一、基于JPEG2000的图像加密算法(英文)(论文文献综述)
高志荣[1](2019)在《基于稀疏与低秩理论的图像表示及重建》文中研究表明随着数字技术与互联网技术的兴起和快速发展,图像已成为当今人们信息获取和利用的主要载体,数字图像处理技术在现代科学与工程的诸多领域得到了广泛的应用,数字图像的有效获取、重建与增强是该领域一直关注的核心问题。图像信号具有的局部相似与非局部结构相似特性,使其表现了广泛存在的稀疏和低秩特性,为解决图像处理的诸多问题提供了重要基础。作为近年来提出的信号采样新理论,压缩感知理论证明了:如果信号具有稀疏性,则可以对其进行降维采样并实现后期的准确重构。压缩感知不仅为实现图像的低成本低延时获取提供了一种极好的解决方案,同时也为解决图像处理领域的其它问题提供了有效思路,其在医学成像、图像压缩、图像复原等领域的应用,已得到国内外学者的广泛关注和深入研究。基于以上背景,本文以图像稀疏表示与低秩分解理论为基础,对图像的压缩感知编码、图像的压缩感知高质量重建、以及图像的超分辨率重构等问题,开展了深入研究。具体工作包括:(1)基于图像分块变换的自适应图像压缩感知编码方法研究;(2)基于图像非局部组稀疏及多稀疏联合规则化的图像压缩感知重建方法研究;(3)基于图像非局部自适应截断低秩的图像超分辨率方法研究。主要创新之处在于:1、提出了一种采用块变换子带系数随机置换,并结合人眼感知特性的压缩感知图像编码方法。针对传统的采用非自适应投影变换的图像压缩感知方法中,存在压缩测量效率低下的问题,结合图像块离散余弦变换域的能量分布特性,提出了一种自适应压缩感知测量矩阵设计方法;针对图像统计特性的非平稳导致不同分块稀疏性的差异性,进而引起测量效率低下的问题,提出了一种基于图像块离散余弦变换域系数随机置换的压缩感知编码方法。该项成果可有效用于鲁棒性图像编码、加密图像编码等应用领域。2、提出了一种基于迭代重加权组稀疏表示的压缩感知图像重构方法。图像内部固有的结构相似性为稀疏表示图像信号提供了更多新的可能。基于图像的非局部稀疏理论,构建了一种基于图像相似块组稀疏域重加权的规则化压缩感知重构方法。首先对图像相似块组进行自适应的主成分分析变换,然后对变换域系数进行自适应加权,最后利用加权系数的稀疏表示规则化重构。通过采用变分法,提出了利用迭代自适应软阈值滤波求解重构模型的算法。提出的迭代重加权重构方法,通过自适应提取图像的更多高频成分,可实现图像重建质量的有效提升。3、提出了一种图像相似块组变换域的标准化稀疏表示方法,以及结合全变差的多稀疏联合规则化的图像压缩感知重建方法。考虑到自然图像信号具有的非平稳性,不同分块图像稀疏的差异性,以及变换域不同分量系数的不同统计分布特性,构建了图像相似块组变换域的标准化系数表示方法,以及基于此的规则化压缩感知恢复方法。首先对相似图像块组进行自适应稀疏变换,然后对变换域系数进行分量级的标准化表示,最后基于该标准化稀疏表示结合全变差稀疏,构建了一种多稀疏联合规则化的压缩感知重构算法。通过图像块组的变换域分量级的自适应滤波恢复,可更好地保留图像的细节信息,进一步提升重构图像的质量。4、提出了一种基于图像非局部自适应截断低秩表示的图像超分辨率方法。利用非局部相似图像块组具有的低秩特性,构建了基于图像结构块组低秩规则化的图像超分辨率模型;提出利用结构相似块组的熵信息进行数据块组的秩自适应估计,进而采用部分奇异值软阈值收缩实现模型求解的方法。与同类方法相比,该方法能够得到更好的图像纹理细节信息。理论分析和大量仿真实验结果验证了提出方法的有效性。
沈林浩[2](2019)在《MQ编码与码率控制的优化设计及在火星探测中的应用》文中研究指明火星探测是我国最新的空间探索工程项目,是中国航天进入深空领域的第一步。针对带宽有限的地火通信信道和预期拍摄的大量火星照片,采用新一代静态图像编码标准JPEG2000进行图像压缩。JPEG2000压缩性能优异,但算法结构复杂,特别是EBCOT中的MQ编码和码率控制。MQ编码包含了相当的比特级运算和复杂的控制关系,而码率控制则需要消耗大量存储空间并进行多次的迭代截取,两者是在资源受限的火星探测硬件平台上实现JPEG2000算法的主要瓶颈。因此,MQ编码和码率控制的面积优化设计,对实现火星探测JPEG2000图像编码系统有重要意义。本文研究了JPEG2000标准的算法原理和工作流程,深入分析了MQ算术编码和码率控制的算法特征及在硬件实现中的技术瓶颈。结合现有技术与图像编码的具体需求,实现并优化了两个模块。本文的主要研究成果如下:1、本文仔细研究了MQ算术编码算法,针对其数据高度串行的特点,设计了基于三级流水的MQ编码器。在此基础上,分析了第一、二级流水的电路结构,针对其多路选择器扇出过大的资源瓶颈,通过减少选择器输入输出分支,大幅降低了面积开销;分析了MQ编码器的输出特点,针对其无法连续吞吐数据的问题,在第三级流水中添加移位寄存器,并证明该移位寄存器的最小有效位宽为3字节,实现了MQ编码器对输入数据的无间隔吞吐。2、本文研究了码率控制算法,提出了一种将斜率计算模块由Tier2编码提前至Tier1编码的EBCOT硬件结构,使得Tier1编码产生的通道信息不必进行中间缓存,有效减少了存储面积的开销。在该结构的基础上,设计并实现了码率控制模块,其主要由两个部分组成:向前剔除三次奇异点的斜率计算模块,其资源消耗优于完全剔除奇异点,而截取性能优于剔除当前奇异点;进行包头预估计的并行截取模块,与现有实现相比,提升了码率控制的精度和速度。3、本文实现的MQ编码器和码率控制模块已经应用在基于JPEG2000的火星探测图像编码系统中。该系统能够满足多种压缩模式,12比特深度,3072*4096最大分辨率等各类指标的实时图像处理要求。经过软硬件协同验证和大规模图像测试,以及对硬件实现结果的分析,最终证明该系统输出的编码码流符合JPEG2000标准,且压缩性能和资源消耗均满足火星探测工程的需求指标。本文基于火星探测的工程背景,设计并实现了面积优化的MQ编码器和码率控制模块,能够满足火星探测图像处理单元资源低耗的工程需求,但相对应,本文实现的电路工作频率不高,处理速度较慢,主要的处理对象为火星探测中的中分图像和高分图像,不适用于网络通信、医疗成像、数字图书馆等其他场景,在今后的工作中,应面向更广阔的应用领域,进一步优化编码系统,提高性能和通用性。
