基于贝叶斯决策的JPEG图像隐写分析方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景和意义 | 第10页 |
| 1.2 信息隐藏技术和隐写分析 | 第10-14页 |
| 1.2.1 信息隐藏技术 | 第11-13页 |
| 1.2.2 隐写分析 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-17页 |
| 1.3.1 JPEG图像的专用隐写分析 | 第15-16页 |
| 1.3.2 JPEG图像的通用隐写分析 | 第16-17页 |
| 1.4 本文的主要工作与论文结构 | 第17-20页 |
| 第2章 JPEG图像的隐写和隐写分析理论 | 第20-30页 |
| 2.1 JPEG图像简介 | 第20-21页 |
| 2.2 常见的JPEG图像隐写方法 | 第21-24页 |
| 2.2.1 JSteg隐写方法 | 第21-22页 |
| 2.2.2 F5隐写方法 | 第22-23页 |
| 2.2.3 OutGuess隐写方法 | 第23页 |
| 2.2.4 MB隐写方法 | 第23-24页 |
| 2.3 常见的JPEG图像隐写分析方法 | 第24-28页 |
| 2.3.1 卡方隐写分析方法 | 第24-25页 |
| 2.3.2 RS隐写分析方法 | 第25-26页 |
| 2.3.3 基于直方图特征函数质心的隐写分析方法 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于多特征值的JPEG图像隐写分析 | 第30-54页 |
| 3.1 基于DCT统计特性的特征值提取 | 第30-32页 |
| 3.1.1 校验特征值 | 第30页 |
| 3.1.2 DCT统计特征值描述 | 第30-32页 |
| 3.1.3 特征值提取流程图 | 第32页 |
| 3.2 基于Markov模型的特征值提取 | 第32-37页 |
| 3.2.1 Markov模型 | 第33页 |
| 3.2.2 Markov概率转移矩阵描述 | 第33-36页 |
| 3.2.3 特征值提取流程图 | 第36-37页 |
| 3.3 基于多向概率转移矩阵的特征提取 | 第37-43页 |
| 3.3.1 多向概念 | 第38页 |
| 3.3.2 多向概率转移矩阵描述 | 第38-40页 |
| 3.3.3 特征值提取流程及有效性分析 | 第40-43页 |
| 3.4 隐写分析的测试环境 | 第43-47页 |
| 3.4.1 测试流程 | 第43-44页 |
| 3.4.2 SVM分类器 | 第44-47页 |
| 3.4.3 图像库 | 第47页 |
| 3.5 多特征值隐写分析的测试实验与结果分析 | 第47-52页 |
| 3.5.1 与其它先进算法比较 | 第49-52页 |
| 3.5.2 多特征值算法性能分析 | 第52页 |
| 3.6 本章小结 | 第52-54页 |
| 第4章 基于贝叶斯的决策融合方法与测试分析 | 第54-60页 |
| 4.1 基于贝叶斯的决策融合方法 | 第54-57页 |
| 4.1.1 融合模型 | 第54-55页 |
| 4.1.2 贝叶斯最小风险决策理论 | 第55-56页 |
| 4.1.3 基于贝叶斯最小风险决策融合的隐写分析 | 第56-57页 |
| 4.2 测试实验及结果分析 | 第57-58页 |
| 4.3 本章小结 | 第58-60页 |
| 第5章 总结与展望 | 第60-62页 |
| 5.1 本文总结 | 第60页 |
| 5.2 工作展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-68页 |
| 攻读硕士期间发表论文情况 | 第68页 |
