自适应混合图像的防窥视密码键盘研究
发布时间:2020-12-02 06:43
密码键盘作为一种特殊的密码输入工具,在日常生活中得到广泛应用。但是,传统的手机密码键盘不能抵挡涂抹攻击和肩部攻击,因此不能保护用户的隐私。基于以上问题,本文提出了一种自适应混合图像的防窥视密码键盘。主要实现的功能如下:第一,用户看到不同距离的不同数字图像信息。第二,可以根据距离动态改变图像效果,并实现用户需求的自动调整。第一个功能通过混合图像实现,第二个功能通过模糊逻辑和自适应等技术实现。针对上述两个问题,本文的主要贡献和创新点如下:1.用混合图像替换传统密码键盘的数字图像,解决了传统密码键盘没有防窥视功能的问题。混合图像在不同距离处看到不同的图像效果,并且当侧向观看混合图像时,用户将看到模糊的数字图像或其它数字,因此实现了真实数字信息的隐藏。但是,混合图像算法不能直接用于不同的开发工具,因为没有相应的图像处理算法库。针对上述问题,提出了一种基于空间域的图像分离算法和基于空间域的混合图像算法。2.因为每个人对图像模糊效果的定义以及眼睛到屏幕的最佳距离都可能不同,所以针对上述问题,本文采用模糊逻辑和自适应技术来解决用户的使用问题。首先,使用前置摄像头和相关算法实现眼睛到屏幕的距离获取。然...
【文章来源】:重庆邮电大学重庆市
【文章页数】:73 页
【学位级别】:硕士
【部分图文】:
密码键盘支付界面
) ( , ) ( , )a bs a t bG x y w s t f x s y t 一般情况下,卷积核需要满足以下两个条件:第一,宽和高必须为奇数奇数才会有半径和中心的概念;第二,元素总和为 1。高斯滤波器是在件的基础上,并满足卷积核中的元素服从高斯分布,原因在于视觉系统的图像效果呈现非线性。高斯滤波器是基于二维的高斯分布函数,二维数如(2.2)所示。2 22221( , )2x yG x y e 其中 y 和 x 表示卷积核中某个纵坐标和横坐标距离中心点的距离, 控线的平缓程度, 值越大,曲线越平缓,最高点越低。在图 2.1 中,本x和 y 越趋近于 0,卷积核的中心点权重最大。
(c) 梯形隶属度函数 (d) 三角形隶属度函数图 2.3 常规一维隶属度函数图2.4.3 模糊规则模糊规则表现为一组因果推理的逻辑关系表达式,但模糊规则不同于传统条件规则。解释如下,传统条件推导出的结果只有是或不是,而模糊规则推导出的结果为一定程度上是,一定程度上不是。推导出这种条件的结果可能是单个的模糊集合,也可能是类似于小雨到大雨这种复合型的集合。模糊逻辑推理系统是由众多不同的模糊推理规则组成,规则的数目与整个系统中模糊变量和隶属集合数目有关[49]。2.4.4 去模糊化去模糊化定义如下,模糊集合通过多种去模糊函数计算得到一个离散的量,比如本文描述大雨或小雨程度的描述值。去模糊化也可以解释为模糊的逆过程,下面
本文编号:2895126
【文章来源】:重庆邮电大学重庆市
【文章页数】:73 页
【学位级别】:硕士
【部分图文】:
密码键盘支付界面
) ( , ) ( , )a bs a t bG x y w s t f x s y t 一般情况下,卷积核需要满足以下两个条件:第一,宽和高必须为奇数奇数才会有半径和中心的概念;第二,元素总和为 1。高斯滤波器是在件的基础上,并满足卷积核中的元素服从高斯分布,原因在于视觉系统的图像效果呈现非线性。高斯滤波器是基于二维的高斯分布函数,二维数如(2.2)所示。2 22221( , )2x yG x y e 其中 y 和 x 表示卷积核中某个纵坐标和横坐标距离中心点的距离, 控线的平缓程度, 值越大,曲线越平缓,最高点越低。在图 2.1 中,本x和 y 越趋近于 0,卷积核的中心点权重最大。
(c) 梯形隶属度函数 (d) 三角形隶属度函数图 2.3 常规一维隶属度函数图2.4.3 模糊规则模糊规则表现为一组因果推理的逻辑关系表达式,但模糊规则不同于传统条件规则。解释如下,传统条件推导出的结果只有是或不是,而模糊规则推导出的结果为一定程度上是,一定程度上不是。推导出这种条件的结果可能是单个的模糊集合,也可能是类似于小雨到大雨这种复合型的集合。模糊逻辑推理系统是由众多不同的模糊推理规则组成,规则的数目与整个系统中模糊变量和隶属集合数目有关[49]。2.4.4 去模糊化去模糊化定义如下,模糊集合通过多种去模糊函数计算得到一个离散的量,比如本文描述大雨或小雨程度的描述值。去模糊化也可以解释为模糊的逆过程,下面
本文编号:2895126
本文链接:https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/2895126.html