葛镜[3](2019)在《自嵌入水印算法及其在图像篡改检测和恢复的应用》文中研究表明数字多媒体技术的发展为我们的工作和生活提供了很多成熟、可靠、灵活、高效、高质量、低成本的多媒体信息。随之衍生的各类图像处理技术使得数字产品的获取、处理、存储、复制变得越来越容易,促使数字产品的版权保护,完整性保护,篡改防护变得越来越重要。快速发展的信息技术促进了数字多媒体技术的发展,在这种背景下,计算机技术和各种手持移动智能终端技术的发展,使得篡改多媒体数据变得轻而易举,包括手机、电脑、平板电脑里面安装的各种软件能够毫不费力地篡改多媒体数据,同时也带来了非法复制和数字多媒体重新再分布等问题。数字水印概念的提出就是为了解决信息技术版权保护的相关问题,它为多媒体数据的认证、版权保护和防篡改提供了有效的解决方案。本文以图像水印为主要研究对象,探讨了图像水印的相关理论和各种算法,在此基础上提出了三种有效的水印算法,并将其用于图像篡改检测和恢复,取得较好的效果。本文的主要研究成果概况如下:第一,提出一种改进的基于哈希算法的自嵌入数字水印算法。在分析传统哈希算法的基础上,提出一种改进的哈希算法,并将图像本身的哈希值作为水印嵌入原图像,用于图像的版权保护等。图像本身的信息采用哈希算法生成图像哈希值。具体过程包括三个部分:预处理、特征值提取和哈希值生成。第一步通过预处理对图像进行归一化处理。第二步特征值提取,经过前面的图像预处理后的图像,使用块截断编码和中心对称局部二进制模式提取图像的特征值。第三步生成图像哈希值作为水印采用DCT变换域方法嵌入原图。该算法在图像的感知和抗攻击性中能达到很好的平衡,鲁棒性较强,并且有很好的保密性能。第二,提出一种改进的基于SVD分解的自嵌入水印算法。通过SVD分解得到图像的特征值作为认证水印嵌入原图,用于实现图像的版权保护和抗攻击等,并能有效地实现图像被篡改区域的定位。同时,采用块分类算法来生成图像的恢复水印。恢复水印要能实现图像的恢复就需要尽可能完整的保护图像块的所有信息,然而作为水印嵌入图像又不能有太多的数据量否则不满足人眼视觉阈值的条件。因此在图像DCT变换的基础上,根据图像块的特征将图像分类,获取不同类型图像块的压缩编码生成恢复水印,每类图像块的恢复水印大小不等。该水印算法既能实现图像的篡改检测又能实现图像的篡改恢复,采用混沌加密算法嵌入图像块中。假如嵌入水印的图像被篡改,篡改后的图像块的基本信息和提取的水印信息将不能匹配,用这种方法可以判断每个图像块是否被篡改。由每个图像块的压缩编码生成的恢复水印可以用来恢复被篡改的图像块。实验结果表明本算法能有效地抵抗图像的篡改,检测到篡改区域,实现图像篡改块的恢复。甚至当篡改率高达70%时,仍然有效地实现篡改区域的定位,并恢复大部分被篡改的图像块。第三,提出一种彩色图像的水印算法,基于自嵌入水印实现彩色图像的篡改检测和恢复。第一步将彩色图像变换为HSI和YCbCr,分别提取其中的特征值,生成彩色图像哈希值作为认证比特。第二步在图像DCT变换的基础上,获取图像块的压缩编码生成恢复比特。第三步将认证比特和恢复比特作为水印嵌入到图像块中。原图像块基本信息经哈希变换生成认证比特,作为水印的一部分,篡改检测时,通过比较图像块的基本信息和提取的水印信息是否匹配,判断每个图像块是否被篡改。图像块的压缩编码作为恢复比特水印嵌入到原图中,如果图像块被篡改,恢复比特水印可以用来恢复被篡改的图像。实验结果表明本算法能有效地抵抗图像的篡改,检测到篡改区域,实现图像篡改块的恢复,是一种有效的彩色水印算法。
郭家伟[4](2019)在《基于混沌的数字图像压缩加密技术研究》文中进行了进一步梳理现如今,数字图像作为一种重要的信息媒介被广泛使用在互联网中,对于一些涉及机密信息的图像需要对其进行加密处理以防止信息泄露。与此同时,考虑到图像数据量大的特点,在使用时要进行压缩处理。由于加密操作会破坏图像数据的冗余特性,因此对加密后的图像进行压缩时难以取得较高的压缩比。如果将图像压缩后再进行加密,则会花费较多时间,难以满足实时性的要求。基于此背景,本文对图像压缩加密技术进行了研究,提出了两种压缩加密联合算法,使压缩和加密可以同时完成,并且保证了算法良好的压缩性能和较高的安全性。具体研究内容如下:(1)基于Logistic混沌系统,设计了一种与JPEG压缩相融合的图像加密算法。该算法将加密操作与压缩操作融合在一起,可以在压缩图像的同时完成图像加密。算法首先在空域对图像子块的RGB分量进行置乱,实现颜色分量重组,然后对量化后的DC系数和AC系数进行置乱,置乱完成后对每个系数的符号位进行随机修改,整个加密过程由Logistic混沌系统控制。通过理论分析和仿真实验证明,算法加密效果好,密钥空间大,密钥敏感性强,同时加密操作对压缩算法影响很小,加密后的图像仍然具有很高的压缩比。(2)提出了一种自适应的压缩加密算法。将自适应加密技术的思想应用到压缩加密算法中,提高了算法的安全性。该算法首先使用Logistic混沌系统产生的密钥流对量化后的DC系数进行自适应置乱,然后使用陈氏超混沌系统对DC系数进行自适应代换,对AC系数进行符号位的修改。整个加密过程与明文信息高度相关,增强了算法的明文敏感性,使其可以有效抵抗已知明文攻击和选择明文攻击。仿真实验结果表明算法具有很好的加密效果和压缩性能,可以充分满足对图像进行压缩加密的性能要求。
祁娜[5](2018)在《基于多重生物特征的文档图像水印加密研究》文中提出计算机网络和信息技术的快速发展,加快了办公自动化和电子商务的发展,大量的数字信息如视频、图像、邮件、文档等通过网络传播,但随之发生的非法侵权及版权保护问题日益突出,数字水印技术也因此得到了广泛关注和研究。数字水印技术在多媒体数据中得以实现,主要依赖于这种载体信息中存在大量的冗余信息,而电子文档图像的数据冗余度相对于其他多媒体数据非常有限,这也使得基于文本图像的数字水印技术发展较为局限,存在嵌入容量低、鲁棒性差等问题。为了解决以上存在的问题,本文设计并改进了一种新的方案。通过对电子文档8位灰度图像像素值的分析,选择其中大量存在的白色像素点,使其作为新的载体图像,并利用离散小波变换和奇异值分解技术,将水印图像嵌入到新的载体图像中,再通过像素位置复原的方法,将新嵌入水印的图像还原到原始电子文档中。为了做到有效的版权保护和侵权追踪,本文嵌入的水印图像采用版权所有者的手掌或人脸等生物特征图像。实验数据表明,改进后的算法提高了嵌入容量,并改善了鲁棒性。本文还提出了基于多重生物特征的数字水印技术,可嵌入多个生物特征图像作为水印信息,以保障版权问题。对于个人来说,多个不同部位的生物特征能够进一步保证认证的安全性。合同等需要两方甚至三方的文档材料,涉及多个当事人的个人信息,而多重生物特征的水印嵌入也解决了多方认证的问题,所以本文算法为涉及多方的版权追踪及身份认证提供了极大帮助。为了进一步保证电子文档图像在传输过程中的安全性,本文提出了一种图像加密算法,对嵌入水印后的图像做加密运算。该算法使用Logistic混沌映射和DNA序列对图像进行像素位置置乱,并扰乱其像素值,再使用三维Lorenz混沌系统进行像素值融合,生成加密图像。在本文提出的算法中,使用水印图像像素值作为密钥组成部分,使算法具有更好的密码学性能。对本文提出的算法进行相关的实验,通过与其他算法对比以及相关的评测指标,结果证明本文算法表现出更好的加密效果,密钥空间大,且敏感性强,能够抵抗穷举攻击和统计攻击。
