本文提出了一种有效的基于像素的感知加密方法，采用混沌映射生成的序列对像素值进行异或运算。已验证该方法在保持原始图像固有属性的同时提供了必要的安全性，且应用于数据集 CIFAR 上时，其分类精度与现有方法相当，同时提高了安全性。

Mar, 2022

介绍了一种可学习的图像加密方案，用于保护图像隐私，在不侵犯隐私的前提下，通过加密的图像进行网络训练并得到验证。

Mar, 2018

本研究提出了一种基于二维滞后复杂对数映射（2D-LCLM）和周易八卦的海上风电加密算法，可以进行信息传输且防御常见攻击，具有完美的加密性能。

Jun, 2023

提出一种基于块级置换的加密方案，旨在加强对 JPEG 压缩下的加压加密系统的安全性，能够通过不受信任通道提供者（如社交网络服务提供商）安全传输图像。该方案使用更小的块大小和更多的块数，灰度图像的使用减少了加密后的图像中的颜色信息，这些特性增强了对各种攻击的安全性。在实验中，评估了该方案对拼图解谜攻击的抵抗力，结果表明该方案对于 EtC 系统非常有效。

Nov, 2018

以用户为中心的设计和资源优化在任何技术或创新中都应该是关键。该方案创新于医学图像存储和安全领域，通过分割、存储和检索三个主要模块，通过对医学图像进行加密和分割，实现了对关键部分的安全存储，从而提高检索速度。

Mar, 2024

高清屏幕、图像增强、边缘设备、查找表和硬件推理是本研究的主要关键词和研究领域。

Mar, 2024

该论文介绍了一种学习图像自适应 3D 查找表以实现快速和强大的照片增强方法，该方法学习多个 3D LUTs 基础，同时使用小型卷积神经网络 (CNN) 以内容相关的方式自适应的融合多个基础 3D LUTs 并处理 4K 的图像仅需不到 2 毫秒。在性能和计算效率方面超越了现有的照片增强方法。

Sep, 2020

研究了两种结合了循环位移和异或操作的加密方案的安全性，并发现存在一些安全缺陷，底层混沌 PRBS 可以通过两个已知明文攻击进行重建并获得大多数元素。

Nov, 2006

本文提出了一种新的防御方法，通过像素重排、位反转和 FFX 加密三种算法对输入图像进行块状预处理，使用该方法在 CIFAR-10 和 ImageNet 数据集中的黑盒和白盒攻击实验中均能保持较高分类准确性，是当前已知的对抗防御技术中最优秀的。

Oct, 2020

本文提出了一种基于可学习的空间感知三维查找表（3D LUTs）的实时图像增强器，它充分考虑了全局情况和局部空间信息，通过在端到端的方式中的权重融合学习 3D LUT 并将其用于以有效的方式将源图像转换为目标色调，该模型在公共数据集上主观上和客观上均优于 SOTA 图像增强方法，并且仅使用一个 NVIDIA V100 GPU 即可在 4ms 内处理 4K 分辨率图像。

Aug, 2021