比度以及美感的判断,并与人工评估结果具有高度显著相关.     

基于生成对抗网络的多聚焦图像融合

多聚焦图像融合能够融合同一场景下具有不同聚焦部分的一系列图像.为了克服多聚焦图像融合模糊特征提取中存在的不足,提出一种基于U-Net的生成对抗网络模型.首先,生成器采用U-Net和SSE对多聚焦图像的特征进行提取,并完成图像融合;其次,判别器采用卷积层对已知的融合结果和生成器生成的融合图像进行分辨;然后,损失函数采用生成器的对抗损失、映射损失、梯度损失、均方误差损失和判别器对抗损失对生成网络进行参数调节;最后,将生成器、判别器和损失函数组成生成对抗网络模型,并进行实验.Pascal VOC2012数据集作为生成对抗网络的训练集,包括近焦图像、远焦图像、映射图像和融合图像.实验结果证明,该生成对抗网络模型能够有效地提取多聚焦图像中的模糊特征,且融合图像在互信息、相位一致性和感知相似性等方面表现优异.     

基于Android的IETM平板阅读器设计

针对传统IETM阅读器不方便携带和操作使用的问题,提出了一种IETM平板阅读器设计.该设计从平板电脑硬件和IETM阅读软件两个方面进行了设计,选择并定制了基于ARM架构和安卓操作系统的初级加固型平板电脑,具有一定抗防摔特性;提出基于安卓操作系统的IETM阅读软件轻量化技术架构和业务架构,并对S1000D 4.0数据包、文档、音视频、动画、三维模型等数据的解析、展示关键技术进行设计与实现.该设计为传统IETM阅读器向便携式和小型化IETM平板阅读进化提供了一种解决思路,为丰富IETM阅读器的产品形态奠定了基础.