郭尚伟[6](2017)在《图像视觉安全指标研究》文中指出由于网络和智能终端的普及,数字图像变得更加容易获取和使用,并且越来越多地被用于商业和日常生活中。在这种情况下,无论是保护商业机密还是保护个人隐私,对图像安全性的研究都有非常重要的意义。随着近几十年来各种高效图像加密算法(如选择加密)的发展,衡量加密图像特别是选择加密图像的视觉安全性至关重要。视觉安全指标(Visual Security Index,VSI)是在选择加密的安全分析中常用的工具。近年来,学者们已提出许多VSI来评价选择加密图像的安全性,包括图像质量评价(Image Quality Assessment,IQA)和专门用于加密图像的VSI。现有的VSI主要是比较明文图像和加密图像之间的相似度,但是它们通常在低质量的选择加密图像上表现较差。此外,研究者们虽然提出了视觉安全指标这个概念,但是并没有给出形式化的定义,因此视觉安全指标的相关概念还很模糊。另外,虽然现在已经有许多IQA被提出,但它们通常计算参考图像和失真图像之间的精确差异,然而在人类视觉系统(Human Visual System,HVS)中,不是所有的失真都是可被观察者感知的。本论文的主要研究工作和创新成果包括:(1)详细介绍和总结了现有的图像加密算法和安全分析方法,并分析了现有安全分析方法的缺点。本文将现有的安全分析分为两类,传统安全分析和视觉安全分析,并发现传统的安全分析不能有效地判断视觉信息的泄露,并且现有的视觉安全指标在加密图像上表现不能令人满意。(2)从理论上分析了视觉安全指标的安全模型,并形式化地给出了视觉安全及视觉安全指标的定义。为了准确地衡量视觉信息的泄露量,本文考虑了人类视觉系统,通过分析语义鸿沟,定义了不同等级的计算能力。在给定的威胁模型下,通过定义攻击者的优势形式化地定义了视觉安全及视觉安全指标。(3)结合人类视觉系统特性,提出了一种新的基于边缘和纹理相似度的视觉安全指标(Visual Security Index,VSI)。该视觉安全指标从两个方面衡量了明文图像和加密图像之间的内容相似度:边缘相似度和纹理相似度。该算法通过基于多阈值的边缘检测算子提取边缘相似度,利用共生矩阵获得纹理相似度。通过自适应加权将这两种相似度信息进一步整合,获得视觉安全指标。实验结果表明,与许多现有主流的视觉安全度量相比,VSI在低质量图像上表现出更好的性能。(4)考虑到选择加密算法的多样性,为了更准确地在视觉安全模型下分析加密图像的安全性,提出了一种基于关键点匹配的感知视觉安全指标(Perceptual Visual Security Index,PVSI)。PVSI利用特征提取算子获得关键点的描述并将其作为语义内容集合。通过评估明文和加密图像之间视觉相似度从而获得最终的指标。实验结果表明,与许多现有主流的视觉安全度量相比,PVSI在加密图像数据和众多公开数据库上都表现出更好的准确性和鲁棒性。(5)为了减少由不可察觉失真所带来的负面影响,提出了一种基于多尺度模糊梯度相似度偏差(Multi-scale Fuzzy Gradient Similarity Deviation,MFGSD)的全参考IQA方案。通过引入模糊推理系统,MFGSD利用模糊梯度相似度的标准差来衡量失真图像与参考图像的质量差异。本文在两个公开的图像数据库上进行了大量的实验,实验结果表明,相对于许多现有主流的IQA方案,MFGSD在不同失真类型和失真强度上具有更好的性能。
孙江林[7](2017)在《图像快速加密算法研究》文中研究说明随着网络技术的蓬勃发展,特别是移动互联时代的来临,个人移动设备持有量不断增加,消费者对于图像、视频等多媒体的消费需求越来越多。特别是近年来,随着高清数字设备逐渐普及,图像也越来越频繁地通过网络传输和存储,相应需要的存储空间和占用的网络开销随之增大,这带来了两方面的需求。一方面,由于世界上主流网络——因特网的特性决定,为了确保通信便利,因特网主要使用的是公共信道,随着计算机和网络的使用量不断增大,通过公共信道传输的数据量不断增大,给窃听甚至篡改数据留下了可乘之机,而许多通过网络传输的内容具有保密要求,不希望被其他人获取,如政府间的合作、企业间的商务谈判、涉及到用户隐私的相关内容等都迫切需要实现安全传输,因此图像的安全传输变得越来越重要,另一方面,随着用户的增多,高清图像将占据更多的网络开销,如何在保护图像隐私的前提下,同时加强图像的压缩以尽可能减少网络带宽需要,对于用户而言也变得更加迫切。因此本论文的研究重点是:主要针对图像编码环节,设计图像快速加密算法,通过实验分析,确保所设计的图像快速加密算法在保护图像安全的前提下尽可能提高效率。本论文主要包括以下几部分工作:(1)分析整理了密码学以及混沌加密相关的理论,总结了图像处理研究进展;(2)提出一个自动获取感兴趣区域图像加密算法,该算法自动评估图像的ROI,设计了一种存储隐私像素的策略,利用空间数据隐藏方法将加密像素嵌入到平面图像的非隐私区域。实验结果表明,与已有的ROI图像加密方案相比,该算法在安全性和与HVS(Human Visual System)的一致性方面具有一定优势。(3)分析了基于区间收缩的安全二进制算术编码(AC)方案的安全性。将区间收缩策略简化为单向收缩和对称双向收缩两类,证明了特定条件下,区间收缩的算术编码的无法保证保密安全性。基于单向收缩和双向收缩分类和所给定的条件,分析了静态、基于内容和自适应AC模型中的单向收缩和对称双向收缩的安全性,进而提出了抵抗攻击的改进方案。(4)分别提出了与JPEG2000图像编码相结合的加密思想,并针对MQ算法和区间编码算法进行了实现。该算法采用密钥控制编码寄存器C的指向,没有正确的密钥将无法正确解码,因此算法可以有效抵御暴力攻击;算法在密钥流的生成过程,采用一次一密的方式,可以抵抗选择明文攻击。论文还通过大量的仿真实验与理论分析来验证与评估算法性能,确认该算法几乎不影响压缩性能。最后是全文的总结,并给出了论文的可改进之处以及今后进一步研究的方向。
