CN107425954A - 混沌遮掩系统中基于奇偶交叉序列补偿的图像提取方法 - Google Patents
混沌遮掩系统中基于奇偶交叉序列补偿的图像提取方法 Download PDFInfo
- Publication number
- CN107425954A CN107425954A CN201710374802.2A CN201710374802A CN107425954A CN 107425954 A CN107425954 A CN 107425954A CN 201710374802 A CN201710374802 A CN 201710374802A CN 107425954 A CN107425954 A CN 107425954A
- Authority
- CN
- China
- Prior art keywords
- signal
- reception signal
- reception
- image information
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
- H04L9/001—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols using chaotic signals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
- G06F18/21342—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis using statistical independence, i.e. minimising mutual information or maximising non-gaussianity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/004—Arrangements for detecting or preventing errors in the information received by using forward error control
- H04L1/0056—Systems characterized by the type of code used
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Security & Cryptography (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
Abstract
为了解决接收传感器浪费及架设排列造成空间资源浪费的问题,本发明提供一种混沌遮掩系统中基于奇偶交叉序列补偿的图像提取方法。本发明在发送端,用N个发送传感器发送用混沌信号遮掩的目标图像信息的图像信号;在接收端,采用M个接收传感器接收图像信号,且N‑M=2k;在M个接收传感器的接收信号中选取k路接收信号,补偿接收端的第N‑2k+1路接收信号至第N路接收信号,其中:补偿方式为:采用一路接收信号的经验模态分解的分量与该接收信号进行奇偶交叉序列补偿后截取等长的信号,该信号与所述分量作为补偿两路新的接收信号;对接收端的N路接收信号进行盲源分离处理,提取目标图像信息。本发明减少了接收传感器数量,有效减缓接收传感器在架设排列问题上的空间资源占用问题。
Description
技术领域
本发明涉及一种图像提取方法,特别涉及一种混沌遮掩系统中基于奇偶交叉序列补偿的图像提取方法,属于通信领域。
背景技术
混沌遮掩,是最早提出的一种混沌保密通信方式。基本思想是:在发送端利用混沌信号作为一种载体来隐藏信号或遮掩所要传送的信息,在接受端则利用同步后的混沌信号进行去掩盖,从而恢复出有用信息。在混沌掩盖技术中的掩盖方式主要有相乘、相加或加乘结合这几种方式,这种通信方式的实现程度完全依赖于混沌系统同步的实现程度。
现有混沌遮掩系统中图像提取方法是基于正定盲源分离模型的提取方法,正定盲源分离模型是指在发送端,用N个发送传感器发送用混沌信号遮掩的目标图像信息的图像信号,在接收端,用N个接收传感器接收被混沌信号遮掩的目标图像信息的图像信号。
基于正定盲源分离模型的混沌信号遮掩目标图像信息提取方法,其在发送端发送传感器量的数目与接收端的接收传感器量的数目相同,正是由于这种发送端传感器数量与接收端传感器数量相同造成接收端接收传感器数量上的浪费,接收传感器在架设排列上也会造成空间资源浪费。
发明内容
本发明的目的是为了解决接收传感器浪费及架设排列造成空间资源浪费的问题,本发明提供一种混沌遮掩系统中基于奇偶交叉序列补偿的图像提取方法。
本发明的混沌遮掩系统中基于奇偶交叉序列补偿的图像提取方法,在发送端,用N个发送传感器发送用混沌信号遮掩的目标图像信息的图像信号;在接收端,所述图像提取方法包括如下步骤:
