基于CNN与传统S盒结合的图像加密算法

目前人们针对不同场景设计和研究出各种基于混沌的图像加密算法并取得不俗的研究成果,但仍有一些图像加密算法存在不足之处,因而相关专家学者们不断研究新的图像加密方法并对传统的各种加密算法进行改进.针对目前低维混沌算法存在的明显缺点,提出一种基于CNN超混沌与S盒结合的图像加密算法,仿真实验表明,该算法能够有效地抵挡明文(密文...     

无监督网络对抗生成模型的研究

一般的学习模型都是基于一个假设的随机分布,然后通过训练真实数据来拟合出模型。网络模型复杂并且数据集规模也不小,这种方法简直就是凭借天生蛮力解决问题。Goodfellow认为正确使用数据的方式,是先对数据集的特征信息有insight之后,再干活。无监督学习是当下较为流行的话题,但也是困难较为繁多的话题。目前无监督学习可以分成以下两类,分别是确定型的自编码方法以及概率型的受限波尔兹曼机,其目标主要是使受限玻尔兹曼机达到稳定状态时原数据出现的概率最大。如何更快速更有效地地搭建模型以及如何做实验并有效地获得相关的实验结论是人们讨论的重点。在研究中,在判别模型中增加正则化,用卷积层代替池化层,在生成模型中输出层使用tanh激活函数激活,这样使得最终运算的准确率和损失率大大下降,并减少了冗余成分。     

基于非监督网络的军事目标识别算法的研究

军事目标识别是目标检测领域中的一大研究方向,这对于提前侦测敌情和精准打击目标具有重要的意义,目前,主流的军事目标识别算法主要是运用YOLO,Fast RCNN等非监督深度学习网络模型,这些方式都是通过将手动标注的数据集输入到网络中,经过处理输出结果,但是数据集数量总是有限的,在精度上有所欠缺,泛化能力也不足.针对这种问题,提出了基于非监督网络的军事目标识别算法,可以通过生成式对抗网络(GAN)有效地解决数据集不足以及精度不够的问题.     

基于微积分法的虹膜边缘检测技术的研究

当前社会,人们对于身份安全越来越重视,尤其是在一些高度保密或者涉及个人隐私方面的场合,一对一的身份识别显得尤为重要。而虹膜识别恰好具备高效、不易被仿造等特点,使其作为一项身份识别技术被推向了热潮。图像边缘检测一直是图像处理中的经典研究课题,也是至今仍没有得到圆满解决的一类问题。因此,探讨获取图像的边缘和轮廓的问题,是图像工程师们的重中之重。而虹膜识别技术中的边缘检测也如上所说是重要的一项技术,虹膜的内外边界可以近似地用圆来拟合。内圆表示虹膜与瞳孔的边界,外圆表示虹膜与巩膜的边界,但是这两个圆并不是同心圆。而如何更好、更准确地且不受外界干扰以及图像模糊情况下仍能较为有效地进行内外圆的边缘检测是研究的重点。文中就微积分法用于虹膜边缘检测方面展开了研究。