与文本无关的打印文件机源认证研究
| 摘要 | 第9-11页 |
| ABSTRACT | 第11-13页 |
| 第一章 绪论 | 第14-27页 |
| 1.1 课题研究背景与意义 | 第14页 |
| 1.2 打印文件机源认证技术简介 | 第14-17页 |
| 1.2.1 打印文件机源认证定义 | 第14-15页 |
| 1.2.2 打印文件检验方法 | 第15-17页 |
| 1.3 打印文件检验国内外研究状况 | 第17-20页 |
| 1.3.1 国外打印文件检验技术状况 | 第17-18页 |
| 1.3.2 国内打印文件检验技术状况 | 第18-20页 |
| 1.4 打印文件机源认证的难点 | 第20-21页 |
| 1.5 本文的研究内容和打印文件检验评价指标 | 第21-25页 |
| 1.5.1 论文主要研究内容 | 第21-23页 |
| 1.5.2 打印文件检验评价指标 | 第23-25页 |
| 1.6 论文组织结构 | 第25-26页 |
| 1.7 本章小结 | 第26-27页 |
| 第二章 大幅高倍显微放大图像采集系统 | 第27-43页 |
| 2.1 引言 | 第27-28页 |
| 2.2 大幅整体高倍放大图像采集系统设计 | 第28-29页 |
| 2.3 图像采集系统硬件设计 | 第29-36页 |
| 2.3.1 XY轴二维电控平移系统 | 第29-33页 |
| 2.3.2 其他关键硬件组件 | 第33-36页 |
| 2.4 采集系统软件设计 | 第36-42页 |
| 2.4.1 电控平移台及相机驱动程序 | 第36-38页 |
| 2.4.2 拼接程序 | 第38-41页 |
| 2.4.3 采集字符图像预处理 | 第41-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第三章 基于统计纹理特征选择的打印文件机源认证 | 第43-73页 |
| 3.1 引言 | 第43-44页 |
| 3.2 激光打印机工作原理 | 第44-46页 |
| 3.3 基于灰度共生矩阵的统计纹理特征提取 | 第46-50页 |
| 3.4 基于离散小波变换的统计纹理特征提取 | 第50-55页 |
| 3.4.1 连续小波变换 | 第50-51页 |
| 3.4.2 离散小波变换 | 第51-52页 |
| 3.4.3 小波基的选择及特征提取 | 第52-55页 |
| 3.5 基于GLCM和DWT的特征选择 | 第55-59页 |
| 3.6 分类鉴别 | 第59-61页 |
| 3.7 实验结果与分析 | 第61-72页 |
| 3.7.1 实验样本集 | 第62-63页 |
| 3.7.2 基于灰度共生矩阵统计纹理特征的分类 | 第63-65页 |
| 3.7.3 基于DWT变换统计纹理特征的分类 | 第65-68页 |
| 3.7.4 基于特征选择的分类 | 第68-72页 |
| 3.8 本章小结 | 第72-73页 |
| 第四章 基于多尺度LBP的打印文件机源认证 | 第73-96页 |
| 4.1 引言 | 第73页 |
| 4.2 与字符结构无关的纹理图像获取方法 | 第73-78页 |
| 4.3 局部二进制模式原理及应用 | 第78-85页 |
| 4.3.1 原始LBP算子 | 第78-80页 |
| 4.3.2 演化LBP算子 | 第80-82页 |
| 4.3.3 CLBP特征提取 | 第82-85页 |
| 4.4 基于高斯金字塔的多尺度LBP | 第85-91页 |
| 4.4.1 多尺度分析 | 第85-87页 |
| 4.4.2 滤波器的选择 | 第87-88页 |
| 4.4.3 基于金字塔结构的LBP特征提取 | 第88-91页 |
| 4.5 实验结果与分析 | 第91-95页 |
| 4.6 本章小结 | 第95-96页 |
| 第五章 基于稀疏表示的打印文件机源认证 | 第96-113页 |
| 5.1 引言 | 第96页 |
| 5.2 基于稀疏表示的分类方法 | 第96-104页 |
| 5.2.1 稀疏表示理论基础 | 第96-97页 |
| 5.2.2 稀疏表示编码系数求解 | 第97-99页 |
| 5.2.3 基于稀疏表示的分类 | 第99-100页 |
| 5.2.4 基于SRC的打印文件机源认证实验 | 第100-103页 |
| 5.2.5 基于多尺度LBP的稀疏表示分类实验 | 第103-104页 |
| 5.3 基于字典学习的打印文件机源认证 | 第104-112页 |
| 5.3.1 基于字典学习的分类识别 | 第105-106页 |
| 5.3.2 GFDDL字典学习算法 | 第106-108页 |
| 5.3.3 分类方法 | 第108-109页 |
| 5.3.4 实验结果与分析 | 第109-112页 |
| 5.4 本章小结 | 第112-113页 |
| 第六章 基于信息挖掘的打印文件机源认证 | 第113-128页 |
| 6.1 引言 | 第113页 |
| 6.2 纹理因素分析模型及显著性检验 | 第113-117页 |
| 6.2.1 单因素方差分析模型 | 第113-114页 |
| 6.2.2 纹理因素显著性检验实验 | 第114-117页 |
| 6.3 两因子分析模型及显著性检验 | 第117-122页 |
| 6.3.1 两因子方差分析模型 | 第117-119页 |
| 6.3.2 两因子显著性检验实验 | 第119-122页 |
| 6.4 基于信息挖掘与融合的打印机认证方法 | 第122-126页 |
| 6.4.1 字符因子挖掘与特征融合 | 第122-124页 |
| 6.4.2 基于信息挖掘与融合方法的可鉴别性证明 | 第124-125页 |
| 6.4.3 实验结果与分析 | 第125-126页 |
| 6.5 本章小结 | 第126-128页 |
| 第七章 总结与展望 | 第128-131页 |
| 7.1 工作总结 | 第128-129页 |
| 7.2 进一步的工作展望 | 第129-131页 |
| 参考文献 | 第131-139页 |
| 攻博期间科研成果目录 | 第139-140页 |
| 致谢 | 第140-141页 |
| 附录一 | 第141-142页 |
