基于变分和小波变换的图像放大算法

为了更好地放大图像,利用小波变换的思想,提出了一种变分和小波变换相结合的图像放大算法.该算法的思想是先构造一个用Besov范数估计图像正则性的变分泛函,然后在小波域中最小化变分泛函得到放大图像.小波变换后的高频分量具有丰富的细节边缘信息,因而能够重构出高质量的图像,而且小波的引入使得文中新算法具有运行时间短、速度快的特点.与传统的插值放大图像不同,该算法是用变分的思想进行图像放大.理论分析和实验仿真表明,该算法能达到和样条插值同样的放大效果.     

抗合谋攻击的门限签名方案分析与改进

针对张有谊等人提出的能抗合谋攻击的门限签名方案(计算机应用与软件,2008年12期),给出一种伪造攻击方法,任何人都可以用该方法生成有效的门限签名,从而证明该方案是不安全的。针对其存在的缺陷,提出一个改进的门限签名方案,通过理论分析证明了改进方案的正确性和安全性。     

基于加权ENO的图像放大算法

E.Arandiga的图像自适应插值方法在图像边界区域使用了ENO方法进行插值。通过比较差商的绝对值的大小自适应地选择模板,尽量避免所选择的模板中包含间断,有效地抑制了Gibbs振荡,但仍有很多不足。为弥补ENO方法的缺点,提高插值方法的精确度,提出基于加权ENO的图像放大方法。基本思想是将图像的离散化形式看成图像在单元网格上的平均值,先判断每个单元中是否存在图像边界,在图像边界区域使用加权ENO方法插值图像,在光滑区域使用线性平均插值。该放大方法能得到比FArandiga的图像自适应插值方法更高阶的精度。     

两种多重签名方案的密码分析

对两种多重签名方案进行了深入的研究,提出了一种伪造攻击方法。在第一种方案中,该攻击使得群体中任一成员都能在不经其他成员同意的条件下代表整个群体生成有效签名,这说明该方案是不安全的。在第二种方案中,这种攻击使得指定的合成者能获取任何签名者的秘密密钥,从而可以生成有效门限签名,因此这个方案也是不安全的。分析了攻击成功的原因,为同行设计安全的新方案提供了有效借鉴。     

基于形态学的自适应扩散滤波方法

基于图像在切线方向和法线方向上的不同扩散要求,分别设定了不同的扩散系数．在切线方向上,图像中各个位置都要求大的扩散作用以有效去除噪声,故设定扩散系数恒为1．在法线方向上,内部和边缘具有不同的扩散要求,可利用数学形态学的方法估计每步迭代扩散后即时图像的梯度模阈值,用自适应阈值取代Perona-Malik扩散系数中的固定阈值,从而得到适合即时图像的法向扩散系数,目的是有效区分内部区域和边缘以确保尽可能多地保留边缘信息．实验表明,该方法在细小边缘信息的保留方面具有较明显的效果．     

基于非线性小波阈值的各向异性扩散方程

本文给出了林石算子定义的扩散方程的小波阈值等价形式,并在此基础上对林石算子定义的扩散系数计算公式进行了修改,将其中估计各阶导数时所用的高斯线性滤波图像改成平移不变小波非线性阈值图像,这样避免了高斯滤波引起的过度光滑和边界移动.实验结果表明新的扩散方程在保持边缘位置的同时能更有效地去除噪声.     

一种强前向安全的数字签名方案

针对传统数字签名方案中的密钥泄露问题,在 Guillou-Quisquater签名体制和 Rabin密码体制的基础上,提出一个强前向安全的数字签名方案。通过引入双密钥,使攻击者即使得到签名者当前时段的2个签名密钥,也无法伪造其以前和此后时段的有效签名。分析结果表明,该方案是正确和安全的,同时具有前向安全和后向安全性,耗费时间较少。     

安全的有代理的多重签名方案

提出了一种改进的基于G-Q签名体制的有代理的多重签名方案。它允许部分原始签名人分别委托代理人与其他原始签名人共同生成有效签名。方案可以有效地区分签名参与者的身份,以便发生争议时能明确责任。对方案的签名算法进行了安全性分析,说明了方案的正确性和不可伪造性。     

基于全局极小解Chan-Vese模型的SAR图像分割

活动轮廓模型是近年来最成功的分割模型之一。但由于SAR图像存在较强的斑点噪声,使用传统的Chan-Vese模型水平集分割方法会产生很多误分割。因此,需要对传统Chan-Vese模型进行改进,将非凸的Chan-Vese模型转换为凸优化问题,得到Chan-Vese模型的全局极小解。对凸优化Chan-Vese模型引入边缘检测算子,得到基于边缘和区域信息的全局极小解Chan-Vese模型。在水平集演化迭代过程中,引入一个新的迭代终止条件,可以敏感地判断演化曲线的变化幅度,根据设定条件,自动的停止迭代计算。针对合成图像和真实SAR图像进行分割实验,实验结果表明,提出的改进Chan-Vese模型能够快速、准确地提出图像中感兴趣目标,并具有较强的抗噪性。     

基于曲线曲面演化的图像放大方法

用Snake内部能量作为图像水平线的先验模型,其梯度下降流是一个关于图像水平线的演化方程。由这个演化方程,利用曲面演化和其水平线演化之间的关系,得到关于图像曲面的演化方程。用这个曲线曲面演化方程进行图像放大,其几何意义是在空间Wv,s中选择使图像的Snake内部能量最小的放大方法。实验表明,该方法在相当的时间内可以得到更清晰的放大结果。