基于鬼成像的光學(xué)加密及物體分類方法研究
【學(xué)位單位】:南京郵電大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位年份】:2019
【中圖分類】:TP391.41;O431.2
【部分圖文】:
便于更快地將該技術(shù)投入實(shí)際的運(yùn)用,因此熱光鬼成像的研學(xué)信息處理高速且多維度隱藏信息的特點(diǎn)使其在信息加密領(lǐng)域也方法的數(shù)據(jù)加密技術(shù)[13-20]近年來成為研究熱點(diǎn),尤其是以雙隨機(jī)方法以其良好的性能正得到越來越廣泛的運(yùn)用。此外,物體分類個(gè)經(jīng)典的問題。將一個(gè)未知物體的圖像輸入到某種物體分類的機(jī)器對(duì)應(yīng)的物體分類結(jié)果,即得到物體的類別信息。鬼成像基本理論上的光學(xué)成像是通過探測(cè)器直接記錄物體的反射或者透射光強(qiáng),者相位信息進(jìn)行關(guān)聯(lián)就能得到物體的像。而鬼成像與傳統(tǒng)成像不階關(guān)聯(lián),通過對(duì)多個(gè)探測(cè)器的探測(cè)結(jié)果進(jìn)行一個(gè)符合計(jì)數(shù)的關(guān)聯(lián)典熱光鬼成像的原理如圖 2.1 所示。
源包含大量彼此獨(dú)立發(fā)光的子光源,而且這些子光源(原子、分子)隨機(jī)出熱光。熱光源的各個(gè)發(fā)光子光源的位隨機(jī)差是隨機(jī)變化的且光場(chǎng)強(qiáng)度服此人們發(fā)現(xiàn),常見的熱光源的漲落速度太快,實(shí)驗(yàn)測(cè)量設(shè)備并不能滿足鬼要求;并且,自然界中的熱光源光強(qiáng)相對(duì)較低,這導(dǎo)致儀器設(shè)備很難捕捉。解決上述問題,研究人員提出了一個(gè)猜想:假若可以通過人為的調(diào)制制備擬熱光源,是否就能解決熱光源漲落速度太快和光強(qiáng)弱的問題從而用于鬼rtienssen 等人在 1964 年制備出了一種可以模擬熱光的人造光源,由于這種擁有相似的統(tǒng)計(jì)特性,因此被稱作為贗熱光。這種光源制備過程很簡(jiǎn)單,射一塊旋轉(zhuǎn)且轉(zhuǎn)速可調(diào)的毛玻璃就可以獲得,這種人為可控的贗熱光源的動(dòng)了熱光鬼成像的實(shí)現(xiàn)。 年,Scarcelli 等人便通過采用人為控制的贗熱光源實(shí)現(xiàn)了熱光源鬼像的實(shí)圖 2.2 所示:
圖 2.3 空間光調(diào)制器鬼成像實(shí)驗(yàn)方案當(dāng) / 1(D=2M+1)時(shí),即此時(shí)處于遠(yuǎn)場(chǎng)情況,由于光場(chǎng) ( , )在 SLM 中的作可以通過計(jì)算得到物體平面處的光場(chǎng)分布 ( , )和掃描探測(cè)器坐標(biāo)點(diǎn)所在平面的 ( , )的相干函數(shù)表達(dá)式,可表示為下式所示: ( ) = | |/式(2.17)中,其中 ≈ 和 ≈ 必須都滿足聯(lián)合高斯分布條件。因此我們可以在2 20 2 122( )/21 200 1 0 20 1 0 2,0 1 20 1 2,'( , ) ( )2sin( / 2 ) sin( / 2 )/ 2 / 2sin[ ( ) / 2 ]sin[ ( ) / 2 ]ik Lu x yu x yP dK eD Lk du L k du Lk du L k du Lk D u u Lk d u u L-=== ′ ÷ ÷è -′ ÷ -÷è r rr rl
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 張起榮;陳善雄;余廷忠;王燕;;二維合并雙向可調(diào)拉普拉斯逆線性判別分析算法[J];貴州工程應(yīng)用技術(shù)學(xué)院學(xué)報(bào);2017年03期
2 馬家軍;;針對(duì)人臉個(gè)體差異性的核線性判別分析[J];商洛學(xué)院學(xué)報(bào);2016年02期
3 馬馮艷;;主分量分析和線性判別分析在分類問題中的應(yīng)用[J];科技視界;2015年13期
4 王金甲;胡備;;腦機(jī)接口的廣義核線性判別分析方法研究[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2012年01期