李秋富[8](2017)在《侦察图像压缩的稀疏编码方法》文中认为论文主要研究图像压缩的两种稀疏编码方法——集合划分编码(SPC)和压缩感知(CS),重点研究SPC方法的通用性、SPC方法无损编码的高效性、CS方法的解码质量等,为具有不同特点的侦察平台提供系统的图像编解码方法。论文主要研究成果如下:(1)针对SPC方法通用性差的问题,构建SPACS。已有的树形SPC(T-SPC)方法和块状SPC(B-SPC)方法分别侧重于利用小波域图像的子带间相关性和子带内相关性,均不具有通用性;论文设计能同时表示树形集合和块状集合的广义树、及相应的广义树划分规则,进而构建通用型SPC方法SPACS(k,p)。参数k决定对广义树的划分方式,参数p决定广义树的初始形状,可调的k和p使SPACS具有通用性:k,p取值较小,SPACS趋向T-SPC方法,可更多利用子带间相关性,适合于编码高频分量较少的图像;k,p取值较大,SPACS趋向B-SPC方法,可更多利用子带内相关性,适合于编码高频分量较多的图像。论文还提出直接表示小波域图像系数幅值的幅值比特、间接表示系数坐标的位置比特和冗余比特等概念,通过计量这些不同类型比特的数量可实现对SPC方法编码性能的定量分析。采用不同统计特性图像测试SPACS,结果表明:SPACS所使用的冗余比特数量平均下降4.1%,解码图像PSNR平均提高0.18d B。SPACS综合利用小波域图像的子带间相关性和子带内相关性,性能优于现有的SPC方法,可以有效解决侦察图像编码方法的通用性问题。(2)针对SPC方法的无损编码性能略弱的问题,构建SPACSC。通过分析几种特殊广义树的编码,建立SPACS编码所需幅值比特、位置比特、冗余比特数目的数学表达式,解释SPACS对具有不同高频分量统计特性的侦察图像编码表现出的差异性。为降低位置比特开销,论文设计广义树分类器,构建SPACSC。不同于已有的SPC方法对广义树直接进行“先检测后划分”的编码方式,SPACSC嵌入广义树分类器,预测“先划分后检测”和“先检测后划分”两种编码方式编码广义树所需的比特开销,选用比特开销较少的方式编码广义树。SPACSC对广义树分类处理适应小波域图像低层位平面稀疏度迅速降低的数据特点,可以减少SPACSC输出的位置比特1。采用不同统计特性图像测试SPACSC,结果表明:SPACSC的无损编码性能不仅优于JPEG2000,且接近或超过图像无损压缩标准JPEG-LS的编码性能。SPACSC提升了SPC方法的无损编码性能,可以解决侦察图像无损编码的高效性问题。(3)针对编码复杂度低的CS方法解码图像质量差的问题,构建SPL-TV算法。将定量表示图像整体结构的全变差作为正则项引入SPL算法的目标函数,构建SPL-TV算法的优化问题,使用硬阈值滤波和凸集投影近似替代SPL-TV算法目标函数中范数项的偏导,实现SPL-TV算法优化问题的梯度下降法求解。采用不同统计特性的可见光图像测试SPL-TV算法,结果表明:SPL-TV算法提升了CS方法解码图像的主观视觉效果,PSNR平均提高1.17d B。SPL-TV算法综合利用图像的局部平滑性和有界变差性,提升CS方法的解码图像质量,可有效解决小型侦察平台使用低复杂度编码方法时存在解码质量差的问题。
罗小文[9](2016)在《基于动态图像监控的智能家居安防系统》文中认为本文根据国内外图像监控和智能家居安防系统的发展近况,针对现有的图像存储、图像传输、家庭安防等存在的问题,并通过综合比较几种图像编码标准和几种家庭安防技术的优缺点,提出了一种基于动态图像监控的智能家居安防系统的解决方案。系统采用JPEG2000和Motion JPEG2000编码标准、Lighttpd服务器和ZC301摄像头来实现图像编码、图像传输、图像采集等功能。整个系统主要由Web客户端、ARM处理中心、ZC301摄像头和报警系统三个部分构成。Web客户端是用户同ARM处理中心进行数据交互的界面和窗口,包括用户登入界面、时间和日期设置与显示界面、账号密码修改和监控控制的界面、图像显示界面。ARM处理中心是整个系统的核心部分,它是由三星公司研发的S3C6410处理器和Linux搭建的嵌入式系统组成。该Linux平台移植了 Lighttpd软件包、USB摄像头驱动和图像编码软件包。ARM处理中心完成了图像的捕获、具有动态行为图像的检测和存储、图像处理和传输、自启动和关闭报警的功能。ZC301摄像头和报警系统实现了采集监控区域的图像和报警的功能。ZC301摄像头采集的图像通过USB传输给ARM处理中心,报警系统由蜂鸣器和三极管组成。最后通过对系统各个模块和整个系统的测试,实现了监控区域的图像采集、具有动态行为图像的检测和存储、图像的处理和传输、自启动和关闭报警、用户通过Web客户端与ARM处理中心进行交互的功能,基本达到了设计要求。
利祥[10](2016)在《压缩域图像可逆信息隐藏》文中研究指明随着计算机网络技术和多媒体技术的发展,大量的数字媒体信息开始利用互联网进行传播。这种方式虽然快捷和高效,但是也会引发一个严重的问题,那就是数字媒体产品的知识产权保护问题。因为网络上的数字媒体文件很容易被非法拷贝和恶意篡改,从而侵犯版权所有者的知识产权。作为信息安全领域中的一种新兴技术,信息隐藏技术可以有效解决这一问题。信息隐藏中的数字水印技术可以将一些标识版权所有者信息的水印嵌入到要发布的数字媒体产品中,并且水印信息的嵌入不会影响产品的正常使用。一旦遇到侵权问题,版权所有者就可以通过提取产品中的水印信息来保护自己的知识产权。此外,信息隐藏技术还可以应用在隐蔽通信领域中。信息隐藏中的隐写术可以将机密信息嵌入到公开的图像、视频等载体文件中进行传输,攻击者一般很难发现隐藏的信息的存在,因此极大提高了信息传输的安全性。本文主要研究了基于压缩域的图像可逆信息隐藏技术,选取了两种压缩图像进行研究,即JPEG2000压缩图像和分形压缩的图像。本文首先详细介绍了信息隐藏的相关知识,然后针对本文所研究的对象做了以下工作:(1)针对JPEG2000压缩图像,本文通过分析JPEG2000图像编解码流程提出了一种基于分块直方图自适应移位的可逆信息隐藏方案。该方案选取了图像高频子带部分的量化小波系数作为信息嵌入位置,通过分块和小波系数直方图移位实现了信息的嵌入。实验结果表明本文提出的方案是有效的,而且在信息嵌入容量和嵌入信息的不可感知性方面比现有的一些方案有着更好的表现。(2)针对分形压缩的图像,本文提出了一种基于修改图像分形码的可逆信息隐藏方案。该方案通过设置定义域块的滑动步长为偶数来影响每个值域块的分形码中前两个参数的数值,然后通过修改这两个参数的值来实现信息的嵌入。实验结果表明该方案是有效的。
