基于复值神经网络的同步系统、图像保护方法、三维点云信息传输保护方法及系统技术方案

本发明专利技术提出了一种基于复值神经网络的同步系统、图像保护方法及三维点云数据信息保护方法及系统。其中，基于复值神经网络的同步系统包括驱动系统、响应系统和同步误差系统；所述同步误差系统为响应系统与驱动系统之差；所述响应系统中包括有量化间歇控制器，该量化间歇控制器控制所述同步误差系统趋近于0，使得驱动系统和响应系统输出的序列同步。该同步系统减少了通信带宽资源的消耗和降低控制成本，可实现复值神经网络的固定时间同步。可实现复值神经网络的固定时间同步。可实现复值神经网络的固定时间同步。

【技术实现步骤摘要】
基于复值神经网络的同步系统、图像保护方法、三维点云信息传输保护方法及系统


[0001]本专利技术涉及图像信息安全领域，具体涉及一种基于复值神经网络的同步系统、图像保护方法及三维点云数据信息保护方法及系统。

技术介绍

[0002]随着信息技术的飞速发展，人与人之间的信息交流变得愈发密切，因而对于信息交互过程中的安全性问题备受关注。数字图像是比较常见的信息交换类型之一，目前已经存在诸如数据隐藏、添加水印和图像加密等多种图像信息保护的方法。其中图像加密的方法是通过将原始图像中的信息转换为类似的随机图像来保护图像信息。同时，由于混沌系统具有高度敏感性、随机性和不可预测性，这些特性十分契合于图像加密。然而，大部分的混沌系统图像加密技术都无法保证加密图像得到无损的图像解密效果。
[0003]同时，随着计算机图形学和三维信息获取技术的迅猛发展，三维点云在诸如文物保护、虚拟现实、机器视觉等领域得到广泛应用。三维点云数据相比较于平面图像具有更为丰富的图像信息，能够更好地呈现物体的深度信息，然而目前却很少有针对三维点云数据信息保护的方法。

