| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文主要研究内容及结构安排 | 第13-16页 |
| 第2章 JPEG压缩伪迹去除方法 | 第16-23页 |
| 2.1 引言 | 第16页 |
| 2.2 图像JPEG压缩 | 第16-17页 |
| 2.3 Fast ARCNN算法 | 第17-19页 |
| 2.4 L8 Residual算法 | 第19-20页 |
| 2.5 DnCNN-3 算法 | 第20-21页 |
| 2.6 评价标准 | 第21-22页 |
| 2.7 本章小结 | 第22-23页 |
| 第3章 基于量化约束和卷积神经网络的JPEG压缩伪迹去除方法 | 第23-33页 |
| 3.1 引言 | 第23页 |
| 3.2 网络框架 | 第23-25页 |
| 3.2.1 ARCNN算法 | 第23-25页 |
| 3.2.2 量化约束 | 第25页 |
| 3.3 训练和测试 | 第25-27页 |
| 3.4 实验结果 | 第27-32页 |
| 3.4.1 一轮结合方式 | 第27-29页 |
| 3.4.2 多轮结合方式 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第4章 基于多尺度稠密残差网络的JPEG压缩伪迹去除方法 | 第33-46页 |
| 4.1 引言 | 第33页 |
| 4.2 多尺度稠密残差网络 | 第33-36页 |
| 4.2.1 网络结构 | 第33-34页 |
| 4.2.2 多尺度稠密块 | 第34-35页 |
| 4.2.3 网络中的分支 | 第35-36页 |
| 4.2.4 损失函数 | 第36页 |
| 4.3 训练和测试 | 第36-37页 |
| 4.4 实验结果 | 第37-44页 |
| 4.4.1 与其它算法比较 | 第37-41页 |
| 4.4.2 不同尺度对网络性能的影响 | 第41-42页 |
| 4.4.3 不同网络层数的对比实验 | 第42页 |
| 4.4.4 使用稠密块对网络性能的影响 | 第42-43页 |
| 4.4.5 小数据集训练对网络性能的影响 | 第43页 |
| 4.4.6 不同损失函数对网络性能的影响 | 第43-44页 |
| 4.4.7 残差学习对网络性能的影响 | 第44页 |
| 4.5 本章小结 | 第44-46页 |
| 第5章 基于小波多尺度稠密残差网络的JPEG压缩伪迹去除方法 | 第46-59页 |
| 5.1 引言 | 第46页 |
| 5.2 小波多尺度稠密残差网络 | 第46-50页 |
| 5.2.1 网络结构 | 第46-47页 |
| 5.2.2 二维离散小波变换 | 第47-48页 |
| 5.2.3 多尺度稠密残差块 | 第48-49页 |
| 5.2.4 损失函数 | 第49-50页 |
| 5.3 训练和测试 | 第50-51页 |
| 5.4 实验结果 | 第51-57页 |
| 5.4.1 单独训练方式 | 第51-52页 |
| 5.4.2 小数据集对网络进行联合训练 | 第52-53页 |
| 5.4.3 大数据集对网络进行联合训练 | 第53-57页 |
| 5.4.4 不同损失函数对网络性能的影响 | 第57页 |
| 5.4.5 残差学习对网络性能的影响 | 第57页 |
| 5.5 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第66-67页 |
| 致谢 | 第67页 |
