基于深度学习的智能车辆辅助驾驶系统设计

为帮助驾驶员在夜间行车时确认前方路况,设计了保证自己及他人出行安全的车载夜视辅助驾驶系统。通过构建深度学习神经网络算法,将经预处理得到的车辆周围图像作为神经网络的输入数据,经逐层训练与调参得到离线网络运算,从实时图像数据中提取障碍物的特征信息与运动情况。通过驾驶车辆上采集设备探测反馈行车轨迹环境,正确识别车辆所处的环境状态,进而提醒驾驶员,并帮助车辆面对突如其来的危险时采取正确行驶决策,避免事故的发生。

基于混沌神经网络的彩色图像加密算法研究

为了更加系统了解基于混沌神经网络的图像加密技术,进行了简单研究。神经网络实现了混沌和扩散函数,利用混沌映射作为神经层的传递函数,设计在同一加密周期内对大量相邻图像像素进行混淆和扩散的CNN网络。其中,混沌神经元层实现数据扩散,线性神经元层实现数据混淆,两层重复多次增强密码,且解密过程与加密过程对称。与现有图像加密方法相比,该加密方法旨在减少相邻图像像素之间的冗余,获得更高的感知安全性。理论分析和实验结果表明,分组密码具有良好的计算安全性,更适合于图像加密。