为了解决动态红外点目标多光谱模式识别问题,提出了一种利用神经网络并行子网作为前级处理,证据理论于后级融合的多周期模式识别推理模型.由于并行子网的引入,该模型避开了识别过程中采用单一神经网络所带来的大样本训练问题,用带有加性噪声的点目标红外光谱作为识别模型的目标数据源进行了算法验证,计算结果表明该算法对多周期不确定性证据有很强的证据聚焦能力.

信息隐藏技术是在只具平凡意义的载体中隐藏需要进行保密通信的敏感信息,只要人类感觉系统无法察觉由此所引起的载体变化,则此通信中对外表现的只是载体的属性,除了通信双方之外的任何第三方并不知道在此平凡载体通信过程中存在着隐蔽信道,由此以减少敏感信息在信道传输过程中受到攻击的可能性,因此本文认为若将信息隐藏与加密技术结合使用则可以较为完善地解决高强度的保密通信问题.文中利用所提出的基于噪声抽取信息隐藏方法实现了上述方案,算法设计过程中主要考虑了图像质量、全比特恢复能力、保密性、反检测能力等方面的因素,最后给出了实验结果和反检测分析.

加密技术是保障通信安全的一种重要手段,然而信息经过加密后容易引起攻击者的好奇和注意,容易遭到攻击和破坏.为解决这一问题,就要把加密技术与信息隐藏技术结合起来,即把经过加密的信息作为待隐藏信息,加载到载体文件(本文采用网上常用的彩色图像文件)中传播.只要做到隐藏信息加载前后,载体图像的视觉效果的变化不能被人眼察觉即可.目前已知的用于信息保密的信息隐藏技术可分为两种,第一种是基于频域的信息隐藏技术,如扩频隐藏、DCT隐藏、子波隐藏技术等,若以彩色图像为宿主,则此类技术主要利用人眼对高空间频率分量上噪声不敏感的特点将待隐藏信息编码到图像的高频分量,以实现信息隐藏的目的,一般地,此类技术较难实现大数据量隐藏;第二种技术为空域隐藏技术,其典型做法是将待隐藏信息编码隐藏到宿主的最小意义位(LSB)上,由于其信息隐藏位置对图像的影响不大,因此安全性不高.本文提供了一种在空域中,利用图像像素数据的最高位实现信息隐藏的方法.本方法利用颜色量化技术对图像颜色进行归并,然后按照特定的格式存储,产生冗余空间,最后把待隐藏信息装载入冗余空间.该方法不仅能实现大数据量的信息隐藏,而且信息隐藏的位置是图像的最大意义位,这就使得信息隐藏的安全性比以往的最小意义位(LSB)信息隐藏技术有了更大的提高.

颜色量化是将原有图像中的多种颜色根据人的视觉效果归类为较少的颜色,从而用这些较少种类的颜色重新生成一幅新的图像,使量化后的图像与原图像的差别即量化误差最小.采用了将RGB非均匀颜色空间变换到L*a*b*为基准的均匀颜色空间的方法,在L*a*b*均匀颜色空间中对彩色图像进行颜色量化,从而解决了量化误差相对人眼不均匀的问题.首先将彩色图像的像素数据保存在单链表中,然后对链表进行扫描,并把本次扫描得到的色差最小的两个节点合并成一个新的节点.经过足够的动态运算后可得到量化处理后的图像调色板.实验结果表明,本方法具有普遍性、唯一性,可以减小量化误差,提高颜色量化的准确性.