基于离散型Hopfield神经网络的图像加密算法

为了提高加密算法的安全性能,该文提出了明文相关的通道关联的同时置乱扩散加密方案,算法中置乱扩散矩阵是与明文图像以及外部密钥相关的。由于明文图像中相邻像素之间的相关性很高,因此,图像加密方案一般采用置乱的方式对图像进行"洗牌"操作,再进行扩散操作改变像素值,即Fridrich提出的经典置乱-扩散结构。然而随着图像破解技术的进步,分开攻击技术对这种经典的加密方案造成了很大的影响。该文采用同时置乱扩散的方案提高加密算法的安全性,首先使用三阶神经网络产生密钥流对彩色图像的三通道进行同时置乱扩散操作,然后再对得到的三个通道矩阵进行二次扩散操作,使得加密算法更加安全。对比现有的图像加密方案,该加密算法能够避免分开攻击对加密安全性的影响,提高了算法的安全性。实验结果表明,该算法有良好的加密性能,可以抵抗各种攻击。

浅谈智能家居的现状及发展

随着高科技在人们生活中得到普遍应用,智能家居逐渐走入人们的视野。通过介绍智能家居发展背景,阐述了智能家居四种技术,分析了智能家居的现实状况以及我们目前智能家居的发展机遇,从而为我国未来智能家居的发展提出建议和发展趋势。

基于卷积神经网络的目标检测与识别

针对计算机对图像或者视频中目标的识别和检测,提出了基于区域建议网络和卷积神经网络的目标检测识别算法。这种算法由生成建议框的卷积神经网络、用于目标检测的Fast R-CNN网络和使边界框回归更精确的LocNet网络构成。利用该算法对VOC2007数据集进行训练和测试,并与其他的卷积神经网络进行比较,实验数据显示,以Fast R-CNN网络为基础,结合RPN网络和LocNet网络可以极大提高目标检测识别的速率和准确率。