| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 引言 | 第7-9页 |
| ·数字水印的研究背景 | 第7页 |
| ·数字水印的发展与研究现状 | 第7-8页 |
| ·本文的主要工作 | 第8页 |
| ·论文结构 | 第8-9页 |
| 第二章 数字水印技术 | 第9-16页 |
| ·数字水印系统的基本框架 | 第9-10页 |
| ·数字水印技术的特性、分类 | 第10-12页 |
| ·数字水印技术的特性 | 第10-11页 |
| ·数字水印技术的分类 | 第11-12页 |
| ·数字水印的主要应用 | 第12-13页 |
| ·图像数字水印技术的现存方案 | 第13-16页 |
| 第三章 基于奇异值分解和神经网络的图像数字水印技术 | 第16-28页 |
| ·奇异值分解 | 第16-19页 |
| ·奇异值分解的定义 | 第16-17页 |
| ·奇异值分解的性质 | 第17-19页 |
| ·数字图像的奇异值分解 | 第19页 |
| ·误差逆向传播网络 | 第19-23页 |
| ·神经网络概述 | 第19-20页 |
| ·误差逆向传播网络的定义、特点及应用 | 第20-21页 |
| ·误差逆向传播网络的实现 | 第21-23页 |
| ·基于SVD 和神经网络的鲁棒数字水印算法 | 第23-27页 |
| ·宿主图像预处理 | 第23-24页 |
| ·水印嵌入算法 | 第24-26页 |
| ·水印提取算法 | 第26页 |
| ·水印复原 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第四章 实验与结论 | 第28-36页 |
| ·图像数字水印的性能评估和基准 | 第28-29页 |
| ·影响水印稳健性的因素 | 第28页 |
| ·基于象素的视觉质量的定量描述 | 第28-29页 |
| ·水印系统评测中的攻击方法 | 第29-30页 |
| ·算法性能评估测试 | 第30-34页 |
| ·小结 | 第34-36页 |
| 第五章 总结和展望 | 第36-38页 |
| ·总结 | 第36-37页 |
| ·展望 | 第37-38页 |
| 参考文献 | 第38-41页 |
| 致谢 | 第41-42页 |
| 在学期间公开发表论文及著作情况 | 第42页 |