論文の概要: Image encryption for Offshore wind power based on 2D-LCLM and Zhou Yi Eight Trigrams

• arxiv url: http://arxiv.org/abs/2306.09245v2
• Date: Tue, 27 Jun 2023 08:31:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-28 16:28:31.498858
• Title: Image encryption for Offshore wind power based on 2D-LCLM and Zhou Yi Eight Trigrams
• Title（参考訳）: 2d-lclm と zhou yi 8 trigram による沖合風力の画像暗号化
• Authors: Lei Kou, Jinbo Wu, Fangfang Zhang, Peng Ji, Wende Ke, Junhe Wan, Hailin Liu, Yang Li, Quande Yuan
• Abstract要約: 本稿では,2次元ラタグ複素ロジスティックマッピング (2D-LCLM) と周Yi 8 トリグラムに基づくオフショア風力発電のための新しい暗号化アルゴリズムを提案する。 実験結果から,このアルゴリズムは一般的な攻撃に対して耐性があり,暗号化性能が良好であることが示された。
• 参考スコア（独自算出の注目度）: 4.825546239761353
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Offshore wind power is an important part of the new power system, due to the complex and changing situation at ocean, its normal operation and maintenance cannot be done without information such as images, therefore, it is especially important to transmit the correct image in the process of information transmission. In this paper, we propose a new encryption algorithm for offshore wind power based on two-dimensional lagged complex logistic mapping (2D-LCLM) and Zhou Yi Eight Trigrams. Firstly, the initial value of the 2D-LCLM is constructed by the Sha-256 to associate the 2D-LCLM with the plaintext. Secondly, a new encryption rule is proposed from the Zhou Yi Eight Trigrams to obfuscate the pixel values and generate the round key. Then, 2D-LCLM is combined with the Zigzag to form an S-box. Finally, the simulation experiment of the algorithm is accomplished. The experimental results demonstrate that the algorithm can resistant common attacks and has prefect encryption performance.
• Abstract（参考訳）: 洋上風力発電は、海洋における複雑で変化する状況のため、画像等の情報なしには正常な運用や保守ができないため、情報伝達の過程で適切な画像を送信することが特に重要である。 本稿では,2次元ラグランジ複素ロジスティックマッピング (2d-lclm) と周井八三グラムに基づくオフショア風力発電のための新しい暗号化アルゴリズムを提案する。 まず、2D-LCLMの初期値はSha-256によって構成され、2D-LCLMと平文を関連付ける。 次に、周井八三グラムから新たな暗号規則を提案し、画素値の難読化とラウンドキーの生成を行う。 そして、2D−LCLMをジグザグと組み合わせてSボックスを形成する。 最後に,アルゴリズムのシミュレーション実験を行う。 実験の結果,アルゴリズムは一般的な攻撃に耐性を持ち,暗号化性能に優れることが示された。