二、基于JPEG2000的图像加密算法(英文)(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于JPEG2000的图像加密算法(英文)(论文提纲范文)
(1)基于稀疏与低秩理论的图像表示及重建(论文提纲范文)
论文创新点 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 压缩感知与重构 |
1.2.2 基于压缩感知的图像压缩 |
1.2.3 图像的超分辨率重建 |
1.3 图像质量评价 |
1.4 研究内容与文章结构 |
1.4.1 本文研究内容 |
1.4.2 文章的内容与安排 |
1.5 本章小结 |
2 压缩感知与稀疏表示理论 |
2.1 引言 |
2.2 压缩感知原理 |
2.2.1 稀疏表示 |
2.2.2 不相干测量 |
2.2.3 非线性重构 |
2.3 稀疏表示 |
2.3.1 传统正交变换 |
2.3.2 多尺度几何分析 |
2.3.3 字典学习 |
2.4 低秩矩阵恢复 |
2.4.1 迭代阈值算法 |
2.4.2 加速近端梯度方法 |
2.4.3 增广拉格朗日乘子法 |
2.5 本章小结 |
3 图像分块自适应压缩感知编码 |
3.1 引言 |
3.2 图像分块压缩感知 |
3.2.1 图像分块压缩感知理论 |
3.2.2 图像分块压缩感知编码 |
3.3 块变换域系数随机置换的压缩感知 |
3.3.1 算法思想 |
3.3.2 算法描述 |
3.4 基于自适应测量矩阵的压缩感知 |
3.4.1 自适应测量矩阵的设计 |
3.4.2 自适应测量矩阵的实现 |
3.4.3 自适应测量矩阵的特点 |
3.5 实验结果与讨论 |
3.5.1 CRP均衡矢量稀疏性的测试 |
3.5.2 CRP+AS的性能测试 |
3.5.3 基矢量重正交化对增加测量效率的测试 |
3.6 本章小结 |
4 非局部组稀疏与多稀疏联合规则化的压缩感知重建 |
4.1 引言 |
4.2 图像的非局部稀疏 |
4.2.1 图像的非局部相似 |
4.2.2 图像块组稀疏表示 |
4.3 迭代重加权组稀疏表示的压缩感知恢复 |
4.3.1 基于组稀疏表示的压缩感知重构 |
4.3.2 迭代重加权组稀疏规则化的压缩感知重构 |
4.3.3 实验结果与分析 |
4.4 联合标准化组稀疏表示的压缩感知恢复 |
4.4.1 图像块组变换域标准化表示 |
4.4.2 提出的重构模型与求解 |
4.4.3 实验结果与分析 |
4.5 本章小结 |
5 自适应截断低秩正则化的图像超分辨率 |
5.1 引言 |
5.2 单帧图像超分辨率 |
5.2.1 基于插值的方法 |
5.2.2 基于模型的方法 |
5.2.3 基于学习的方法 |
5.3 基于低秩分解的超分辨率 |
5.3.1 低秩邻域嵌入的超分辨率 |
5.3.2 结构低秩正则化的超分辨率 |
5.4 自适应低秩正则化的图像超分辨率 |
5.4.1 自适应非局部低秩近似 |
5.4.2 自适应截断低秩表示的超分辨率 |
5.4.3 实验结果 |
5.5 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻博期间发表的科研成果目录 |
致谢 |
(2)MQ编码与码率控制的优化设计及在火星探测中的应用(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 引言 |
1.2 图像压缩技术简介 |
1.3 论文研究的意义 |
1.4 本文研究的内容及安排 |
第二章 JPEG2000 标准及在火星探测中的运用 |
2.1 引言 |
2.2 JPEG2000 标准的优点 |
2.3 JPEG2000 编码系统 |
2.4 JPEG2000 在火星探测中的应用 |
2.4.1 火星探测任务背景 |
2.4.2 JPEG2000 图像处理单元 |
2.4.3 JPEG2000 参数配置 |
2.5 本章小结 |
第三章 MQ算术编码算法及其优化实现 |
3.1 引言 |
3.2 MQ编码算法 |
3.2.1 MQ编码的基本原理 |
3.2.2 MQ编码的算法特征 |
3.3 MQ编码器硬件实现 |
3.3.1 MQ编码器的流水化实现 |
3.3.2 MQ编码器的优化设计 |
3.3.3 仿真验证结果 |
3.4 本章小结 |
第四章 码率控制算法及其优化实现 |
4.1 引言 |
4.2 EBCOT中的码率控制 |
4.2.1 率失真优化截取的基本原理 |
4.2.2 码率控制的工作流程 |
4.3 码率控制的硬件结构及优化设计 |
4.3.1 提前斜率计算的EBCOT结构 |
4.3.2 斜率计算的优化设计 |
4.3.3 优化截取 |
4.3.4 仿真验证结果 |
4.4 本章小结 |
第五章 火星探测图像编码系统 |
5.1 系统结构 |
5.2 性能分析 |
5.2.1 软硬件协同验证 |
5.2.2 图像压缩质量评估 |
5.2.3 硬件实现性能评估 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 今后展望 |
参考文献 |
致谢 |
作者简介 |
(3)自嵌入水印算法及其在图像篡改检测和恢复的应用(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 数字水印 |
1.2.1 水印的应用 |
1.2.2 水印的特点 |
1.2.3 水印的分类 |
1.3 近年来的相关论文情况分析 |
1.4 论文结构及主要内容 |
2 图像的数字水印算法 |
2.1 水印系统 |
2.2 水印的生成 |
2.3 水印的嵌入 |
2.3.1 空域水印嵌入技术 |
2.3.2 变换域水印嵌入技术 |
2.3.3 压缩域水印嵌入 |
2.4 水印质量评估 |
2.4.1 水印嵌入与图像质量的关系 |
2.4.2 压缩与图像质量的关系 |
2.4.3 水印的质量标准 |
2.4.4 图像的质量评价标准 |
3 一种改进的基于哈希算法的自嵌入水印算法 |
3.1 哈希算法 |
3.1.1 图像的哈希算法 |
3.1.2 图像哈希算法的研究现状 |
3.2 图像哈希值的生成 |
3.2.1 图像的预处理 |
3.2.2 基于块截断编码和中心对称局部二进制模式特征值提取 |
3.2.3 哈希值的生成 |
3.3 水印的嵌入和提取 |
3.3.1 水印的嵌入算法 |
