Rssler三维混沌系统在图像加密中的应用

基于Rssler系统的三维混沌序列设计了一种既改变像素位置又改变像素灰度值的图像加密方法。使用Rssler三维混沌序列中的任意两维混沌序列控制像素的旋转与置换,剩下的一维序列变换像素的灰度。并且在Rssler混沌加密密钥的基础上,增加了置乱密钥,提升了密钥空间,方便了密钥管理。对比Chebyshev映射实现的空域复合加密方法,仿真实验表明该加密方案加密时间短、效率高、安全性好且易于实现。     

基于改进加权一阶局域预测模型的负荷预测方法研究

针对混沌时间序列预测中用加权一阶局域法单步预测模型进行多步预测时计算量大,且存在误差累积效应的不足,本文提出了基于相空间重构技术的加权一阶局域法多步预测模型,通过实际算例分析显示,本文方法较改进前有较好的适应能力和预测精度。     

动力系统生成晶体群圆极限分形图

提出从动力系统角度出发构造具有自相似性质的平面晶体群圆极限分形图的有效方法.根据Carter晶体群迭代函数系统周期性确定2π为基本区域,利用同胚仿射变换,建立基本区域到上半平面的自相似映射关系,进而通过保角映射生成圆极限分形图.同时,对Carter混沌函数进一步探讨了边界着色平滑构图条件,并生成了相应的圆极限分形图.这些图案具有很强的艺术渲染力.该方法为平面设计对称图像提供了一种新途径.     

基于混沌序列和扫描模式的视频加密算法的研究

提出了一种新的基于混沌序列和扫描模式的视频序列加密算法.该算法利用扫描模式通过对二维存储空间的不同访问方法来产生非常大的扫描路径或空间填充曲线,并使用正规语言来确定扫描模式.视频加密的过程通过求解视频序列中的相邻帧之间的差值矩阵,然后压缩该差值矩阵,最后再用扫描模式和混沌序列对该差值矩阵进行加密.基于混沌序列和扫描模式的置换和替代操作,组合成了具有良好密码特性的非线性耦合结构,而且在每次迭代过程中使用了密钥的融合操作,提高了加密算法的安全性.实验以Tennis等标准视频序列进行仿真,结果表明,该算法具有良好的加密安全性和效率.     

基于混沌序列和HVS的盲数字水印算法

提出一种针对彩色图像的基于混沌系统和人类视觉系统HVS(Human Visual System)的数字水印算法.通过该算法将二值水印经混沌系统加密后嵌入到彩色图像的蓝色分量B的小波系数中,在水印提取时根据密钥可以实现盲提取.实验结果表明,该算法对常用的图像处理如JPEG压缩、加噪、剪切和滤波等攻击具有较好的鲁棒性,取得了不可见性和鲁棒性的良好折中,同时盲检测使得水印检测的可靠性得到了很大的提高.     

基于误差修正的二值水印图像提取算法

为了减少水印算法中设置阈值带来的不便,减少水印提取时的计算量.设计了一种图像数字水印盲检测算法,分析了离散余弦变换(DCT)系数位置时水印质量的影响,采用黄金分割选取待嵌入水印的DCT系数位置.在原始灰度图像中嵌入二值水印图像,采用修改二进制DCT系数来实现水印的盲检测,水印提取时,用闭环误差修正的方法提取水印信息.分别用椒盐噪声.压缩等攻击进行实验,得到了一些有益的实验结果.该算法计算量小,隐蔽性好.     

水下混沌信号降噪研究

针对传统子空间降噪算法只适用于多通道信号,并且传统子空间降噪算法对低信噪比信号降噪效果不理想.对此进行了相应的改进,提出利用多次迭代降噪的思想实现.首先利用相空间重构技术将单一的混沌信号转换为适用于子空间降噪算法的多通道信号,并且利用信噪比改善量控制迭代次数和用降噪之后的吸引因子相图评估降噪效果.大量试验结果表明,该算法具有运算速度快,失真少,评估可靠的特点并且对低信噪比信号也有较好的效果.     

基于变结构思想的OGY同步控制器

为扩展混沌控制方法在混沌同步中的应用, 设计了一种基于变结构思想的Ott-Grebogi-Yorke(OGY)同步控制器. 基于变结构控制的思想, 将OGY混沌控制方法进行了扩展, 通过误差系统近似的线性模型寻找合适的稳定流形, 进而通过变结构控制器将误差系统的轨迹控制到稳定流形上面, 实现混沌系统的同步. 这种变结构控制策略使得OGY方法可以应用到混沌同步当中. H′enon映射的仿真结果验证了该控制策略的有效性.     

基于混沌差分进化FCM算法的舵回路故障诊断

为了提高故障分类的准确性,提出了一种混沌差分进化模糊C-均值故障识别方法(CDEFCM,chaotic differential evolution fuzzy C-mean).该方法利用差分进化算法高效的全局搜索能力以及混沌序列的均匀遍历特性,克服了模糊C-均值算法(FCM,fuzzy C-mean)对初始值敏感的缺点及遗传算法易收敛到局部极值点的缺陷,用该方法进行故障聚类分析,可以准确地识别故障.以某飞控系统舵回路常见故障为例进行了仿真验证,结果表明该方法能有效地识别出故障.     

多目标混沌差分进化算法

将差分进化算法用于多目标优化问题,提出了多目标混沌差分进化算法(CDEMO).该算法利用混沌序列初始化种群,并用混沌备用种群进行替换操作.该操作不仅起到了维持非劣最优解集均匀性的作用,而且增强了算法的搜索功能.对CDEMO的性能进行研究,数值实验结果表明了CDEMO的有效性.