基于深度可逆网络和差分编码的图像隐藏

伪装图像质量、恢复图像质量和传输安全性是图像隐藏最关注的3个问题。为解决这些问题,提出一种基于深度可逆网络和差分编码的图像隐藏方法,并用于保护电力巡检缺陷图像。首先训练深度可逆网络,利用训练好的可逆缩放网络对电力巡检缺陷图像进行向下缩放。与压缩感知等方法相比,可逆缩放网络能够恢复质量更高的缺陷图像。然后提出一种新的基于差分编码的嵌入算法,利用该算法将下缩放的缺陷图像嵌入到封面图像中。不同于现存很多方法直接对原图像像素值进行嵌入,所提方法先利用差分编码对缺陷图像进行编码,然后利用最低有效位算法完成嵌入操作,差分编码后的图像数值集中在更小的范围内,减少了嵌入对封面图像像素值的损害。实验结果表明,相较对比方法,所提方法伪装图像的峰值信噪比(PSNR)提高3.99 dB~16.56 dB,恢复缺陷图像的PSNR提高12.52 dB~17.02 dB。另外,该方法对SPAM的抗隐写分析性能优于对比方法。分析结果表明,所提方法在伪装图像质量、恢复缺陷图像质量和传输安全性方面的表现优于许多先进方法。

配电线路故障监测技术探讨

配电线路不仅要承担输电线、金具以及线路保护装置等本身载荷,还要经受大风吹刮、雨水冲刷等自然因素的影响,甚至还会遭遇地理沉降、山体滑坡自然灾害的破坏。这些不可避免因素很有可能导致配电线路故障,影响配电网安全可靠运行。实现配电线路故障的在线监测,及时对故障进行检修和处理,对配电网安全可靠运行具有重要作用。