摘要 | 第1-6页 |
ABSTRACT | 第6-11页 |
第一章 绪论 | 第11-18页 |
·论文课题的背景和意义 | 第11-13页 |
·数字水印的背景及其产生 | 第11-12页 |
·彩色图像数字水印 | 第12-13页 |
·国内外的研究现状 | 第13-16页 |
·数字水印技术研究进展 | 第13-14页 |
·鲁棒性彩色图像数字水印算法研究现状 | 第14-15页 |
·基于神经网络的数字水印算法研究进展 | 第15-16页 |
·本文的工作 | 第16-18页 |
第二章 图像数字水印的基本理论 | 第18-32页 |
·数字水印的概念与特性 | 第18-19页 |
·数字水印技术的概念 | 第18页 |
·数字水印技术的特性 | 第18-19页 |
·数字水印的基本框架 | 第19页 |
·水印信号嵌入框架 | 第19页 |
·水印信号提取框架 | 第19页 |
·数字水印的各种攻击方法和对策 | 第19-20页 |
·几何攻击 | 第19-20页 |
·JPEG 压缩攻击 | 第20页 |
·加噪声攻击 | 第20页 |
·数字水印性能评估 | 第20-21页 |
·峰值信噪比 | 第20-21页 |
·相关系数 | 第21页 |
·DCT、小波变换、Contourlet 变换 | 第21-31页 |
·DCT 变换 | 第21-23页 |
·小波变换 | 第23-25页 |
·Contourlet 变换 | 第25-31页 |
·本章小结 | 第31-32页 |
第三章 基函数神经网络和图像不变矩 | 第32-39页 |
·神经网络概述 | 第32-33页 |
·基函数神经网络的模型 | 第33-36页 |
·Chebyshev 多项式逼近理论 | 第33-34页 |
·Legendre 多项式逼近理论 | 第34页 |
·单个输入与输出的神经网络模型 | 第34-35页 |
·多个输入与单个输出的神经网络模型 | 第35-36页 |
·图像的几何不变矩 | 第36页 |
·图像几何不变矩的定义 | 第36页 |
·Hu 的七种几何不变矩 | 第36页 |
·Zernike 不变矩 | 第36-38页 |
·Zernike 不变矩的定义 | 第37页 |
·数字图像的Zernike 不变矩 | 第37-38页 |
·本章小结 | 第38-39页 |
第四章 基于Chebyshev 和Zernike 的空域彩色水印算法 | 第39-48页 |
·引言 | 第39页 |
·RGB 分量特点分析 | 第39页 |
·人类视觉系统(Human Visual System) | 第39-40页 |
·水印图像Logistic 混沌 | 第40-41页 |
·Chebyshev 基函数神经网络实现 | 第41页 |
·水印算法设计与实现 | 第41-44页 |
·自适应水印嵌入强度元素α | 第41-42页 |
·水印嵌入 | 第42-43页 |
·水印提取 | 第43-44页 |
·实验结果与分析 | 第44页 |
·结论 | 第44-47页 |
·本章小结 | 第47-48页 |
第五章 基于Legendre 和Zernike 的Contourlet 变域彩色水印算法 | 第48-58页 |
·引言 | 第48页 |
·Contourlet 变换 | 第48页 |
·Legendre 基函数神经网络 | 第48-49页 |
·水印算法设计与实现 | 第49-51页 |
·水印嵌入 | 第49-50页 |
·水印提取 | 第50-51页 |
·实验结果与分析 | 第51-56页 |
·结论 | 第56-57页 |
·本章小结 | 第57-58页 |
第六章 数字水印在数字水彩画版权保护中的应用 | 第58-65页 |
·引言 | 第58页 |
·混沌异步加密与解密算法 | 第58-60页 |
·NVF 感知模型 | 第60页 |
·水印的嵌入和提取 | 第60-62页 |
·水印嵌入 | 第60-61页 |
·水印提取 | 第61-62页 |
·系统运行效果展示 | 第62-63页 |
·系统测试结果 | 第63-64页 |
·本章小结 | 第64-65页 |
第七章 总结和展望 | 第65-67页 |
·工作总结 | 第65-66页 |
·今后的工作及研究展望 | 第66-67页 |
参考文献 | 第67-72页 |
致谢 | 第72-73页 |
攻读学位期间的研究成果 | 第73页 |