基于金字塔网络的非侵入式负荷辨识及其隐私保护方案

智能电网融合了信息系统,能够为能源供应提供更有效的解决方案。智能电表是智能电网的关键部分,对智能电表数据的深入研究有助于为智能电网的管理和决策提供有效支持。非侵入式负荷辨识(NILM)技术为需求侧管理提供了技术支撑,但现有方式需要用户和NILM服务端进行数据交互,在这个过程中泄露了隐私信息。针对上述问题,设计了基于2D-卷积神经网络(2D-CNN)金字塔网络的NILM,并采用同态加密和安全多方计算技术进行隐私保护,针对金字塔网络的卷积、全连接、批标准化、平均池化、Re LU和上采样等算子设计隐私保护协议,组合隐私保护算子构建隐私保护的2D-CNN金字塔网络。整个过程没有还原数据和中间结果的原始信息,从而保护了双方隐私。在UK-DALE数据集上的实验结果表明,基于2D-CNN的金字塔网络能够表现出良好的效果,准确率达到95.81%,并且隐私保护的2D-CNN金字塔网络能够在保护客户端数据和服务端模型参数隐私性的情况下保持2D-CNN金字塔网络的推理效果,精确率、召回率和准确率等保持一致。同时,隐私保护的2DCNN金字塔网络在广域网中计算时间不到5 s,在局域网中不到0.5 s,并且通信量...     

移动应用转换的非侵入式架构的设计实现

随着移动互联网技术的发展．越来越多Web应用开始向移动应用转换。为了降低系统开发工作量和集成难度,提出移动客户端接入Web应用的非侵入式架构的设计与实现方式,通过实践验证,可以有效、快速地对Web应用进行转换。     

面向深度学习的非侵入式负荷监测研究进展

非侵入式负荷监测, 是智能用电和节能技术的重要部分, 备受研究者关注. 由于近年来新发展起来的深度学习方法在各种任务所表现出来的优越性能, 目前已有一些代表性深度学习方法被成功用于非侵入式负荷监测中的负荷分解任务. 为了系统地总结深度学习方法在非侵入式负荷监测领域中的研究现状与进展, 拟对近年来面向深度学习的非侵入式负荷监测研究文献进行分析与归纳. 首先对非侵入式负荷监测的框架进行简要概述; 随后介绍了非侵入式负荷监测的特征提取方法和公开数据集, 并重点分析和归纳了非侵入式负荷监测中面向深度学习的负荷分解方法; 最后对该领域存在的一些挑战及机遇进行了展望, 并指出了其未来的研究方向.     

GPU上的非侵入式风格化渲染

提出一种基于硬件加速的算法,在实时图形应用中非侵入式地获得各种风格化渲染特效.通过实时地截获OpenGL API函数调用,修改了常规的渲染流程.该算法完全采用硬件加速的方法,在图形处理器中对颜色缓冲区和深度缓冲区进行后处理;同时采用OpenGL绘制语言作为高级绘制语言,从而可以和其他硬件加速算法（如置换式贴图、矩阵调色盘变形等）完全兼容.实验结果表明：文中算法适用于交互式非真实感渲染的应用,可以作为一种风格化渲染的强有力的工具.     

自适应的有效非局部图像滤波

研究了基于预选择的非局部均值滤波方法,并指出已有方法在提取图像子块特征方面的不足,利用梯度域奇异值分解(SVD) 提出一种自适应的有效非局部滤波方法。该方法对基于预选择的非局部滤波方法的贡献主要有:1)是一种基于图像子块结构特征的鲁棒预选择方法;2)研究了相似集大小与滤波性能的关系;3)相似子块的自动选取;4)提出一种局部自适应的滤波参数选取方法,根据图像局部内容的不同确定滤波参数。此外,利用欧氏距离的对称性进一步提高运行速度。实验结果表明:本文方法滤波后的图像在主客观方面都优于原算法和其他快速方法,且运行速度较快,是一种有效的滤波方法。     

基于图像内容和噪音特征的扫描仪源辨识

以扫描仪获得的数字扫描图像为研究对象,提出一种基于图像内容和噪音特征的扫描仪源辨识方法,提取数字扫描图像中的颜色特征、质量特征和邻或预测特征,生成一个72维的特征向量以辨识扫描仪的来源,并借助支持向量机确定扫描仪的品牌或型号.实验结果表明,该方法具有较高的分类精度,并且在数字扫描图像被压缩或剪切的情况下均具有较好的鲁棒...     

