【摘 要】
：
将XOR运算引入多秘密视觉密码能够改善方案的恢复效果,但容易引起攻击者的注意。按照共享份分块构造的思路,结合(k,k)单秘密视觉密码的基础矩阵,设计了一种基于XOR运算的多秘密视觉密码方案。在恢复秘密时,对共享份进行XOR操作即可完全恢复多个秘密图像,而且防止了攻击者根据恢复图像及共享份的大小推断授权子集的数量。实验结果表明恢复图像与原秘密图像相比无失真。
论文部分内容阅读
将XOR运算引入多秘密视觉密码能够改善方案的恢复效果,但容易引起攻击者的注意。按照共享份分块构造的思路,结合(k,k)单秘密视觉密码的基础矩阵,设计了一种基于XOR运算的多秘密视觉密码方案。在恢复秘密时,对共享份进行XOR操作即可完全恢复多个秘密图像,而且防止了攻击者根据恢复图像及共享份的大小推断授权子集的数量。实验结果表明恢复图像与原秘密图像相比无失真。
其他文献
对MIMO-OFDM系统中的信道估计进行研究,提出了一种对最大似然(ML)算法的改进。该算法首先采用ML算法获得初始估计值,然后联合检测进行迭代信道估计,充分利用了接收端联合数据检测得到的数据信号信息与信道估计进行信息交互来提高估计性能。仿真结果表明,相对于传统估计方法,这种改进方法能够得到更好的均方误差和误码率性能,尤其是在导频数量较少时,此改进算法的性能提升将更明显。
针对层次分析法中判断矩阵不满足一致性条件时,检验与修正矩阵元素缺少依据,且操作过程繁琐,提出基于初级权重序列方案的层次分析法。该方法保证了思维逻辑的一致性,使距离判断矩阵在构造时简单易行;同时还探讨了初级权重序列方案中距离单位的选取问题,并确定了标准化的度量单位。实例结果表明,改进的AHP能够有效地减少算法的时间复杂度,提高了矩阵一致性判断的精度。
针对信号源噪声污染情形,假设信号和噪声的时频谱不同,提出了一种时频去噪盲源分离方法。该方法以Born-Jordan分布计算混合信号的时频矩阵并将信号的时频分布看做图像,利用广义Hough变换将信号检测转换为在参数空间寻找局部极大值的问题,再运用自项点理论选择合适的时频阵进行对角化,进而估计源信号和混合阵。该方法扩展了盲源分离的限制条件,能有效分离各种非平稳源信号、非独立源信号,且通过把噪声能量扩展
为了解决工程变更传播中难以搜索变更传播路径和难以计算变更程度的问题,以产品特征约束为基础,分析并行设计中的变更传播过程,提出了约束结构树的概念和构建方法,用于表达产品特征约束的拓扑关系;然后对不同类型特征约束的变更传播进行了推理,给出了被影响的特征约束的求解算法;最后以某型号人孔为例说明了变更传播实现机制和方法。实验结果表明,该方法在很大程度上改进了分析变更传播的准确性和有效性。
针对QAPF调度算法存在的吞吐量与公平性矛盾的问题,提出了一种改进的QAPF调度准则(RQAPF)。该准则利用队列门限值降低了队列状态信息对调度准则的影响,保证了用户的公平性,但与QAPF调度准则相比,降低了系统吞吐量。在此基础上提出了具有载波配对的RQAPF调度算法(SubPairRQAPF),仿真表明该算法在满足系统公平性要求的同时能够提高频谱利用率。
针对无线通信中不同协作方式的HARQ能量消耗问题,建立了协作和非协作HARQ过程的状态转移模型,分别分析了非协作传输(单用户链路)和协作传输(如M IMO、M ISO、SIMO及SISO)方式的平均总能量消耗。通过对传输时延和发送能量的联合优化,达到最小化平均总能量消耗的目的,并比较了协作与非协作五种传输方式的总能耗(energy consumption)。仿真结果表明,短距离传输时,非协作传输比
为改善传统MHR网络的性能,提出一种高效可靠的最小跳数路由无线传感器网络模型MHR-ER,在MHR网络的基础上,通过提取网络梯度化邻居节点信息作为路由精细化控制的依据,通过限制
采用具有超大规模密钥管理优势的组合公钥密码体制,结合Shamir的(t,n)门限方案思想,提出了一种适用于移动自组网环境的部分分布式密钥管理方案,给出了一种服务节点私钥矩阵份额的更新方法,并对方案的公私钥种子钥矩阵生成进行了实现。分析表明,该方案具有高的安全性、小的计算量、强的扩展性和好的实用性,适用于移动自组网环境。
提出一种改进的混沌遗传算法来求解0-1背包问题。通过利用幂函数载波技术增强混沌搜索的遍历性,把混沌搜索得到的最优解直接作为新群体嵌入遗传算法来改善遗传算法的早熟问题,从而使算法有能力避免陷入局部极值而快速收敛于全局最优解。仿真实验结果表明了该算法求解0-1背包问题的有效性和适用性。
针对SIFT算法在进行图像配准时存在提取特征点数目大、无法精确控制、运算速度慢、配准点精度不高的问题,提出一种基于局部显著特征的快速图像配准方法。该方法首先对原始图像和待配准图像进行降采样,对降采样图像分别提取SIFT特征点,并对特征点运用改进的K-means聚类算法进行聚类;然后利用聚类结果筛选聚类区域,在各聚类区域提取显著特征点进行粗匹配;最后利用显著特征点在原始图像中定位显著区域,对所得显著