红外可检测水印的调色与嵌入研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 论文研究的背景及意义 | 第7-9页 |
| 1.1.1 油墨的红外光谱特性 | 第8页 |
| 1.1.2 灰色成分替代 GCR | 第8页 |
| 1.1.3 色彩管理与色彩空间转换 | 第8-9页 |
| 1.1.4 印刷半色调技术 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 红外吸收剂与调色 | 第9-10页 |
| 1.2.2 色彩空间转换 | 第10-11页 |
| 1.2.3 半色调加网 | 第11-12页 |
| 1.3 论文主要研究内容 | 第12-13页 |
| 1.4 论文结构 | 第13-14页 |
| 第二章 理论分析 | 第14-22页 |
| 引言 | 第14-15页 |
| 2.1 红外光谱理论及水印原理 | 第15-17页 |
| 2.1.1 红外光谱的分布 | 第15-16页 |
| 2.1.2 红外光谱的显色原理 | 第16-17页 |
| 2.2 GCR 替换原理 | 第17-18页 |
| 2.3 半色调加网及水印嵌入 | 第18-22页 |
| 2.3.1 调幅加网技术 | 第19-20页 |
| 2.3.2 调频加网 | 第20-21页 |
| 2.3.3 混合加网的算法 | 第21-22页 |
| 第三章 基于色彩空间转换的调色方法 | 第22-34页 |
| 引言 | 第22-23页 |
| 3.1 人工神经网络的概述 | 第23-25页 |
| 3.1.1 人工神经网络的基本原理 | 第23-24页 |
| 3.1.2 人工神经网络结构与学习方式 | 第24-25页 |
| 3.2 基于深度构架建立神经网络 | 第25-30页 |
| 3.2.1 深度神经网络的训练方法 | 第25-27页 |
| 3.2.2 深度网络结构设计 | 第27-30页 |
| 3.3 深度神经网络的建立 | 第30-34页 |
| 3.3.1 数据获取 | 第30页 |
| 3.3.2 网络模型建立 | 第30-32页 |
| 3.3.3 结果分析 | 第32-34页 |
| 第四章 基于网点的水印嵌入与检测 | 第34-45页 |
| 引言 | 第34页 |
| 4.1 水印调色设计 | 第34-38页 |
| 4.2 水印嵌入设计 | 第38-41页 |
| 4.3 半色调网点设计 | 第41-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 总结与展望 | 第45-46页 |
| 5.1 论文总结 | 第45页 |
| 5.2 创新点 | 第45页 |
| 5.3 论文的不足和展望 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 攻读硕士学位期间发表的论文及著作 | 第49页 |