3.3.2 水印的提取算法 |
3.4 实验结果及分析 |
3.4.1 参数设置与计算 |
3.4.2 不可见性测试 |
3.4.3 鲁棒性测试 |
3.5 小结 |
4 一种改进的基于SVD特征值提取的自嵌入水印算法 |
4.1 引言 |
4.2 基于SVD的特征值提取 |
4.2.1 图像块的SVD分解 |
4.2.2 图像块的特征值提取 |
4.3 块分类算法 |
4.4 图像的篡改检测和恢复 |
4.4.1 水印的嵌入算法 |
4.4.2 篡改检测和恢复 |
4.5 实验结果及分析 |
4.5.1 不可见性测试 |
4.6 本章小结 |
5 基于自嵌入水印的彩色图像纂改检测和恢复 |
5.1 彩色图像的哈希值算法 |
5.2 彩色图像压缩编码 |
5.3 水印的嵌入算法 |
5.4 篡改检测和恢复算法 |
5.5 实验结果 |
5.6 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读博士期间发表的论文 |
致谢 |
(4)基于混沌的数字图像压缩加密技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题的研究背景与意义 |
1.2 课题的研究现状 |
1.3 本文的主要研究内容 |
第2章 基于混沌的压缩加密技术分析 |
2.1 图像压缩技术 |
2.1.1 图像压缩原理 |
2.1.2 图像压缩编码模型 |
2.1.3 JPEG压缩算法详解 |
2.2 混沌理论介绍 |
2.2.1 混沌理论基础 |
2.2.2 常见的混沌系统 |
2.3 基于混沌的图像加密技术 |
2.3.1 混沌与密码学的联系 |
2.3.2 混沌在图像加密中的应用 |
2.3.3 基于混沌的压缩加密算法的设计原则 |
2.4 本章小结 |
第3章 与JPEG压缩相结合的图像加密算法 |
3.1 引言 |
3.2 算法设计 |
3.2.1 密钥序列的生成及安全性验证 |
3.2.2 分组合并置乱算法 |
3.3 仿真实验与性能分析 |
3.3.1 加密效果评价 |
3.3.2 算法压缩性能 |
3.3.3 算法速度性能 |
3.4 算法安全性分析 |
3.4.1 密钥空间 |
3.4.2 密钥敏感性分析 |
3.5 本章小结 |
第4章 自适应压缩加密算法 |
4.1 引言 |
4.2 自适应图像加密概述 |
4.3 算法设计 |
4.3.1 密钥流的生成及安全性验证 |
4.3.2 自适应加密DC系数 |
4.3.3 自适应加密AC系数 |
4.4 仿真实验与性能分析 |
4.4.1 加密结果及评价 |
4.4.2 算法压缩性能 |
4.5 算法安全性分析 |
4.5.1 密钥空间 |
4.5.2 密钥敏感性分析 |
4.5.3 明文敏感性分析 |
4.6 本章小结 |
第5章 总结与展望 |
5.1 研究工作总结 |
5.2 未来工作展望 |
致谢 |
参考文献 |
附录 |
详细摘要 |
(5)基于多重生物特征的文档图像水印加密研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究背景及目的和意义 |
1.2 国内外研究现状及成果 |
1.2.1 数字水印技术研究现状 |
1.2.2 图像加密算法研究现状 |
1.3 本文的主要研究内容 |
第2章 基于多重生物特征的数字水印算法 |
2.1 引言 |
2.2 基于生物特征的数字水印算法 |
2.2.1 离散小波变换 |
2.2.2 奇异值分解 |
2.2.3 算法设计 |
2.3 数字水印算法实验结果 |
2.3.1 不可见性 |
2.3.2 鲁棒性评估 |
2.4 基于多重生物特征的水印算法 |
2.4.1 算法描述 |
2.4.2 实验结果 |
2.5 本章小结 |
第3章 多重水印文档图像加密算法 |
3.1 引言 |
3.2 混沌理论与DNA序列加密 |
3.2.1 混沌的定义 |
3.2.2 Logistic一维混沌系统 |
3.2.3 Lorenz混沌系统 |
3.2.4 DNA序列加密 |
3.3 基于多混沌映射与DNA序列的加密算法 |
3.3.1 算法设计 |
3.4 实验结果 |
3.4.1 置乱程度评价参数 |
3.4.2 置乱程度实验结果 |
3.4.3 安全性测试与分析 |
3.4.4 统计攻击 |
3.5 本章小结 |
第4章 系统架构设计 |
4.1 引言 |
4.2 系统架构设计 |
4.3 业务模块 |
4.3.1 移动客户端设计 |
4.3.2 服务器端设计 |
4.4 本章小结 |
结论 |
参考文献 |
致谢 |
(6)图像视觉安全指标研究(论文提纲范文)
中文摘要 |
英文摘要 |
1 绪论 |
1.1 研究背景及研究意义 |
1.2 国内外研究现状 |
1.3 研究内容和成果 |
1.4 论文结构安排 |
2 图像加密算法及其安全性分析 |
2.1 引言 |
2.2 图像加密算法 |
2.2.1 全加密 |
2.2.2 选择加密 |
2.3 传统的安全分析 |
2.3.1 统计分析 |
2.3.2 差分分析 |
2.4 视觉安全分析 |
2.4.1 图像质量评价指标 |
2.4.2 视觉安全指标 |
2.4.3 现有指标的不足 |
2.5 本章小结 |
3 视觉安全模型 |
3.1 引言 |
3.2 密码学基础知识 |
3.2.1 基本概念 |
3.2.2 对称加密 |
3.2.3 语义安全 |
3.3 视觉安全模型 |
3.3.1 语义鸿沟 |
3.3.2 威胁模型 |
3.3.3 视觉安全 |
3.4 本章小结 |
4 基于边缘和纹理相似度的视觉安全指标 |
4.1 引言 |
4.2 算法设计 |
4.2.1 多阈值边缘相似度 |
4.2.2 纹理相似度 |
4.2.3 视觉安全指标 |
4.3 实验测试与分析 |
4.3.1 测试图像数据库 |
4.3.2 算法评估模型 |
4.3.3 不同的边缘检测算子 |
4.3.4 整体实验分析 |
4.3.5 不同质量上的分析 |
4.3.6 不同加密算法上的分析 |
4.4 本章小结 |
5 基于SURF关键点匹配的视觉安全指标 |
5.1 引言 |
5.2 SURF关键点提取算子 |
5.2.1 关键点检测 |
5.2.2 关键点描述 |
5.3 算法设计 |
5.3.1 相似关键点的确定 |
5.3.2 集合相似度 |
5.3.3 感知视觉安全指标 |
5.4 实验评估与分析 |
5.4.1 算法实现 |
5.4.2 典型加密图像上的分析 |
5.4.3 测试数据库 |
