-
公开(公告)号：CN106558015A
公开(公告)日：2017-04-05
申请号：CN201610880467.9
申请日：2016-10-08
Applicant: 广东工业大学
IPC: G06T1/00
CPC classification number: G06T1/0021
Abstract: 本发明涉及一种基于多混沌复合的彩色图像加密算法，这种方法能够快速地加密原图像。本发明方法主要涉及到两种混沌加密思想，空域置乱和像素值扩散。算法将待加密的彩色图像经过预处理后，先后进行像素的置乱和扩散。本发明算法将进行置乱、扩散、再置乱的图像加密办法，在扩散阶段应用了复合的新混沌加密序列。实验表明，该方法在加密彩色图像中相比其他算法具有更高的安全性。
-
公开(公告)号：CN106530197A
公开(公告)日：2017-03-22
申请号：CN201610890798.0
申请日：2016-10-12
Applicant: 广东工业大学
IPC: G06T1/00
CPC classification number: G06T1/0021
Abstract: 本发明公开了一种基于Kent映射和广义Gray码的图像加密方法，包括步骤：对待加密的图像明文按照行优先的顺序扫描，转化成为一维序列；求出混沌系统的混沌参数S和混沌系统的迭代次数c；将将参数S和初始值x1代入到Kent映射中，然后Kent映射迭代c次，再迭代a×b次产生一个长度为a×b的混沌序列L，并运用堆排序算法对混沌序列进行从小到大的排列，从而再次生成一个记录顺序序列中的各元素在原序列L中新的位置的序列w；利用序列w来置乱明文图像I；和用二进制的广义Gray码对位置置乱后的图像进行像素值的替换。本发明的密钥敏感性更强，加密完成后的图像完美地隐藏了明文信息；加密后的图像的相关性更差，分布更加均匀。
-
公开(公告)号：CN106327414A
公开(公告)日：2017-01-11
申请号：CN201610673903.5
申请日：2016-08-16
Applicant: 广东工业大学
IPC: G06T1/00
Abstract: 本发明公开了一种基于明文自身特性的双混沌图像加密方法，其结合了Logistic映射和Chebyshev映射，即期利用Chebyshev映射的平衡性产生密钥，再控制Logistic映射的参数产生多个不同的Logistic序列对图像中颜色分量进行全局置乱；其次，将置乱后的图像像素点进行扩散操作，使得明文信息得到更好的隐藏。实验仿真可得，该方法不仅能很好的抵抗统计特性分析和差分攻击，还能有效抵抗选择明文(密文)攻击以及加密效果良好、密钥空间大等特性。
-
公开(公告)号：CN106296560A
公开(公告)日：2017-01-04
申请号：CN201610623617.8
申请日：2016-07-29
Applicant: 广东工业大学
IPC: G06T1/00
Abstract: 本发明公开了一种复合级联混沌的彩色图像加密算法。本发明涉及一种基于级联离散混沌升维和Arnold变换的彩色图像加密方法，该方法利用了三种复杂混沌系列的特征——Arnold映射迭代多次产生像素矩阵的相对位置变换从而置乱原始像素信息，利用级联混和离散混沌进行升维得到的混沌序列使得原图像像素值改变，从而隐藏图像信息，利用二维像素矩阵重新按大小排序且分块的方法进一步置乱原图信息，从而达到原图信息完全隐藏且抵御恶意攻击的安全算法。
-
公开(公告)号：CN119247041B
公开(公告)日：2025-03-07
申请号：CN202411613972.8
申请日：2024-11-13
Applicant: 广东工业大学
IPC: G01R31/08
Abstract: 本发明属于电力信息文本数据处理领域，提供了电力信息三元组故障优先检测方法、系统及设备，基于所述电力信息定位矩阵生成电力信息定位中心矩阵，并分别计算每个电力信息定位矩阵与所述中心矩阵之间的分布定位和距离定位；根据分布定位与距离定位的对比生成每个电力信息三元组的电力信息分散距离，并基于所述电力信息分散距离对电力信息三元组进行排序得到电力信息三元组故障优先级序列，以所述优先级序列的顺序对故障问题进行处理。实现了在电力系统中对根本性故障的优先检测和处理，显著提高了电网故障排查的效率和精准度。
-
Patent Agency Ranking
公开(公告)号：CN119024700B
公开(公告)日：2025-02-18
申请号：CN202411163759.1
申请日：2024-08-23
Applicant: 广东工业大学
IPC: G05B13/04
