【摘 要】
：
云计算技术的日益成熟,使用云端存储数据在日常生活中逐渐得到普及。出于对隐私的保护,用户往往会在数据上传到云端服务器前对其进行加密。虽然云端服务器容量非常大,但随着大数据时代图像视频数据等的指数级增长,云端面临在无解密密钥情况下对加密数据进行压缩的问题。接收端获取加密压缩数据后,对其进行联合解压和解密操作,以高质量恢复原始数据。现有加密图像有损压缩文献中,云端通常采用基于压缩传感、标量量化、均匀下抽
论文部分内容阅读
云计算技术的日益成熟,使用云端存储数据在日常生活中逐渐得到普及。出于对隐私的保护,用户往往会在数据上传到云端服务器前对其进行加密。虽然云端服务器容量非常大,但随着大数据时代图像视频数据等的指数级增长,云端面临在无解密密钥情况下对加密数据进行压缩的问题。接收端获取加密压缩数据后,对其进行联合解压和解密操作,以高质量恢复原始数据。现有加密图像有损压缩文献中,云端通常采用基于压缩传感、标量量化、均匀下抽样的方法进行压缩。对加密图像采用均匀下抽样的压缩方法,解密后的图像可以看作是原始图像的一个子图像,因此由该解密子图像重构原始图像的问题,就可以表征为图像超分辨率重构问题。当前基于超分辨率重构的加密图像压缩算法,主要是针对原始图像尺寸与下抽样后的图像尺寸成倍数的重构问题。但是在加密图像压缩的实际情况中,为了满足各种可能的抽样率,原始图像的尺寸与下抽样后的低分辨率图像尺寸间并不总是成整数倍的。这时并不能直接使用常规的超分辨率重构技术,但鉴于深度学习技术能够很好地获取到图像的统计特性,因此本论文侧重利用深度学习的方法针对任意下抽样率情况开展加密图像压缩研究。本论文采用标准流密码方法对图像进行加密,对加密后的图像进行任意压缩率的随机抽样,通过设计并优化深度学习网络结构而对解密子图像进行超分辨率重构,以高质量恢复原始图像。由于加密和压缩方法是加密压缩研究文献普遍采用的方法,因此本论文侧重于利用解密后的部分图像像素通过深度学习网络设计与优化来高质量重构原始图像。本文的主要研究内容具体如下:（1）根据加密图像压缩领域的知识,提出了基于残差块的卷积神经网络超分辨率重构算法,以用于针对任意压缩率随机下抽样图像的重构。该网络主要采用了级联残差块组成的残差网络,对图像的特征信息进行学习;并通过跳层结构,将低频信息与高频信息相结合,起到了信息补充的作用。鉴于均方误差损失函数会因为最小化异常值而带来较大的误差,本论文采用对异常值趋于中值化处理的绝对误差作为损失函数;（2）对于类超分辨率重构,网络学习到的特征细节越多,重构的质量就越好。基于此,本论文在研究内容（1）所设计的网络结构的基础上,进一步引进了负数去除的特征补充结构,使得网络能够充分利用到任意压缩率随机抽样图像中未被抽走的像素特征进行补充,从而提高网络的重构性能。此外,本文去除了批处理网络块,以解决该网络模块带来的重构图像像素幅度提升问题;（3）基于所设计及优化的重构网络,本文构建了一种新的加密图像压缩算法。实验仿真结果表明,本文所提出的重构网络,与现有的超分辨率重构算法相当;比同类加密图像压缩算法的性能好一些,且与传统未加密图像作为输入的JPEG算法压缩性能相当。
其他文献
随着数字信息化的发展,计算机理论和硬件技术的日益成熟,计算机视觉成为深度学习中落地最广泛的领域之一,它主要研究如何使用计算机处理采集到的图像视频等信息。对于从自然场景下采集到的图像经常受到包括雨、雪、雾、霾等恶劣天气的影响,使得图像信息丢失,从而限制视觉算法的性能发挥。雨天是自然界中最常见的天气之一,单幅图像去雨算法的研究具有一定的实际意义。传统方法主要针对有雨图进行建模,采用数学优化的思想对雨线
目的：对某社区医院口腔科2017—2021年中药潜在用药风险进行点评，并提出管理对策。方法：以随机分层抽样的方法对2017—2021年某社区医院口腔科进行中药处方采样，以年份为分层标准，每年抽取中药处方225张，共计纳入符合标准的处方1 100张。分类录入某社区医院口腔科2017—2021年1 100张中药处方的基本情况，包括各年份中药常用药及使用频率，对中药进行组分分析，对处方进行点评，判断是否