5.4.4 评价标准 |
5.4.5 在公开数据库上的分析 |
5.4.6 阈值的影响 |
5.5 本章小结 |
6 基于多尺度模糊梯度的图像质量评价 |
6.1 引言 |
6.2 相关工作 |
6.2.1 梯度相似度 |
6.2.2 梯度相似度偏差 |
6.3 模糊推理系统 |
6.4 算法设计 |
6.4.1 框架 |
6.4.2 梯度信息提取及处理 |
6.4.3 梯度相似度偏差指标 |
6.5 实验结果 |
6.5.1 测试数据库 |
6.5.2 评估标准 |
6.5.3 参数配置 |
6.5.4 模糊推理系统的影响 |
6.5.5 不同质量区间上的分析 |
6.5.6 不同失真上的分析 |
6.5.7 计算性能分析 |
6.6 本章小结 |
7 结论与展望 |
7.1 研究工作总结 |
7.2 未来研究展望 |
致谢 |
参考文献 |
附录 |
A. 作者在攻读学位期间发表的论文目录 |
B. 作者在攻读学位期间取得的科研成果目录 |
(7)图像快速加密算法研究(论文提纲范文)
中文摘要 |
英文摘要 |
1 绪论 |
1.1 研究背景与意义 |
1.2 图像快速加密研究进展 |
1.3 主要研究内容及成果 |
1.4 论文组织结构 |
2 图像处理与加密技术 |
2.1 图像处理 |
2.1.1 图像处理简介 |
2.1.2 图像压缩简介 |
2.1.3 JPEG2000图像编码 |
2.2 混沌密码 |
2.2.1 混沌密码简介 |
2.2.2 常见混沌映射 |
2.3 图像加密 |
2.3.1 传统图像加密 |
2.3.2 快速图像加密 |
2.4 本章小结 |
3 基于LOGISTIC映射和数据隐藏的隐私区域图像加密研究 |
3.1 引言 |
3.2 相关工作 |
3.2.1 ROI的人工选择方法 |
3.2.2 ROI的自动选择方法 |
3.3 算法介绍 |
3.3.1 显着对象侦测 |
3.3.2 Logistic映射 |
3.3.3 数据隐藏 |
3.4 自动选择ROI算法 |
3.4.1 算法框架 |
3.4.2 自适应隐私区域评估 |
3.4.3 像素加密 |
3.4.4 数据嵌入 |
3.4.5 解密方案 |
3.5 实验结果与分析 |
3.5.1 加密结果视觉分析 |
3.5.2 自适应隐私区域分析 |
3.5.3 统计分析 |
3.5.4 与现有方案比较 |
3.6 本章小结 |
4 基于区间收缩的二进制算术编码安全分析 |
4.1 引言 |
4.2 相关工作 |
4.3 基于区间收缩的安全二进制AC |
4.3.1 二进制AC |
4.3.2 基于区间收缩的安全二进制AC |
4.4 安全性能分析 |
4.4.1 单向收缩 |
4.4.2 双向收缩 |
4.5 补救措施 |
4.6 本章小结 |
5 一种基于压缩编码的JPEG2000图像加密算法 |
5.1 引言 |
5.2 自适应算术编码 |
5.2.1 自适应算术编码的特性 |
5.2.2 MQ编码器 |
5.2.3 区间编码 |
5.3 联合MQ编码器加密 |
5.3.1 加密思路 |
5.3.2 安全性能分析 |
5.4 联合区间编码加密 |
5.4.1 加密算法 |
5.4.2 解密算法 |
5.5 实验结果 |
5.5.1 加密结果 |
5.5.2 压缩性能 |
5.6 安全性分析 |
5.6.1 密钥空间 |
5.6.2 密钥敏感性分析 |
5.6.3 抗攻击性分析 |
5.7 本章小结 |
6 总结与展望 |
致谢 |
参考文献 |
附录 |
作者在攻读学位期间发表的论文目录 |
(8)侦察图像压缩的稀疏编码方法(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究目的及意义 |
1.2 研究现状及发展趋势 |
1.2.1 集合划分编码(SPC)方法 |
1.2.2 压缩感知(CS)方法 |
1.3 研究内容及论文安排 |
第2章 基于稀疏编码的侦察图像压缩问题分析 |
2.1 SPC方法问题分析 |
2.1.1 SPC方法的通用性问题 |
2.1.2 SPC方法的数学建模 |
2.1.3 SPC方法的无损编码问题 |
2.2 CS方法问题分析 |
2.2.1 失衡的CS编解码过程 |
2.2.2 CS方法的解码质量问题 |
2.3 小结 |
第3章 通用型集合划分编码方法(SPACS) |
3.1 坐标集合与划分规则 |
3.1.1 广义树 |
3.1.2 广义树划分 |
3.2 SPACS |
3.2.1 k-SPIHT |
3.2.2 虚拟子带与SPACS |
3.2.3 SPACS编码例子 |
3.3 实验仿真 |
3.3.1 标准测试图像仿真 |
3.3.2 有效性测试 |
3.3.3 通用性测试 |
3.4 小结 |
第4章 装备分类器的通用型SPC方法(SPACS_C) |
4.1 SPACS编码分析 |
4.1.1 绝对显着性 |
4.1.2 高频分量 |
4.2 装备分类器的SPACS(SPACS_C) |
4.2.1 广义树分类 |
4.2.2 分类器设计 |
4.2.3 参数设置 |
4.3 实验仿真 |
4.3.1 位置比特验证 |
4.3.2 高频分量分析 |
4.3.3 SPACS_C仿真 |
4.4 小结 |
第5章 全变差正则化光滑投影(SPL-TV)算法 |
5.1 分块压缩感知(BCS)方法问题分析 |
5.1.1 BCS方法的“块效应” |
5.1.2 SPL算法的解码质量衰减 |
5.2 SPL算法的正则化 |
5.2.1 有限变差性 |
5.2.2 SPL-TV算法设计 |
5.2.3 SPL-TV算法参数设计 |
5.3 实验仿真 |
5.3.1 解码图像质量比较 |
5.3.2 时间复杂度和抗噪能力比较 |
5.3.3 投影参数的影响 |
5.4 小结 |
总结与展望 |
论文总结 |
工作展望 |
参考文献 |
附录 :测试图像 |
攻读学位期间发表的学术论文目录 |
致谢 |
作者简介 |
(9)基于动态图像监控的智能家居安防系统(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 图像监控的概述 |
1.1.1 动态图像监控的概念 |
1.1.2 图像监控技术的发展现状 |
1.1.3 图像编码技术发展概况 |
1.2 智能家居安防系统概述 |
1.2.1 智能家居安防系统的概念 |
1.2.2 国外智能家居安防研究现状 |
1.2.3 国内智能家居安防研究现状 |
1.2.4 智能家居安防系统发展趋势 |