関連論文リスト

• Deep Optics for Video Snapshot Compressive Imaging [10.830072985735175]
  ビデオ・スナップショット・イメージング(SCI)は、2D検出器の1枚のショットだけでビデオ・フレームのシーケンスをキャプチャすることを目的としている。 本稿では,マスクと再構成ネットワークを協調的に最適化する枠組みを提案する。 これは、現実世界のビデオSCIのマイルストーンだ、と私たちは信じている。
  論文  参考訳（メタデータ） (2024-04-08T08:04:44Z)
• T-Pixel2Mesh: Combining Global and Local Transformer for 3D Mesh Generation from a Single Image [84.08705684778666]
  本稿では,P2Mの粗大なアプローチにインスパイアされたトランスフォーマーブーストアーキテクチャT-Pixel2Meshを提案する。 具体的には,大域変換器を用いて局所的な形状を制御し,局所的な幾何学的詳細を洗練させる。 ShapeNetの実験では最先端の性能が実証され,実世界のデータでは一般化能力が示された。
  論文  参考訳（メタデータ） (2024-03-20T15:14:22Z)
• Towards Accurate Image Coding: Improved Autoregressive Image Generation with Dynamic Vector Quantization [73.52943587514386]
  既存のベクトル量子化(VQ)ベースの自己回帰モデルは、2段階生成パラダイムに従う。 画像領域を可変長符号に符号化する動的量子化VAE(DQ-VAE)を提案する。
  論文  参考訳（メタデータ） (2023-05-19T14:56:05Z)
• Meta-Auxiliary Network for 3D GAN Inversion [18.777352198191004]
  本稿では,新たに開発された3D GANをジェネレータとして利用しながら,新しいメタ補助フレームワークを提案する。 最初の段階では、オフザシェルフインバージョン技術を用いて、入力画像を編集可能な潜在コードに変換する。 補助的ネットワークは、与えられた画像を入力としてジェネレータパラメータを洗練し、畳み込み層の重み付けとボリュームレンダリングのサンプリング位置のオフセットを予測する。 第2段階では、入力された画像に補助ネットワークを高速に適応させるメタラーニングを行い、その後、メタラーニングされた補助ネットワークを介して最終再構成画像を合成する。
  論文  参考訳（メタデータ） (2023-05-18T11:26:27Z)
• 3D-Aware Encoding for Style-based Neural Radiance Fields [50.118687869198716]
  我々は、入力画像をNeRFジェネレータの潜時空間に投影する反転関数を学び、潜時符号に基づいて原画像の新しいビューを合成する。 2次元生成モデルのGANインバージョンと比較して、NeRFインバージョンは、1)入力画像の同一性を維持するだけでなく、2)生成した新規なビューにおいて3D一貫性を確保する必要がある。 スタイルベースNeRFインバージョンのための2段階エンコーダを提案する。
  論文  参考訳（メタデータ） (2022-11-12T06:14:12Z)
• S^2-Transformer for Mask-Aware Hyperspectral Image Reconstruction [48.83280067393851]
  代表的ハイパースペクトル画像取得手順は、符号化開口分光画像センサ(CASSI)による3D-to-2D符号化を行う i) 2次元計測を得るために、CASSIは分散器タイトリングにより複数のチャネルを分散させ、それらを同じ空間領域に絞り込み、絡み合ったデータ損失をもたらす。 本稿では,これらの課題に対処するためのマスク対応学習戦略を備えた空間スペクトル(S2-)トランスフォーマーアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2022-09-24T19:26:46Z)
• Inferring 3D change detection from bitemporal optical images [6.050310428775564]
  2次元と3次元のCDタスクを同時に解くことができる2つの新しいネットワークを提案する。 本研究の目的は,高度(3D)CDマップを自動的に推測できるDLアルゴリズムの開発基盤を構築することである。 コードと3DCDデータセットはurlhttps://sites.google.com/uniroma1.it/3dchangedetection/home-pageで公開されている。
  論文  参考訳（メタデータ） (2022-05-31T15:53:33Z)
• High-Resolution Photorealistic Image Translation in Real-Time: A Laplacian Pyramid Translation Network [23.981019687483506]
  閉形式ラプラシアピラミッドの分解と再構成に基づく高分解能フォトリアリスティックI2ITタスクの高速化に着目する。 この2つのタスクを同時に実行するために,ラプラシアンピラミッド翻訳ネットワーク(N)を提案する。 我々のモデルは高解像度の特徴写像を処理し、画像の詳細を忠実に保存することで消費される重い計算の大部分を回避している。
  論文  参考訳（メタデータ） (2021-05-19T15:05:22Z)
• Unsupervised Deep Cross-modality Spectral Hashing [65.3842441716661]
  このフレームワークは、最適化をバイナリ最適化とハッシュ関数学習に分離する2段階のハッシュアプローチである。 本稿では,単一モダリティと二項相互モダリティを同時に学習するスペクトル埋め込みに基づく新しいアルゴリズムを提案する。 我々は、画像に強力なCNNを活用し、テキストモダリティを学ぶためのCNNベースのディープアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-08-01T09:20:11Z)
• Coarse-to-Fine Gaze Redirection with Numerical and Pictorial Guidance [74.27389895574422]
  本稿では,数値誘導と画像誘導の両方を利用した新しい視線リダイレクトフレームワークを提案する。 提案手法は,画像品質とリダイレクト精度の両方の観点から,最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2020-04-07T01:17:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。