非侵入式负荷监测系统数据隐私保护方法研究

非侵入式负荷监测技术有助于用电精细化管理,但细粒度的电力消费数据也导致了用户隐私信息暴露在攻击者面前。首先分析了非侵入式负荷监测数据所面临的安全风险,并从密码学角度提出了基于AES+RSA的混合加解密信息安全方案。方案采用对称算法AES加密数据、非对称算法RSA加密AES密钥来实现高效的密钥管理。利用Visio Studio 2017+Qt软件开发测试界面,通过数据总线将算法写入STM32单片机进行方案性能测试,优选出最佳的运行模式,同时验证了混合加解密方案的有效性。总结得到,方案的耗时长短取决于RSA算法的加解密或签名验签的效率。     

多模图像联合非局部滤波快速算法

提出一种新的基于非局部均值的多模图像滤波方法。在该方法中,对于噪声图像 滤波采用非局部均值方法,其中对于噪声图像块之间灰度相似测度权重由另一幅图像引导计算。 实验结果表明,该方法比基于局部的图像去噪方法如双边滤波算法有更好地去噪效果。通过构 造联合积分图像对提出算法进行加速,与原始算法相比其显著提速两个数量级,加速算法的复 杂度不受滤波器大小影响,易于在并行系统中实现。     

医学图像的自适应非局部均值去噪算法

为改善医学图像的质量以利于临床诊断,提出一种基于梯度信息的自适应非局部均值去噪算法。利用梯度方向信息实现对局部相似窗的自适应旋转,从而搜寻到更多的匹配像素点。基于最小二乘思想建立最佳阈值与噪声标准差的关系模型,实现滤波参数的自适应选择。实验结果表明,该算法的去噪效果较好,可用于医学图像的后处理阶段。     

利用彩色图像信息的源相机辨识策略

目前基于模式噪声的源相机辨识方法大都只在单颜色通道图像上进行,或是对三个单色通道图像上的检测结果简单地求均值,这显然不能全面反映成像传感器的特征。通过分析相机图像生成过程中马赛克图像插值过程的特点,提出三种新的基于彩色图像信息的源相机辨识策略。实验结果表明,所提策略具有更好的辨识效果且需要的特征点少。     

利用模式噪声主分量信息的源相机辨识技术

针对数码相机源辨识问题,提出一种利用成像传感器模式噪声主要分量（或称大分量）信息进行源设备辨识的新方法。首先围绕模式噪声的抽取和预处理,讨论去噪滤波器和去颜色滤波器阵列（CFA）插值对提高模式噪声质量的影响,然后重点讨论选取传感器模式噪声部分大分量对改善相关性检测器性能的作用。该方法不仅能很好地分离两台相机所拍摄的照片,而且还大幅度减小了检测的计算量。     

基于模式分类的图像区域作伪检测

为了鉴别一幅数字图像是否存在作伪的区域,提出一种利用改进的图像特征进行区域作伪检测的算法.基于模式分类的思想,该方法把图像分割成适当大小的块,从图像块中提取特征数据,用SVM分类器训练数据并得到支持向量机模型,利用该模型检测嫌疑图片是否存在作伪.该算法从噪声相关性、残差噪声、图像质量、小波域等方面分析相机图片的特点,获取每种的统计特征,形成特征集.实验结果表明,该方法能有效地检测出图像的具体作伪区域.     

噪声方差和纹理复杂度分析的源相机识别

针对源相机识别问题,提出了一种利用噪声方差和纹理复杂度分析的源相机识别新方法。首先围绕CFA插值和小波去噪,讨论了传统的模式噪声提取方法的不足,接着重点讨论利用噪声方差以及根据模糊聚类去除高纹理复杂区域进行模式噪声提取的新方法。实验表明所提取的模式噪声不仅能更好地反映数码相机的模式噪声特性,而且对来自三种不同相机的照片的平均识别率提高了近6.3%。     