1.3 课题研究的意义和目的 |
1.4 本文的研究内容和章节安排 |
1.4.1 本文的研究内容 |
1.4.2 本文的章节安排 |
第二章 系统的总体设计方案 |
2.1 系统的性能要求 |
2.2 系统关键技术的选择 |
2.2.1 智能家居安防系统安防技术的选择 |
2.2.2 图像编码标准的选择 |
2.2.3 图像数据无线传输技术的选择 |
2.2.4 核心处理器的选择 |
2.3 基于动态图像监控的智能家居安防系统 |
2.3.1 基于动态图像监控的智能家居安防系统总体设计 |
2.3.2 系统与HDCVI摄像机的比较 |
2.4 本章小结 |
第三章 系统硬件电路的设计 |
3.1 系统硬件体系结构 |
3.2 核心芯片S3C6410的简介 |
3.2.1 ARM11处理器 |
3.2.2 存储器的介绍 |
3.3 各模块电路的设计 |
3.3.1 电源模块电路设计 |
3.3.2 图像采集模块电路设计 |
3.3.3 S3C6410处理器模块电路及其外围电路 |
3.3.4 WIFI模块电路设计 |
3.3.5 以太网模块电路设计 |
3.3.6 网络接口模块电路设计 |
3.3.7 报警模块电路设计 |
3.4 本章小结 |
第四章 系统软件设计 |
4.1 系统运行环境的搭建 |
4.1.1 Linux平台的搭建 |
4.1.2 Lighttpd的应用开发 |
4.1.3 摄像头驱动的应用开发 |
4.1.4 图像编码标准的应用开发 |
4.2 ARM处理中心的软件设计 |
4.2.1 动态图像处理的程序设计 |
4.2.2 Lighttpd数据传输的程序设计 |
4.3 Web客户端的软件设计 |
4.3.1 Web客户端界面设计 |
4.3.2 Web客户端获取ARM处理中心IP地址 |
4.3.3 同ARM处理中心交互数据的程序设计 |
4.4 本章小结 |
第五章 系统的测试与结果分析 |
5.1 系统的整体实物图 |
5.2 系统中主要功能的测试与分析 |
5.2.1 动态图像检测功能的测试与分析 |
5.2.2 存储的动态图像处理功能的测试与分析 |
5.2.3 蜂鸣器报警模块功能的测试与分析 |
5.2.4 图像数据传输功能的测试与分析 |
5.3 系统动态图像监控的展示 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 论文工作展望 |
致谢 |
参考文献 |
附录A |
(10)压缩域图像可逆信息隐藏(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 研究的背景和意义 |
1.2 信息隐藏的发展历史和研究现状 |
1.3 本文的主要研究内容和组织结构 |
2 图像可逆信息隐藏技术 |
2.1 信息隐藏技术概述 |
2.1.1 信息隐藏的概念 |
2.1.2 信息隐藏的相关术语 |
2.1.3 信息隐藏的分类 |
2.1.4 信息隐藏的特性和要求 |
2.1.5 信息隐藏的性能评价方法 |
2.2 基于图像的可逆信息隐藏 |
2.2.1 图像压缩编码概述 |
2.2.1.1 图像冗余类型 |
2.2.1.2 图像压缩方法 |
2.2.2 可逆信息隐藏技术概述 |
2.2.3 图像可逆信息隐藏方法的分类介绍 |
2.2.3.1 基于空间域的图像可逆信息隐藏方法 |
2.2.3.2 基于变换域的图像可逆信息隐藏方法 |
2.2.3.3 基于压缩域的图像可逆信息隐藏方法 |
2.3 本章小结 |
3 基于JPEG2000压缩域的图像可逆信息隐藏研究 |
3.1 JPEG2000介绍 |
3.2 JPEG2000图像编解码过程 |
3.2.1 编码过程 |
3.2.1.1 数据预处理 |
3.2.1.2 离散小波变换 |
3.2.1.3 量化 |
3.2.1.4 EBCOT Tier-1编码 |
3.2.1.5 EBCOT Tier-2编码 |
3.2.2 解码过程 |
3.3 JPEG2000的码流结构和文件结构 |
3.3.1 JPEG2000的码流结构 |
3.3.2 JPEG2000的文件结构 |
3.4 基于分块直方图自适应移位的可逆信息隐藏算法 |
3.4.1 图像灰度直方图介绍 |
3.4.2 基于直方图移位的可逆信息隐藏思想 |
3.4.3 信息嵌入位置的选取 |
3.4.4 本文提出的可逆信息隐藏算法描述 |
3.4.4.1 信息嵌入算法 |
3.4.4.2 信息提取和图像无损恢复算法 |
3.5 实验结果和分析 |
3.6 本章小结 |
4 基于分形压缩域的图像可逆信息隐藏研究 |
4.1 分形概述 |
4.2 分形图像压缩技术 |
4.2.1 概述 |
4.2.2 分形图像压缩的数学基础 |
4.2.3 Jacquin的分形图像压缩算法介绍 |
4.2.3.1 图像编码过程 |
4.2.3.2 图像解码过程 |
4.2.4 分形图像压缩技术的发展方向 |
4.3 现有信息隐藏方法的介绍 |
4.4 本文提出的可逆信息隐藏方案描述 |
4.4.1 信息嵌入过程 |
4.4.2 信息提取和图像无损恢复过程 |
4.5 实验结果和分析 |
4.6 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
作者在攻读硕士学位期间的科研成果 |
四、基于JPEG2000的图像加密算法(英文)(论文参考文献)
- [1]基于稀疏与低秩理论的图像表示及重建[D]. 高志荣. 武汉大学, 2019
- [2]MQ编码与码率控制的优化设计及在火星探测中的应用[D]. 沈林浩. 西安电子科技大学, 2019(02)
- [3]自嵌入水印算法及其在图像篡改检测和恢复的应用[D]. 葛镜. 华中师范大学, 2019(01)
- [4]基于混沌的数字图像压缩加密技术研究[D]. 郭家伟. 杭州电子科技大学, 2019(01)
- [5]基于多重生物特征的文档图像水印加密研究[D]. 祁娜. 哈尔滨工业大学, 2018(01)
- [6]图像视觉安全指标研究[D]. 郭尚伟. 重庆大学, 2017(12)
- [7]图像快速加密算法研究[D]. 孙江林. 重庆大学, 2017(12)
- [8]侦察图像压缩的稀疏编码方法[D]. 李秋富. 北京理工大学, 2017(02)
- [9]基于动态图像监控的智能家居安防系统[D]. 罗小文. 杭州电子科技大学, 2016(01)
- [10]压缩域图像可逆信息隐藏[D]. 利祥. 浙江大学, 2016(07)