基于CNN的空域图像隐写分析方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 基于CNN的图像隐写分析研究现状 | 第11-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 本文结构安排 | 第15-16页 |
| 第二章 相关研究概述 | 第16-28页 |
| 2.1 引言 | 第16页 |
| 2.2 图像隐写概述 | 第16-19页 |
| 2.2.1 隐写术的基本框架 | 第16-17页 |
| 2.2.2 隐写术评价指标 | 第17页 |
| 2.2.3 图像隐写研究现状 | 第17-19页 |
| 2.3 图像隐写分析概述 | 第19-23页 |
| 2.3.1 图像隐写分析基本框架 | 第19页 |
| 2.3.2 图像隐写分析的评价指标 | 第19-20页 |
| 2.3.3 基于手工特征的图像隐写分析研究现状 | 第20-23页 |
| 2.4 卷积神经网络概述 | 第23-27页 |
| 2.4.1 卷积神经网络的特性 | 第23-25页 |
| 2.4.2 经典的CNN结构 | 第25-27页 |
| 2.4.3 网络的优化训练 | 第27页 |
| 2.5 本章小节 | 第27-28页 |
| 第三章 一种简单易调整的图像隐写分析网络结构 | 第28-40页 |
| 3.1 引言 | 第28-29页 |
| 3.2 算法介绍 | 第29-35页 |
| 3.2.1 网络结构 | 第29-32页 |
| 3.2.2 高通滤波器初始化权值 | 第32-33页 |
| 3.2.3 激活函数的设置 | 第33-35页 |
| 3.2.4 迁移学习训练低嵌入容量模型 | 第35页 |
| 3.3 实验与结果分析 | 第35-39页 |
| 3.3.1 实验环境 | 第35页 |
| 3.3.2 数据集 | 第35-36页 |
| 3.3.3 实现细节 | 第36-37页 |
| 3.3.4 结果与分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于多任务学习CNN的图像隐写分析 | 第40-58页 |
| 4.1 引言 | 第40-41页 |
| 4.2 算法介绍 | 第41-48页 |
| 4.2.1 估算选择信道的信息 | 第41页 |
| 4.2.2 多任务学习 | 第41-42页 |
| 4.2.3 FCN的网络结构 | 第42-45页 |
| 4.2.4 多任务学习网络结构 | 第45-48页 |
| 4.2.5 多任务学习损失函数 | 第48页 |
| 4.3 实验与结果分析 | 第48-57页 |
| 4.3.1 估算选择信道信息实现细节 | 第49-50页 |
| 4.3.2 结果与分析 | 第50-57页 |
| 4.4 本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-67页 |
| 致谢 | 第67-68页 |
| 附件 | 第68页 |
