基于四叉树的广播加密算法

来源 :第五届图像图形技术与应用学术会议 | 被引量 : 0次 | 上传用户:yuanyu_518
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
广播加密技术是一种主要应用于单向广播信道内容加密的技术,特别适用于大规模广播业务环境.本课题针对广播加密在应用于大规模用户业务环境时通信开销方面存在的问题,采用进一步优化理论算法的思路来寻找解决问题的方法,促进广播加密在实际中的应用.目前广播加密方案中的完备子树方案都是基于完备二叉树展开的.而本文拟采用四叉树协同hash链的子集划分和密钥推导方法,将广播加密的通信开销降低为原来的一半,但存储开销却接近原来的2倍.经过分析得到四叉树方案下的用户存储开销为41og4n+1,通信开销为rlog4n/r,并通过仿真完成了与二叉树下通信开销的对比.
其他文献
本文提出了一种基于DCT变换的数字水印嵌入算法.对原始图像分块并对各子块作DCT变换,将经过Arnold置乱的二值水印图像嵌入到各子块的中频DCT系数中,每一子块嵌入多位水印信息,每个水印位分别嵌入到多个不同的DCT系数中,嵌入的水印容量是常规算法的4倍.实验结果表明,该算法能够有效抵抗噪声、JPEG压缩和剪裁等攻击,具有良好的鲁棒性.
图像去噪对改善图像质量具有重要意义.小波变换由于具有多分辨率、能量集中等良好特性在图像去噪领域中得到了广泛的应用,偏微分方程具有各向异性的特点,在去除噪声的同时,很好地保持边缘,小波具有快速变换特性,全变差模型能在去除噪声的同时,很好地保留图像边缘,但是该模型有时会将噪声当作边缘,根据小波方法和偏微分方法的优点,本文概述了小波和偏微分方法的去噪思想,小波去噪方法由于其能量集中、快速变换和多分辨率特
利用三维建模及虚拟现实技术,搭建城市轨道交通车站及周边城市区域模型,实现车站及周边环境的虚拟视景仿真,交互式车站建筑装修设计的方案比选,周边建筑属性的查询.
变分水平集方法已经成为图像分割的经典方法,但该类方法的传统模型是局部最优的,且计算效率低.本文首先将分段光滑图像分割的传统的变分水平集模型——Chan-Vese模型转化为全局凸分割模型(Global Convex Segmentation,GCS),避免了水平集函数的初始化对分割结果的影响,然后采用Split-Bregman迭代方法将全局凸分割模型转化为通过简单的软阈值公式和Laplacian计算
本文提出了一种灰度加权阈值和数学形态学相结合的锅炉火焰图像边缘检测算法.该算法首先利用灰度加权阈值算法取得分割阈值,然后利用形态学方法提取边缘.这种方法不但有效地抑制了噪声,而且能够成功地检测出燃煤锅炉火焰连续的边缘.实验结果表明,本文所用的边缘检测方法要优于传统的边缘检测方法.
低对比度弱小目标检测与跟踪算法的研究是电视跟踪领域的关键技术之一.本文根据海面、天空及海空背景下弱小目标的特征,采用背景抑制滤波器抑制天空云层干扰及海面浪花等的影响,滤除背景干扰.然后用各向异性扩散法增强弱目标去除噪声,最后利用灰度形态学的开、闭运算滤除剩余的干扰点,检测出真实的弱小目标.实验结果表明:该方法能够有效地抑制不均匀的背景,对强干扰背景下的弱小目标的检测可以达到满意的效果.
根据镜头的连续性特征,对视频帧图像提取HSV空间36 bin颜色直方图各分量差值、对应位置像素差值、边缘方向直方图4个方向分量的差值(有向边界面积DABEM)、相邻帧内容变化区域分布矢量(即分块灰度均值差值序列)等视频特征.采用支撑向量机(SVM)多分类策略,提出了基于SVM的多分类视频镜头边界检测方法.首先对视频片断进行预处理,利用视频帧对比度均方根特征,将无明显变化的视频帧从原视频片段中分离出
对于数字地球中的高程自动提取而言,它的核心即是结合应用需求和影像特点,设计一种快速、精确、稳定的影像匹配算法.现有匹配技术无论从生理视觉的角度还是从实际应用角度看还处于不很成熟的阶段.本文根据数字地球中的实际需求,在已生成的核线影像基础上,提出了一种基于坡的时间规整影像匹配算法.算法采用结构化设计,自下而上,由构坡、一级坡匹配、二级坡匹配和坡内匹配4个模块构成,在核心的二级坡匹配模块中借鉴了时间规
由于多数自然物体并非Lambertian表面,与大多数计算机视觉算法中漫反射的假定不相符,正确地辨别镜面反射是计算机视觉领域的一个重要的研究方向.本文提出一种基于偏振图像融合的镜面反射分量分离方法.通过非负矩阵分解有效将偏振度、偏振相角图像中的信息进行了有效的综合,同时利用偏振度调制方法来进一步提高镜面反射分量分离的效果.通过室内外试验证明了本文方法的有效性.
本文基于图像技术对线路板焊盘拟合及间距测量的方法进行了研究.研究内容是以C++ Builder为编程环境,以线路板焊盘的图像为基础,采用最小二乘法亚像素级拟合[1]对焊盘进行拟合并且测量图像中焊盘的半径和圆心等参数.