目的：调查2019—2021年某院口腔科中成药应用现状，并评价开展医院药事管理联合药学服务干预后的效果。方法：以2019年1月—2020年6月某院口腔科未施行医院药事管理联合药学服务干预时口腔科中成药用药状况，设为实施前；以2020年7月—2021年12月施行医院药事管理联合药学服务干预后口腔科中成药用药状况，设为实施后。抽取实施前后某院口腔科中成药处方各800张、患者各100例开展研究。调查20
近年来,基于注意力（attention）机制的循环神经网络（recurrentneural network,RNN）将领域分类任务的研究进展带到一个新的水平。同时,为了提高口语语言理解（spokenlanguageunderstanding,SLU）任务的泛化能力,大型的预训练语言模型,如BERT（Bidirectional Encoder Representations from Transfo
多重签名因可用于处理区块链电子货币交易而受到广泛关注。多重签名支持多个用户以交互方式对同一消息进行签名。使用多重签名技术减少了总签名需要的存储空间,有助于在资源受限设备上部署。结合身份基密码学（IBC）,身份基多重签名避免了传统公钥基础设施（PKI）环境下繁琐的证书颁发与管理,任意验证者可用签名者已知的身份信息计算出签名者公钥。然而,现有文献中多重签名方案多数是基于传统密码体制,面对量子攻击将变得
水稻病虫害在产量损失中所占比例高达50%,因此有必要采用有效且经济的杀菌和杀虫剂处理,其效果取决于感染类型、情况和时间。在这些情况下,必须对特定的病虫害进行正确和早期的鉴定,以尽量减少产量损失,提高治疗的疗效和效率。近年来,人们提出了许多基于图像分析的农作物疾病自动识别方法。在这些方法中,深度卷积神经网络（CNN）的应用已经被证明在不同的视觉分类任务中是非常成功的。本文基于深度学习技术对水稻病虫害
随着信息技术的迅速发展,每个人在享受着信息时代带来的高速信息传输体验的同时,海量数据也在持续产生,这其中往往蕴含着大量有待发现与利用的宝贵信息。数据挖掘的目标在于从这些大量的、模糊且有噪声的数据中提取出知识,近年来受到越来越多研究人员的重视,已经成为目前人工智能和数据库领域研究的热点问题。分类作为数据挖掘中的一个重要研究方向,旨在通过分类算法分析训练集,刻画重要数据类的模型,其中随机森林是一类分类
近年来,瞬态成像技术作为一种变革性的成像技术,引起了人们的广泛关注。瞬态成像技术目的在于拍摄光线在场景中传播过程的瞬间状态,区别于传统的二维图像,瞬态图像通常是三维的,包含空间上的两个维度及时间维度。通过对瞬态图像的数据进行有效分析,人们能够准确的获取传统成像技术难以得到的与场景语义密切相关的关键信息（位置、边缘、材质等）,进而实现其在混浊介质下的深度测量、材质识别、非视距下的成像等计算机视觉相关
目的：调查某院口腔科中成药使用现状，探讨用药安全管理策略。方法：随机选取2019年8月—2022年8月医院口腔科患者收治的500例患者为研究对象。分析患者一般信息、疾病构成、中成药剂型、中成药使用情况、使用期间不良反应发生情况，并统计口腔科中成药不合理处方类型与因素分析，并通过分析各因素的相关原因，整理综合后绘制鱼骨图，探讨用药安全管理策略。结果：500例患者种涉及口腔疾病前三位分别为牙髓炎、口腔
人类的生产活动离不开对物体颜色的感知,色彩是我们观察、理解世界的重要途径。对物体颜色的精准采集能够促使我们更好的理解世界。随着成像技术的发展,数字化图像的应用,我们不用到现场便能得到有关物体的颜色信息,可以使我们更为方便快捷地了解世界。成像技术发展的同时也促进了计算机视觉技术的进步,因此也带来对高精度色彩获取的更高要求。而高光谱成像技术为计算机视觉任务所面临的高精度色彩获取问题提供了高效的解决办法