基于分形理論的圖像加密、檢索和分類算法研究.pdf

1、圖像、音頻、視頻等多媒體文件含有直觀和豐富的數(shù)據(jù)信息，如何有效地、安全地管理這些信息一直是多媒體信息管理的目標。分形集合的整體或者局部都很難用歐氏幾何規(guī)則表示出來。其復雜的內部結構，比如自相似性、偽隨機性以及高度復雜等特性，使得分形集合作為一種非線性技術在科學研究中得到廣泛關注。如何利用分形理論對圖像進行加密，如何利用分形理論中可以描述圖像特征的分形維數(shù)進行圖像識別已經成為研究討論的熱點。
　　本文基于經典分形集合的特征，利用分形

2、字典編碼的統(tǒng)計性特征檢索紋理圖像。同時，利用分形維數(shù)可以描繪圖像表面紋理特征的特點分類生物細胞圖像。主要工作包括如下內容:
　　1、廣義Julia集含有豐富且毫無規(guī)則的內容，同時，內部Julia集會隨著位置的不同而發(fā)生顯著變化。因此，本文基于Julia集邊界點具有更加明顯的邊界特點，即閉合、稠密、不可微和初值敏感等，提出將Julia集作為初始流密鑰并與基于分形字典壓縮得到的編碼進行加密操作，隨后再做擴散。實驗結果表明，基于分形字典

3、編碼的圖像不僅擁有較短的編碼時間和重建時間，而且重建后的圖像也能得到較好地還原。此外，在該算法的加密系統(tǒng)中，當選擇合適大小的Julia集作為初始流密鑰時，本算法的密鑰空間大，密鑰初值敏感性高。同時，密文通過了sp800-22隨機測試包的測試，這表明我們的加密系統(tǒng)能抵抗外來攻擊，尤其是選擇明文攻擊和已知密文攻擊。最后，加密操作中的壓縮操作時間占比不到15％，這一特性使得這個加密系統(tǒng)更加容易實現(xiàn)實時壓縮加密。
　　2、基于分形字典的圖

4、像編碼是將一個公共字典庫作為中介，所有的圖像編碼都反映了編碼圖像和字典庫的區(qū)域空間關系。本文利用這種關系作為檢索依據(jù)，提出基于分形字典編碼的紋理圖像檢索指標，包括拼貼誤差特征(DE)、BTC分布特征(DE)和BTC與壓縮因子聯(lián)合分布特征(JDBS)三個檢索指標。實驗結果表明，相似紋理的拼貼誤差特征(DE)，BTC分布特征(DB)和BTC與壓縮因子聯(lián)合分布特征(JDBS)三個指標，在分布上基本相似，而不同紋理的指標則非常不一樣。同時，本文

5、提出的三種指標均比之前的文獻方法要好。JDSE+DB最好能達到79.18％，并且在計算復雜性上也是可以接受的。另外，JDSE+DB和DS+DE+DB兩種方案不僅有較小的計算復雜性，而且與之前的文獻相比，都具有較高的檢索率。
　　3、HEp-2細胞的間接免疫熒光法，在分析反核自身抗體上被認為是一個強大的、敏感的和全面的技術。但是，由于該方法在技術本質上是主觀的，因此導致診斷難再現(xiàn)，而計算機輔助診斷系統(tǒng)解決了該方法的局限性。本文基于M

6、inkowski-Bouligand維數(shù)，提出一種新的分形維數(shù)描述符，并且與形態(tài)學特征描述符和像素差描述符相結合，應用在HEp-2細胞分類中。實驗結果表明，基于分形維數(shù)描述符的分類可以得到54.5％的整體準確率，并且每類的類準確率均在52％以上。同時，當分形維數(shù)描述符與像素差描述符和形態(tài)學描述符結合時，分類的整體準確率在67％以上，并且實驗證明，分形維數(shù)描述符使得每類準確率相差不大。與另外兩篇文獻的方法比較發(fā)現(xiàn)，本文提出的混合分類方法擁