Abstract: 本发明公开的属于自动控制与智能系统技术领域，具体为基于自适应最优控制方法和Voronoi分布运动协调算法的多目标系统跟踪方法，包括具体步骤如下：计算多目标系统的初始概率密度函数和动态障碍物的空间分布；获取多目标系统的状态演化路径，所述路径由时变高斯混合模型表示；构建包含多目标系统和动态障碍物的障碍地图函数，通过自适应最优控制方法计算系统的最优密度路径。本发明引入了自适应最优控制方法和Voronoi分布运动协调算法，通过高斯混合模型(GMM)和障碍地图函数的构建，能够准确地描述和预测大规模多目标系统在动态环境中的状态演化。
-
公开(公告)号：CN118840322B
公开(公告)日：2025-02-14
申请号：CN202410825920.0
申请日：2024-06-25
Applicant: 广东工业大学
IPC: G06T7/00 , G06V20/17 , G06V20/10 , G06V10/25 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开的属于道路病害检测技术领域，具体为一种基于深度学习的道路病害检测方法，包括利用RDDA算法进行检测的步骤，具体如下：道路病害数据集构建、构建图像特征提取模块、设计深度可分离无参注意力机制卷积模块、提取特征图深层特征、设计空间金字塔自适应池化融合模块、使用FPN模块进行特征融合、设计NWD‑EIoU损失函数、使用Head检测头检测、模型的训练和验证、将模型进行应用，本发明有效的解决了当前道路病害检测算法参数量大、小目标病害检测精度不足、复杂背景下道路病害检测效果差的问题，从而使得本发明的算法参数量更低，能够适合边缘设备的部署，满足道路病害检测的轻量化和实时性需求。
-
公开(公告)号：CN117853929B
公开(公告)日：2025-01-24
申请号：CN202410086333.4
申请日：2024-01-22
Applicant: 广东工业大学
Abstract: 本发明公开的属于深度学习目标检测与遥感军事结合技术领域，具体为一种基于MSG‑YOLOv7的轻量化遥感图像军事坦克目标检测算法，包括具体步骤如下：获取Google Earth公开的遥感军事坦克数据集，按6：2：2比例划分为训练集、验证集和测试集，在YOLOv7网络中，使用轻量级MobileNetv3替代原有Backbone，减少模型体积大小，设计更加适用于遥感目标的SD‑MP模块，减少下采样过程中坦克目标的特征损失，本发明将MobileNetv3替代传统的Backbone，并设计SD‑MP模块和GD‑ELAN模块，实现了模型轻量化、降低运算量，并提升了模型的表征能力，解决了遥感图像中军事坦克检测中体积和计算量过大的问题，为轻量级高效的遥感坦克目标检测提供了可行性的解决方案。
-
公开(公告)号：CN118314525B
公开(公告)日：2024-11-22
申请号：CN202410727107.X
申请日：2024-06-06
Applicant: 广东工业大学
IPC: G06V20/52 , G06V20/70 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G01J5/00 , G01J5/48 , G01R31/00 , H02J13/00
Abstract: 本发明属于设备状态检测技术领域，并公开了一种变电站设备状态检测方法，包括：获取待测变电站的设备红外图像，对所述设备红外图像中的各设备进行标注，得到带有边界框的设备红外图像，基于带有边界框的设备红外图像构建变电站设备红外图像数据集；将所述变电站设备红外图像数据集输入设备状态检测模型中进行分类预测，得到变电站设备状态信息；其中，所述设备状态检测模型由依次连接的多通道特征提取模块，加权空间金字塔池化模块和检测层构成。本发明所述技术方案能够自动化快速准确地判断变电站设备状态，解决了变电站设备状态检测效率低，漏判错判，时效性不足的问题。
-
公开(公告)号：CN118246012B
公开(公告)日：2024-11-01
申请号：CN202410380048.3
申请日：2024-03-29
Applicant: 广东工业大学
IPC: G06F21/56 , G06N3/0464 , G06N3/048 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/08 , G06V10/80
Abstract: 本发明提出了一种基于EPM‑MCNET神经网络的安卓恶意软件检测方法及系统，主要解决现有轻量级神经网络直接应用于安卓恶意软件检测领域效果不理想的问题。具体实现步骤如下：（1）构建一个安卓软件RGB图像数据集D，D由若干个安卓软件RGB图像FI构成；（2）构建并训练基于EPM‑MCNET神经网络的安卓恶意软件检测模型；该模型包括将安卓软件可视化为RGB图像部分和EPM‑MCNET神经网络部分；（3）运用基于EPM‑MCNET神经网络的安卓恶意软件检测模型对安卓软件进行检测，判断该安卓软件是否为安卓恶意软件。
-
-
-
-
-
-
-
-
-
Search Results
145
records
(took 0.026 seconds)
