首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--一般性问题论文--安全保密论文

隐私安全的图像特征提取及应用

摘要第4-5页
abstract第5-6页
第一章 绪论第10-15页
    1.1 研究背景与意义第10-11页
    1.2 国内外现状与分析第11-12页
    1.3 本文的主要贡献与创新第12-13页
    1.4 本文的结构安排第13-14页
    1.5 本章小结第14-15页
第二章 隐私安全图像特征相关背景知识第15-24页
    2.1 同态加密介绍第15-16页
    2.2 整数向量同态加密方案第16-20页
        2.2.1 同态加密解密过程第16-17页
        2.2.2 密钥转换技术(Key-Swithing)第17-19页
        2.2.3 基本同态运算第19-20页
    2.3 图像特征介绍第20-23页
        2.3.1 颜色特征第21-22页
        2.3.2 纹理特征第22-23页
    2.4 本章小结第23-24页
第三章 基于VHE的灰度直方图特征提取方案第24-37页
    3.1 应用场景与模型第24-26页
        3.1.1 系统模型构建第24-26页
        3.1.2 设计目标第26页
    3.2 灰度直方图第26-28页
    3.3 密文域内灰度直方图特征的提取第28-32页
        3.3.1 图像数据的预处理第29-31页
        3.3.2 图像的加密第31-32页
        3.3.3 灰度直方图特征的提取第32页
    3.4 方案的实现与分析第32-36页
        3.4.1 特征提取方案仿真结果第33-34页
        3.4.2 安全性分析第34-35页
        3.4.3 正确性分析第35-36页
        3.4.4 有效性分析第36页
    3.5 本章小结第36-37页
第四章 隐私保护下的HOG图像特征的提取算法第37-63页
    4.1 应用场景与系统模型第37-39页
        4.1.1 应用场景第37-38页
        4.1.2 系统模型构建第38-39页
        4.1.3 设计目标第39页
    4.2 HOG特征提取算法第39-42页
        4.2.1 图像标准化第40页
        4.2.2 梯度计算第40-41页
        4.2.3 构建HOG特征向量第41-42页
    4.3 密文域内HOG特征提取算法的改进第42-50页
        4.3.1 图像加密第42-43页
        4.3.2 梯度计算第43-46页
        4.3.3 HOG特征的构建第46-50页
        4.3.4 HOG描述符的解密第50页
    4.4 基于HOG特征的行人检测第50-56页
        4.4.1 支持向量机算法第51-53页
        4.4.2 行人检测模型第53-56页
            4.4.2.1 模型评价指标第54-55页
            4.4.2.2 核函数的选择第55页
            4.4.2.3 构建SVM检测模型第55-56页
    4.5 算法的实现与分析第56-62页
        4.5.1 密文域HOG特征提取结果第56-59页
        4.5.2 隐私性分析第59页
        4.5.3 准确性分析第59-61页
        4.5.4 高效性分析第61-62页
    4.6 本章小结第62-63页
第五章 隐私安全的图像特征的应用第63-72页
    5.1 密文域的整数向量相似性比较方案第63-64页
    5.2 基于密文灰度直方图向量的图像识别第64-68页
        5.2.1 选择识别图像集第64-65页
        5.2.2 图像识别第65-67页
        5.2.3 密文域图像识别结果分析第67-68页
    5.3 基于密文HOG特征向量的图像搜索第68-71页
        5.3.1 选择搜索图像集第68页
        5.3.2 图像搜索第68-69页
        5.3.3 密文域图像搜索结果分析第69-71页
    5.4 本章小结第71-72页
第六章 总结与展望第72-75页
    6.1 本文的工作总结第72-73页
    6.2 后续研究工作第73-75页
致谢第75-76页
参考文献第76-80页
攻硕期间取得的研究成果第80页

论文共80页,点击 下载论文
上一篇:MRI脑组织分割及其三维可视化
下一篇:大规模流式数据存储研究与应用