5 高建強(qiáng);范麗亞;;模糊線性判別分析中距離對(duì)面部識(shí)別的影響[J];井岡山大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期
6 鄭秋梅;呂興會(huì);時(shí)公喜;;基于雙向二維直接線性判別分析的人臉表情識(shí)別[J];中國(guó)石油大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年05期
7 楊昔陽;;基于模糊線性判別分析的控制規(guī)則約簡(jiǎn)[J];泉州師范學(xué)院學(xué)報(bào);2010年06期
8 劉笑嶂;馮國(guó)燦;;多重核線性判別分析及其權(quán)值優(yōu)化[J];計(jì)算機(jī)應(yīng)用;2009年09期
9 胡煜;;線性判別分析和主分量分析法應(yīng)用于基因芯片數(shù)據(jù)分析[J];海南廣播電視大學(xué)學(xué)報(bào);2007年04期
10 姚棣榮;;逐步非線性判別分析[J];科技通報(bào);1988年03期
相關(guān)博士學(xué)位論文 前10條
1 劉笑嶂;核方法的若干關(guān)鍵問題研究及其在人臉圖像分析中的應(yīng)用[D];中山大學(xué);2010年
2 潘志斌;半監(jiān)督排序的若干關(guān)鍵問題研究[D];華中科技大學(xué);2014年
3 袁大林;代謝組學(xué)與中藥研究中復(fù)雜體系的解析方法及應(yīng)用研究[D];中南大學(xué);2010年
4 劉忠寶;基于核的降維和分類方法及其應(yīng)用研究[D];江南大學(xué);2012年
5 劉俊;人臉圖像的子空間表示研究[D];南京航空航天大學(xué);2007年
6 張明錦;基于特征選擇的多變量數(shù)據(jù)分析方法及其在譜學(xué)研究中的應(yīng)用[D];華東理工大學(xué);2011年
7 文穎;數(shù)字、字符識(shí)別及其應(yīng)用研究[D];上海交通大學(xué);2009年
8 尹學(xué)松;半監(jiān)督聚類分析策略設(shè)計(jì)及其拓展性研究[D];南京航空航天大學(xué);2009年
9 沈道義;基于最小化訓(xùn)練誤差的子空間分類算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2008年
10 趙松;人臉識(shí)別中的姿態(tài)估計(jì)、識(shí)別算法和融合算法的研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年
相關(guān)碩士學(xué)位論文 前10條
1 車志勇;基于線性判別分析(FDA)的遷移學(xué)習(xí)方法[D];廣東工業(yè)大學(xué);2019年
2 陳莎;基于鬼成像的光學(xué)加密及物體分類方法研究[D];南京郵電大學(xué);2019年
3 滕君;基于度量學(xué)習(xí)的行人再識(shí)別技術(shù)研究[D];重慶郵電大學(xué);2018年
4 王馨彤;函數(shù)型線性判別分析[D];新疆大學(xué);2019年
5 董良;基于線性判別分析與特征加權(quán)支持向量機(jī)的選股模型研究[D];河北工業(yè)大學(xué);2016年
6 郭月;基于正交線性判別分析的高光譜空譜聯(lián)合分類方法[D];遼寧工程技術(shù)大學(xué);2018年
7 雷振風(fēng);基于噪聲比LDA和類內(nèi)隸屬度KNN的蛋白質(zhì)亞細(xì)胞定位的研究[D];云南大學(xué);2017年
8 陳倩倩;基于線性判別分析與小波分析的支持向量機(jī)股票交易擇時(shí)策略[D];上海外國(guó)語大學(xué);2018年
9 王東;改進(jìn)的二維直接線性判別分析方法及在人臉識(shí)別中的應(yīng)用[D];云南大學(xué);2015年
10 劉超;非迭代三維線性判別分析及其在人臉識(shí)別中的應(yīng)用[D];云南財(cái)經(jīng)大學(xué);2016年
本文編號(hào):2875778
本文鏈接:http://www.lk138.cn/kejilunwen/wulilw/2875778.html