步骤一:采用M个接收传感器接收图像信号,且N-M=2k,k为正整数,获取M路接收信号;
步骤二:在M个接收传感器的接收信号中选取k路接收信号,补偿接收端的第N-2k+1路接收信号至第N路接收信号,其中,采用一路接收信号补偿两路新的接收信号,方法为:
对接收传感器的接收信号进行经验模态分解,得到固有模态函数,用该固有模态函数的第一个分量作为接收端补偿的一路新的接收信号;
将所述接收传感器的接收信号与所述一路新的接收信号进行奇偶交叉序列补偿,获得一路信号,对该路信号进行按照接收传感器的接收信号的长度截断,剩下的信号作为接收端的另一路新的接收信号;
步骤三:对接收端的N路接收信号进行盲源分离处理,提取目标图像信息。
优选的是,所述方法还包括:
步骤四:通过视觉系统观测提取的目标图像信息,若提取的图像信息能够通过人眼辨认且提取前后的图像信息的相似系数达到0.95以上,则确定提取成功,否则,提取失败。
优选的是,所述步骤三为,采用FastICA算法对接收端的N路接收信号进行盲源分离处理,提取目标图像信息。
优选的是,所述步骤三,包括:
采用第j个提取处理单元从输入的接收信号中提取源信号;
第j个消减处理单元从输入的接收信号中消除已提取的源信号,并将剩下的接收信号输出给第j+1个提取处理单元;
j=1,2…N,直至第N个提取处理单元从输入的接收信号中提取源信号;
N个提取处理单元提取的源信号为目标图像信息。
上述技术特征可以各种适合的方式组合或由等效的技术特征来替代,只要能够达到本发明的目的。
本发明的有益效果在于,通过奇偶交叉序列补偿构建虚拟接收传感器阵列,可以减少接收传感器的数目,通过算法层面解决图像信息的提取问题,减少了接收传感器数量的浪费,同时由于硬件设备的减少,可以有效减缓接收传感器在架设排列问题上的空间资源占用问题,另外,这种接收方式更加符合实际通信传输环境。
附图说明
图1为欠定混合盲源分离模型的原理示意图;
图2为补充虚拟传感器后获得正定盲源分离模型;
图3为采用提取单元和消减单元提取目标图像信息的原理结构示意图;
图4为发送端的第一路源信号的图像信息;
图5为发送端的第二路源信号的图像信息;
图6为发送端的第三路源信号的图像信息;
图7为发送端的第四路源信号的图像信息;
图8为发送端的第一路观测信号的图像信息;
图9为发送端的第二路观测信号的图像信息;
图10为发送端的第三路观测信号的图像信息;
图11为接收端第一次提取得到的图像信息;
图12为接收端第二次提取得到的图像信息;
图13为接收端第一次提取得到的图像信息;
图14为接收端第二次提取得到的图像信息;
图4至图14中的横纵坐标均表示像素。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
本实施方式是基于欠定混合盲源分离模型实现,如图1所示,对于欠定混合盲源分离模型,也就是其信道输出端观测信号的数量M的个数小于其信道输入端源信号的数量N的个数。
给定源信号向量S=[s1(t),s2(t),…,sN(t)]T,表示N个未知的源信号向量,为了实现信号隐藏保密传输的目的,选择其中某一个向量作为混沌信号,然后将图像信息有效地隐藏在混沌信号中,使其达到保密传输的作用。混合矩阵为M×N(M<N)阶的未知信道混合矩阵。Z=[z1(t),z2(t),…,zN(t)]T表示信道中的加性高斯白噪声。由此可以得到该欠定混合盲源分离模型观测信号的矢量表达式为:
Y=A×S+Z;
向量Y=[y1(t),y2(t),…,yM(t)]T为接收端M个接收传感器接收到的观测信号向量。由此可以得到欠定混合盲源分离模型的矩阵表达形式为:
上式中的混合矩阵维度M<N,正是欠定混合盲源分离模型的难点所在。M<N使得混合矩阵A不可逆,这就导致源信号没有唯一解,同时也就很难通过观测信号Y中提取源信号S来。但是,相对于正定混合盲源分离模型而言,欠定混合盲源分离模型更加具有适用性,也更加符合实际的通信系统环境,因此本实施方式将欠定混合盲源分离模型作为图像信号提取的解决方法。本实施方式是在欠定混合盲源分离模型中补充虚拟传感器转化为正定盲源分离模型。本实施方式中补充两路虚拟传感器使得盲源分离系统正定,如图2所示。
本实施方式所述的混沌遮掩系统中基于奇偶交叉序列补偿的图像提取方法,在发送端,用N个发送传感器发送用混沌信号遮掩的目标图像信息的图像信号;在接收端,所述图像提取方法包括如下步骤:
步骤一:采用M个接收传感器接收图像信号,且N-M=2k,k为正整数,获取M路接收信号;
步骤二:在M个接收传感器的接收信号中选取k路接收信号,补偿接收端的第N-2k+1路接收信号至第N路接收信号,其中,采用一路接收信号补偿两路新的接收信号,方法为:
对接收传感器的接收信号进行经验模态分解,得到固有模态函数,用该固有模态函数的第一个分量作为接收端补偿的一路新的接收信号;
将所述接收传感器的接收信号与所述一路新的接收信号进行奇偶交叉序列补偿,获得一路信号,对该路信号进行按照接收传感器的接收信号的长度截断,剩下的信号作为接收端的另一路新的接收信号;