一种基于模式噪声熵的图像来源取证算法

针对数字图像的来源取证,提出了一种基于模式噪声熵的检测算法。传感器作为数码相机的重要部件,由于在制造过程中的缺陷,成像时会给图像带来一种模式噪声。该算法利用传感器产生的模式噪声具有唯一性这一特点,对图像进行小波降噪并提取图像的模式噪声,利用模式噪声的熵值对不同来源的图像进行区分。实验结果表明,该方法对原始图像有较高的检测率,对有损压缩图像也有较好的鲁棒性。     

基于神经网络的图像来源识别方法比较研究

随着手机等便携式智能电子设备的普及,图像已成为最重要的信息载体之一,在新闻、社交及司法等领域发挥着重要作用.在享用电子图像带来便捷性的同时,图像处理工具给不法分子通过篡改电子图像实施诈骗等犯罪活动提供了可能,识别图像来源、辨别图像真伪已成为遏制和惩罚此类犯罪活动的重要技术手段.该文讨论了神经网络在图像源识别中的应用方法...     

A hybrid data fusion approach with twin CNN architecture for enhancing image source identification in IoT environment

With the proliferation of digital devices in internet of things (IoT) environment featuring advanced visual capabilities, the task of Image Source Identification (ISI) has become increasingly vital for legal purposes, ensuring the verification of image authenticity and integrity, as well as identifying the device responsible for capturing the original scene. Over the past few decades, researchers have employed both traditional and machine-learning methods to classify image sources. In the current landscape, data-driven approaches leveraging deep learning models have emerged as powerful tools for achieving higher accuracy and precision in source prediction. The primary focus of this research is to address the complexities arising from diverse image sources and variable quality in IoT-generated multimedia data. To achieve this, a Hybrid Data Fusion Approach is introduced, leveraging multiple sources of information to bolster the accuracy and robustness of ISI. This fusion methodology integrates diverse data streams from IoT devices, including metadata, sensor information, and contextual data, amalgamating them into a comprehensive data set for analysis. This study introduces an innovative approach to ISI through the implementation of a Twin Convolutional Neural Network Architecture (TCA) aimed at enhancing the efficacy of source classification. In TCA, the first CNN architecture, referred to as DnCNN, is employed to eliminate noise from the original data set, generating 256 × 256 patches for both training and testing. Subsequently, the second CNN architecture is employed to classify images based on features extracted from various convolutional layers using a 3 × 3 filter, thereby enhancing prediction efficiency. The proposed model demonstrates exceptional accuracy in effectively classifying image sources, showcasing its potential as a robust solution in the realm of ISI.     

彩色图像迭代滤波算法

对于被脉冲噪声污染的彩色图像,基于噪声检测,提出了一系列迭代滤波算法。运用脉冲噪声检测器,估计出图像中的噪声像素,应用一系列后续滤波算法,只对检测出来的噪声像素进行滤波,而对非噪声像素（即信号像素）保持其值不变。传统的矢量滤波算法（矢量中值滤波、基本矢量方向滤波和方向距离滤波）加以改进后可作为后续的滤波算法。实验结果表明,这些新的滤波算法与传统滤波算法相比,在有效消除噪声的同时,更能够保留图像中的边缘和细节特征。     

基于主动学习和自学习的噪声源识别方法

多数分类识别算法需要大量的已标注样本对分类模型进行训练。实际应用中,对大量样本进行标注枯燥耗时且代价昂贵,因此能够获得的已标注样本数量非常有限。将基于不确定性样本的主动学习和代表性样本的自学习方法引入到基于支持向量数据描述的分类模型中,提出了一种新的分类识别方法。通过主动学习去挖掘那些对当前分类模型最有价值的样本进行人工标注,并借助自学习方法进一步利用样本集中大量的未标注样本,使得在花费较小的标注代价下,能够获得良好的分类性能。在潜艇机械噪声源识别问题上的实验结果验证了该方法能有效降低样本标注代价。     

JPEG压缩对相机型号来源取证的影响分析

针对实际取证场景中经网络传输的 JPEG 压缩图像,分析了基于彩色滤波阵列（CFA）插值系数特征、局部二进制模式（LBP）以及图像质量（IQM）和高阶小波统计特征这3种典型的相机型号来源取证方法的性能,评估了社交平台和网络媒体情况下已有来源取证算法的性能。实验结果表明,随着图像压缩质量的下降,相机型号来源鉴别准确率迅速下降,已有方法在实际应用中的性能仍然有待提高。