基于卷积神经网络的混沌序列图像加密算法研究

图像中包含了很多机密和重要信息,因此保证图像安全性具有重要的现实意义.一般混沌加密算法处理后,图像仍然呈现一定程度的周期性等,安全性不足.为此,结合卷积神经网络对一般混沌加密算法进行改进,提出一种基于卷积神经网络的混沌序列图像加密算法.该算法研究分为三部分,首先将明文图像处理成混沌序列图像,包括像分块、混沌系统处理和伪随机序列生成三步骤,然后利用卷积神经网络对混沌序列进行训练,消除混沌序列的周期性,最后对混沌序列图像进行扩散处理,改变原始图像像素值,进一步实现加密处理.结果表明:与3种传统图像加密算法以及一般混沌加密算法相比,所研究加密算法应用下,信息熵最大(8.591),峰值信噪比最小(8.755),说明加密效果更好,保证了图像信息的安全性和机密性.     

二维合并双向可调拉普拉斯逆线性判别分析算法

两维的水平可调拉普拉斯逆线性判别分析算法是在两维的水平拉普拉斯逆线性判别分析算法的基础上在类间的拉普拉斯散度矩阵上增加了一个参数来调节得到的,同理得到两维的垂直可调拉普拉斯逆线性判别分析算法.两维合并双向可调拉普拉斯逆线性判别分析算法(2DCBMLIF)是合并水平和垂直两个方向的两维可调拉普拉斯逆线性判别分析算法得到的.在FERET和CMU PIE两个人脸库中,2DCBMLIF同四个算法进行了对比试验,测试结果显示该算法是有效和可行的,2DCBMLIF提高了人脸识别率.