所述奇偶交叉序列补偿是将接收传感器的接收信号的第一个元素作为另一路新的接收信号的第一个元素,将所述新的接收信号第一个元素作为另一路新的接收信号的第二个元素,在将接收传感器的接收信号的第二个元素作为另一路新的接收信号的第三个元素,将所述新的接收信号的第二个元素作为另一路新的接收信号的第四个元素,以此类推,获得另一路新的一路信号。
步骤三:对接收端的N路接收信号进行盲源分离处理,提取目标图像信息。
优选实施例中,本实施方式还包括:步骤四:通过视觉系统观测提取的目标图像信息,若提取的图像信息能够通过人眼辨认且提取前后的图像信息的相似系数达到0.95以上,则确定提取成功,否则,提取失败。
本步骤用于判断提取的图像信息的精度。
优选实施例中,本实施方式的步骤三是采用FastICA算法的序贯提取方法对接收端的N路接收信号进行盲源分离处理,提取目标图像信息。
快速独立成分分析(Fast Independent Component Analysis,ICA)用于从混合数据中提取出原始的独立信号。
优选实施例中,步骤三的FastICA算法的序贯提取方法采用级联神经网络的方式提取目标图像信息,采用两种不同类型的处理单元:线性特征提取LAE和最小绝对偏差LAD,它们以级联的方式相互交替连接,LAE是用来进行盲提取,LAD用来进行消减。
如图3所示,对N路接收信号进行盲源分离处理,提取目标图像信息具体包括:
采用第j个提取处理单元从输入的接收信号中提取源信号;
第j个消减处理单元从输入的接收信号中消除已提取的源信号,并将剩下的接收信号输出给第j+1个提取处理单元;
j=1,2…N,直至第N个提取处理单元从输入的接收信号中提取源信号;
N个提取处理单元提取的源信号为目标图像信息。
成功提取第一个源信号y1(k)≈si(k)(i∈1,n)后,用消减处理从混合信号中消除前面提取的信号。这种处理可以递归使用直到依次将所有源信号提取出来。由此,可以有如下的实时线性变换:
其中,如图4所示,wj表示解混矩阵,表示wj的估计值的系数矩阵,能够通过最小化能量函数而进行最优估计:
其中E{ρ(xj+1)}是目标函数,并且这样一个目标函数可以看做是能量函数,当源的混合信号中消减了被提取的源信号yj时,这一能量函数应该达到最小值。
具体实施例:
选取四幅256×256的数字图像信息如图4、图5、图6和图7所示,然后将其二维图像信息数据转化为一维数组数据,并将一维数组数据二进制化后作为一路源信号。选用Chen混沌信号系统的第一维分量作为载体,对图像信息的数据进行遮掩。那么,源信号就是由四路源信号的图像信息数据及一路混沌信号组成。随机产生一个如下的3×5阶混合矩阵:
五路源信号的图像信息通过混合矩阵A后,得到了三路观测信号,将三路观测信号对应的一维数据重新十进制化、二维化可得如图8、图9和图10所示的图像信息,从三路观测信号的图像信息已经无法辨认,可以很好地说明图像信息得到了隐藏,也就初步达到了保密传输的要求。
采用三个接收传感器接收,并根据奇偶交叉序列补偿法获取虚拟接收传感器,对第一路接收信号进行经验模态分解得到了固有模态函数,将固有模态函数第一路分量作为第四路接收信号。将第一路接收信号与第四路接收信号进行奇偶交叉后截断,得到第五路接收信号,这时接收信号数与源信号数相等,那么就将欠定的盲源分离模型转化为正定的盲源分离,对此时的接收信号矩阵使用FastICA算法进行盲源提取。得到五路接收信号的估计信号值,对估计信号值进行十进制转换、二维化可得图像信息,在这展示能够正确估计分离得到的图像信息,通过提取处理单元和削减处理单元,第一次提取的图像信息如图11和图12所示。其相似系数分别为0.9998和0.9999。
在此,已经得到了两路接收信号的估计值y1,y2,分别代入公式通过求解这个能量函数的最小值可以得到两个值,分别是在将w1,w2和y1,y2依次代入可以得到三路新的接收信号,对新的接收信号矩阵进行FastICA算法盲源分离,得到了三路接收信号的估计信号值,对其进行十进制转换、二维化,第二次提取的图像信息如13和图14所示。图13和图14的相似系数分别为0.9988和0.9899。
由此,通过序贯提取的方法将四个源信号的图像信息提取出来。
虽然在本文中参照了特定的实施方式来描述本发明,但是应该理解的是,这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是,可以对示例性的实施例进行许多修改,并且可以设计出其他的布置,只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是,可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是,结合单独实施例所描述的特征可以使用在其他所述实施例中。
Claims (4)
1.一种混沌遮掩系统中基于奇偶交叉序列补偿的图像提取方法,其特征在于,在发送端,用N个发送传感器发送用混沌信号遮掩的目标图像信息的图像信号;在接收端,所述图像提取方法包括如下步骤:
