| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 引言 | 第8-13页 |
| ·数字水印技术 | 第8页 |
| ·数字水印的分类及主要应用领域 | 第8-10页 |
| ·典型数字水印系统模型 | 第10页 |
| ·常见数字水印攻击技术 | 第10-11页 |
| ·水印系统的评测 | 第11-12页 |
| ·国内外研究现状 | 第12页 |
| ·本文的组织结构 | 第12-13页 |
| 第2章 数字水印技术目前面临的挑战 | 第13-17页 |
| ·现有数字水印技术的局限性 | 第13-15页 |
| ·图像扭曲 | 第13页 |
| ·水印嵌入量与嵌入后的图像质量的矛盾 | 第13-14页 |
| ·鲁棒性与不可见性的矛盾 | 第14页 |
| ·宿主图像与水印图像质量的相关性 | 第14-15页 |
| ·彩色图像水印嵌入技术和彩色水印技术还不成熟 | 第15页 |
| ·传统水印主要基于图像纹理分析（视觉敏感度）的不足 | 第15页 |
| ·亟需解决的技术难题 | 第15页 |
| ·图像内容敏感度的定义 | 第15-16页 |
| ·系统总体流程 | 第16-17页 |
| 第3章 基于神经网络的人脸定位 | 第17-21页 |
| ·预处理过程 | 第17-18页 |
| ·基于神经网络的过滤器 | 第18页 |
| ·网络仲裁规则 | 第18页 |
| ·神经网络的训练 | 第18-19页 |
| ·否定样本的选择（BOOTSTRAP 过程） | 第19页 |
| ·实验结果 | 第19-21页 |
| 第4章 基于小波包结合SVD 的数字水印嵌入算法 | 第21-26页 |
| ·水印预处理 | 第21-22页 |
| ·特征水印提取 | 第21页 |
| ·水印置乱 | 第21-22页 |
| ·水印嵌入算法 | 第22-25页 |
| ·宿主图像内容敏感度分析及处理 | 第22页 |
| ·宿主图像分块分析及重组 | 第22-24页 |
| ·水印嵌入算法和提取算法 | 第24-25页 |
| ·水印提取算法 | 第25-26页 |
| 第5章 试验对比结果 | 第26-31页 |
| 第6章 水印恢复 | 第31-33页 |
| ·神经网络训练 | 第31页 |
| ·基于神经网络的水印恢复 | 第31-33页 |
| 结论 | 第33-34页 |
| 参考文献 | 第34-36页 |
| 致谢 | 第36-37页 |
| 在学期间公开发表论文及著作情况 | 第37页 |