一种基于并行压缩感知和自适应嵌入的视觉安全图像加密方法及装置

    公开(公告)号:CN116488787A

    公开(公告)日:2023-07-25

    申请号:CN202310325786.3

    申请日:2023-03-30

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于并行压缩感知和自适应嵌入的视觉安全图像加密方法及装置,该方法包括对待加密的明文图像进行稀疏变换得到稀疏矩阵;根据初始化密钥和稀疏矩阵系数和计算混沌初始值;采用Logistics混沌迭代生成混沌序列;基于混沌序列生成测量矩阵,以及对稀疏矩阵进行置乱;对置乱后的稀疏矩阵每一列,使用测量矩阵进行并行压缩感知,得到测量值矩阵;将测量值矩阵进行量化和扩散得到中间秘密图像;根据区域能量将中间秘密图像自适应嵌入到载体图像,得到嵌入后的载体图像,作为密文图像。本发明使用并行压缩感知进行预加密,极大提升了加密速度,并根据区域能量自适应地将秘密图像嵌入到载体图像中,得到密文图像。

    一种基于深度学习的夜间行人检测方法及装置

    公开(公告)号:CN118298463A

    公开(公告)日:2024-07-05

    申请号:CN202410421927.6

    申请日:2024-04-09

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于深度学习的夜间行人检测方法及装置,该方法包括:构建基于深度学习的夜间行人检测模型,包含图像细节增强模块、特征提取模块、特征融合模块和预测模块,其中图像细节增强模块对输入图像进行细节增强,包括对比度和边缘;特征提取模块进行特征提取,得到不同尺度的特征图;特征融合模块将不同尺度的特征图进行融合,得到融合特征图;获取夜间行人红外图像训练集输入构建的夜间行人检测模型中进行训练,得到损失值最小模型参数,构成训练好的夜间行人检测模型;采用训练好的夜间行人检测模型对待检测夜间红外图像进行检测得到行人检测结果。本发明通过增强红外图像,充分挖掘红外图像中的行人特征,提高了夜间行人检测的精度。

    一种基于LBP编码自适应划分的图像加密方法及装置

    公开(公告)号:CN116488786A

    公开(公告)日:2023-07-25

    申请号:CN202310325552.9

    申请日:2023-03-30

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于LBP编码自适应划分的图像加密方法及装置,该方法包括对原始图像进行LBP编码得到LBP纹理谱图,将纹理谱图进行分块,计算整幅图像以及各子块中像素点的LBP测度U,统计U=2的像素点个数分别占整幅图像和子块总像素点个数的比例,对所计算的比例进行比较,划分重要块并对重要块进行像素级扩散;将重要块的扩散结果和其余块合并成原始图像大小,进行整体的行列同步的自适应约瑟夫置乱,对置乱结果进行块级扩散,用最后一个块的扩散结果更新第一个块的扩散结果实现闭环,最终得到密文图像。本发明方法安全性更高,是一种安全且高效的加密方案。

    一种基于多级特征融合的遥感图像水体提取方法

    公开(公告)号:CN118334332A

    公开(公告)日:2024-07-12

    申请号:CN202410420359.8

    申请日:2024-04-09

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于多级特征融合的遥感图像水体提取方法:获取遥感图像,对遥感图像进行预处理,构建水体提取数据集,数据集分为训练集和测试集;将训练集输入预先构建的卷积神经网络模型;根据训练集设置网络模型训练参数训练模型,不断更新训练参数得到最佳网络模型,并保存最佳参数;将测试集输入最佳网络模型,利用最佳参数测试,得到遥感图像中水体的分割结果,提取出遥感图像中的水体。本发明使用卷积神经网络模型,结合膨胀卷积设计密集膨胀卷积模块通过不同的感受野路径,实现了对不同尺度上下文信息的捕获以获取更广泛的语义特征,结合条形池化,设计多核池化模块,充分捕捉图像中不同位置水体间的长短距离信息依赖,从而实现遥感图像水体的精确提取。

    一种基于双路径编码器的遥感图像语义分割方法及装置

    公开(公告)号:CN118314342A

    公开(公告)日:2024-07-09

    申请号:CN202410421857.4

    申请日:2024-04-09

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于双路径编码器的遥感图像语义分割方法及装置,该方法为:构建遥感图像语义分割网络模型,该模型包括非对称语义增强模块,用于提取输入图像的语义信息特征图;空间信息捕获模块,用于提取输入图像的空间细节特征图;特征融合模块,用于将提取的语义信息特征图和空间细节特征图进行融合,得到融合特征图;预测模块,用于基于融合特征图得到预测结果,所述预测结果即为遥感图像的语义分割结果;获取遥感图像训练集对该网络模型进行迭代训练,得到参数最优的网络模型作为遥感图像语义分割预测模型。本发明能够高效捕捉遥感图像中语义上下文信息,抑制图像中复杂背景的干扰,提高语义分割的精度。

Patent Agency Ranking