步骤一:采用M个接收传感器接收图像信号,且N-M=2k,k为正整数,获取M路接收信号;
步骤二:在M个接收传感器的接收信号中选取k路接收信号,补偿接收端的第N-2k+1路接收信号至第N路接收信号,其中,采用一路接收信号补偿两路新的接收信号,方法为:
对接收传感器的接收信号进行经验模态分解,得到固有模态函数,用该固有模态函数的第一个分量作为接收端补偿的一路新的接收信号;
将所述接收传感器的接收信号与所述一路新的接收信号进行奇偶交叉序列补偿,获得一路信号,对该路信号进行按照接收传感器的接收信号的长度截断,剩下的信号作为接收端的另一路新的接收信号;
步骤三:对接收端的N路接收信号进行盲源分离处理,提取目标图像信息。
2.根据权利要求1所述的混沌遮掩系统中基于奇偶交叉序列补偿的图像提取方法,其特征在于,所述方法还包括:
步骤四:通过视觉系统观测提取的目标图像信息,若提取的图像信息能够通过人眼辨认且提取前后的图像信息的相似系数达到0.95以上,则确定提取成功,否则,提取失败。
3.根据权利要求1所述的混沌遮掩系统中基于奇偶交叉序列补偿的图像提取方法,其特征在于,所述步骤三为,采用FastICA算法对接收端的N路接收信号进行盲源分离处理,提取目标图像信息。
4.根据权利要求1所述的混沌遮掩系统中基于奇偶交叉序列补偿的图像提取方法,其特征在于,所述步骤三,包括:
采用第j个提取处理单元从输入的接收信号中提取源信号;
第j个消减处理单元从输入的接收信号中消除已提取的源信号,并将剩下的接收信号输出给第j+1个提取处理单元;
j=1,2…N,直至第N个提取处理单元从输入的接收信号中提取源信号;
N个提取处理单元提取的源信号为目标图像信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710374802.2A CN107425954A (zh) | 2017-05-24 | 2017-05-24 | 混沌遮掩系统中基于奇偶交叉序列补偿的图像提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710374802.2A CN107425954A (zh) | 2017-05-24 | 2017-05-24 | 混沌遮掩系统中基于奇偶交叉序列补偿的图像提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107425954A true CN107425954A (zh) | 2017-12-01 |
Family
ID=60428114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710374802.2A Pending CN107425954A (zh) | 2017-05-24 | 2017-05-24 | 混沌遮掩系统中基于奇偶交叉序列补偿的图像提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107425954A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647635A (zh) * | 2018-05-09 | 2018-10-12 | 黑龙江大学 | 基于均分循环补足接收模型的单通道图像盲提取方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561879A (zh) * | 2009-05-26 | 2009-10-21 | 上海大学 | 基于曲波表示的图像欠定盲分离方法 |
CN104636314A (zh) * | 2015-01-30 | 2015-05-20 | 太原科技大学 | 一种单通道混沌信号盲源分离法 |
US9306779B2 (en) * | 2011-12-07 | 2016-04-05 | Ashitosh Swarup | Chaotic communication systems and methods |
-
2017
- 2017-05-24 CN CN201710374802.2A patent/CN107425954A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561879A (zh) * | 2009-05-26 | 2009-10-21 | 上海大学 | 基于曲波表示的图像欠定盲分离方法 |
US9306779B2 (en) * | 2011-12-07 | 2016-04-05 | Ashitosh Swarup | Chaotic communication systems and methods |
CN104636314A (zh) * | 2015-01-30 | 2015-05-20 | 太原科技大学 | 一种单通道混沌信号盲源分离法 |
Non-Patent Citations (1)