技术实现思路

[0004]为了克服上述现有技术中存在的缺陷，本专利技术的目的是提供一种基于复值神经网络的同步系统、图像保护方法及三维点云数据信息保护方法及系统。
[0005]为了实现本专利技术的上述目的，本专利技术提供了一种基于复值神经网络的同步系统，其特征在于，包括驱动系统、响应系统和同步误差系统；所述驱动系统、响应系统均为基于复值神经网络的混沌系统，所述同步误差系统为响应系统与驱动系统之差；
[0006]所述响应系统中包括有量化间歇控制器，该量化间歇控制器控制所述同步误差系统趋近于0，使得驱动系统和响应系统输出的序列同步。
[0007]该同步系统减少了通信带宽资源的消耗和降低控制成本，可实现复值神经网络的固定时间同步。
[0008]该同步系统中，所述驱动系统的微分方程为：x
i
(t)为驱动系统的状态向量，a
ik
和b
i
为连接权值，f(
·
)为激励函数，输入与输出信号都是复值的，I为外部输入，i，k，n均为正整数；
[0009]其响应系统的微分方程为：y
i
(t)为响应系统的状态向量，a
ik
和b
i
为连接权值，f(
·
)为激励函数，输入与输出信号都是复值的，I为外部输入，i，k，n均为正整数，u
i
(t)是所述量化间歇控制器；
[0010]将驱动系统转换为两个实值神经网络，得到：
其中，表示的实部，表示的虚部，
[0011][0012]将响应系统转换为两个实值神经网络，得到：其中，表示的实部，表示的虚部，
[0013][0014]将响应系统与驱动系统相减得到同步误差系统的微分方程：其中，为同步误差系统的实部，为同步误差系统的虚部，i＝1,2,...,n，误差系统的虚部，i＝1,2,...,n，
[0015]设计所述量化间歇控制器，使响应系统与驱动系统同步，该量化间歇控制器表达式为：
[0016]其中，k1,k2,k3,k4是量化间歇控制器增益参数，0＜σ＜1是量化间歇控制参数，sign(
·
)表示符号函数，T为周期，c＝0,1,2,...,n,0＜α＜1,β＞1，q(
·
):表示量化函数，对任意的q(τ)有如下定义：
[0017]其中，
[0018]ω＝{
±
ω
j
:ω
j
＝ρ
j
ω0,0＜ρ＜1,j＝0,
±
1,
±
2,
…
}∪{0}，ω0＞0，ρ表示量化
[0019]密度，0<ρ<1,ρ
j
表示ρ的j次方。
[0020]该优选方案中由于量化间歇控制器保证了驱动系统与响应系统的固定时间同步，在接收端通过系统生成可以得到的解密序列(响应系统序列)与加密序列(驱动系统序列)十分相似，故而减少了加密序列秘钥的传输，从而提高了算法的安全性，并且由于采用的加密序列是混沌系统生成得到，具有随机性和高度敏感性的特点，不易被破解，因而十分适合作为加密的秘钥序列，特别是图像加密的秘钥序列。
[0021]本专利技术还提供了一种基于复值神经网络固定时间同步的图像保护方法，包括以下步骤：
[0022]获取彩色图像，分别从R、G、B三个通道读取所述彩色图像的像素值，得到R、G、B三个通道对应的分量图；
[0023]控制上述的基于复值神经网络的同步系统的驱动系统与响应系统同步，使所述驱动系统输出驱动系统同步序列，所述响应系统输出与所述驱动系统同步序列同步的响应系统同步序列；
[0024]加密：利用所述驱动系统同步序列分别对R、G、B三个通道对应的分量图进行置换处理，得到三张置换后的分量图，再对分量图进行加密处理，得到加密后的图像；
[0025]解密：将加密后的图像从R、G、B三个不同通道读取得到三张分量图，利用响应系统输出的与所述驱动系统同步序列同步的响应系统同步序列分别对这三张分量图进行解密处理；
[0026]将解密后的三张分量图作合成处理，然后再置换还原，得到图像的原始信息。
[0027]该方法中由于加解密所采用的序列同步，使得该方法不仅能够保证图像在传输过程中得到加密处理，还能够保证在接收端无损的恢复出原始的图像信息，图像传输安全性高，不易被破解。
[0028]该基于复值神经网络固定时间同步的图像保护方法的优选方案：利用所述驱动系统同步序列分别对R、G、B三个通道对应的分量图进行置换处理时，
[0029]分别将R、G、B三个通道对应的分量图转换成一维向量，根据所述驱动系统同步序列中的一个序列生成得到伪随机序列，利用该伪随机序列对所述一维向量进行置换处理，得到三张置换后的分量图。
[0030]解密并将三张分量图作合成处理后得到合成图像，再对合成图像进行置换还原时，利用响应系统同步序列中的一个序列生成的伪随机序列对合成图像进行置换还原，得到图像的原始信息；
[0031]置换还原时所利用的响应系统同步序列中的序列与置换处理时所利用的驱动系
统同步序列中的序列对应同步。
[0032]该基于复值神经网络固定时间同步的图像保护方法的优选方案：利用驱动系统同步序列中的三个序列对三张置换后的分量图加密，加密时，所述三个序列与三张置换后的分量图一一对应加密。
[0033]解密时，将加密后的图像从R、G、B三个不同通道读取得到三张分量图，利用所述响应系统输出的响应系统同步序列中的三个序列分别对这三张分量图进行解密处理，所述响应系统输出的响应系统同步序列中的三个序列与三张分量图一一对应解密，且所述响应系统输出的响应系统同步序列中的三个序列与加密时所利用的驱动系统同步序列中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于复值神经网络的同步系统，其特征在于，包括驱动系统、响应系统和同步误差系统；所述驱动系统、响应系统均为基于复值神经网络的混沌系统，所述同步误差系统为响应系统与驱动系统之差；所述响应系统中包括有量化间歇控制器，该量化间歇控制器控制所述同步误差系统趋近于0，使得驱动系统和响应系统输出的序列同步。2.根据权利要求1所述的基于复值神经网络的同步系统，其特征在于，所述驱动系统的微分方程为：其中，x
i
(t)为驱动系统，a
ik
和b
i
为连接权值，f(
·
)为激励函数，输入与输出信号都是复值的，I为外部输入，i，k，n均为正整数；其响应系统的微分方程为：y
i
(t)为响应系统，a
ik
和b
i
为连接权值，f(
·
)为激励函数，输入与输出信号都是复值的，I为外部输入，i，k，n均为正整数，u
i
(t)是所述量化间歇控制器；将驱动系统转换为两个实值神经网络，得到：其中，表示的实部，表示的虚部，将响应系统转换为两个实值神经网络，得到：其中，表示的实部，表示的虚部，将响应系统与驱动系统相减得到同步误差系统的微分方程：其中，为同步误差系统的实部，为同步误差系统的虚部，i＝1,2,...,n，差系统的虚部，i＝1,2,...,n，设计所述量化间歇控制器，使响应系统与驱动系统同步，该量化间歇控制器表达式为：
其中，k1,k2,k3,k4是量化间歇控制器增益参数，0＜σ＜1是量化间歇控制参数，sign(
·
)表示符号函数，T为周期，c＝0,1,2,...,n,0＜α＜1,β＞1，q(
·
):表示量化函数，对任意的q(τ)有如下定义：其中，ω＝{
±
ω
j
:ω
j
＝ρ
j
ω0,0＜ρ＜1,j＝0,
±
1,
±
2,
…
}∪{0}，ω0＞0，ρ表示量化密度，0<ρ<1,ρ
j
表示ρ的j次方。3.一种基于复值神经网络固定时间同步的图像保护方法，其特征在于，包括以下步骤：获取彩色图像，分别从R、G、B三个通道读取所述彩色图像的像素值，得到R、G、B三个通道对应的分量图；控制权利要求1或2所述的基于复值神经网络的同步系统的驱动系统与响应系统同步，使所述驱动系统输出驱动系统同步序列，所述响应系统输出与所述驱动系统同步序列同步的响应系统同步序列；加密：利用所述驱动系统同步序列分别对R、G、B三个通道对应的分量图进行置换处理，得到三张置换后的分量图，再对分量图进行加密处理，得到加密后的图像；解密：将加密后的图像从R、G、B三个不同通道读取得到三张分量图，利用响应系统输出的与所述驱动系统...

【专利技术属性】
技术研发人员：朱子义，钟瑶，黄军建，杨文强，陈玲，杨金月，
申请(专利权)人：西南大学，
类型：发明
国别省市：