Title |
---|
贾利利: "混沌系统中基于虚拟接收阵列的谐波信号盲提取算法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647635A (zh) * | 2018-05-09 | 2018-10-12 | 黑龙江大学 | 基于均分循环补足接收模型的单通道图像盲提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feltkamp | Alternative axiomatic characterizations of the Shapley and Banzhaf values | |
CN101753201B (zh) | 一种高速跳频无人机数据链同步方法 | |
CN106093934A (zh) | 基于改进动态规划的穿墙雷达成像后多目标位置估计方法 | |
CN107689060A (zh) | 目标对象的视觉处理方法、装置及基于视觉处理的设备 | |
CN107425954A (zh) | 混沌遮掩系统中基于奇偶交叉序列补偿的图像提取方法 | |
CN113537120B (zh) | 基于复数坐标注意力的复数卷积神经网络的目标识别方法 | |
CN103885073B (zh) | 基于数字水印和压缩感知的导航信号通信方法 | |
CN106385392A (zh) | 基于混沌键控的低截获概率通信波形设计方法 | |
CN108647635A (zh) | 基于均分循环补足接收模型的单通道图像盲提取方法 | |
Cvejic et al. | Improving fusion of surveillance images in sensor networks using independent component analysis | |
CN211880398U (zh) | 一种多星源卫星数据终端 | |
DE102021119891A1 (de) | Verfahren zur Authentifizierung einer Sendeeinheit durch eine Empfängereinheit | |
Lin et al. | 5g spectrum learning-based passive uav detection in urban scenario | |
CN115082873A (zh) | 基于通路融合的图像识别方法、装置及存储介质 | |
DE102016202875B4 (de) | Verfahren zum Übertragen von Daten | |
Zhang | Performance analysis of ADS-B overlapping signal separation algorithm based on RLS | |
DE10392452T5 (de) | Verarbeitung von Pilot- und Nicht-Pilot-Kanälen in einer CDMA-Suchvorrichtung | |
Manaenko et al. | Theoretical aspects in forming complex structure signal | |
Dutta et al. | SAR object changes detection study | |
CN116362267B (zh) | 用于车载电瓶的识别方法、装置、电子设备和可读介质 | |
Kaur et al. | STUDY OF REDUCING THE UNCERTAINTY FOR THE SYSTEM TO DETECT THE GPS SPOOFING | |
DE102010050195A1 (de) | Lesegerät als elektronischer Ausweis | |
Turner et al. | Galileo public regulated services (PRS) with limited key distribution | |
Menéndez-Vázquez et al. | Searches for compact binary coalescence events using neural networks in LIGO/Virgo third observation period | |
Do et al. | Two-Dimensional Coding for Optical Camera Communication using CMOS Sensors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171201 |
|
WD01 | Invention patent application deemed withdrawn after publication |