| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究意义 | 第10-11页 |
| 1.2 数字图像篡改检测技术的研究现状 | 第11-12页 |
| 1.3 数字图像篡改检测技术的方法介绍与分析 | 第12-15页 |
| 1.3.1 基于分块的方法 | 第12-14页 |
| 1.3.2 基于特征点的方法 | 第14页 |
| 1.3.3 其他混合方法 | 第14-15页 |
| 1.4 研究内容与组织结构 | 第15-16页 |
| 2 基于均匀分布SURF特征点匹配的自适应Copy-Move篡改检测 | 第16-38页 |
| 2.1 基于图像分类的均匀分布SURF特征点提取 | 第16-20页 |
| 2.1.1 概率密度梯度SURF算子特征点检测器 | 第16-19页 |
| 2.1.2 结合超像素分类思想的图像区域分类 | 第19-20页 |
| 2.2 自适应特征区域及指数矩特征构造 | 第20-22页 |
| 2.2.1 指数矩特征的基本理论 | 第20-22页 |
| 2.2.2 SURF特征点的区域及特征构造 | 第22页 |
| 2.3 算法详细介绍 | 第22-29页 |
| 2.3.1 待检图像自适应超像素分割及分类 | 第23-24页 |
| 2.3.2 自适应特征点提取及特征构造 | 第24-25页 |
| 2.3.3 Rg2NN匹配及其筛选 | 第25-26页 |
| 2.3.4 确定并标记篡改区域 | 第26-29页 |
| 2.4 仿真实验结果 | 第29-36页 |
| 2.4.1 篡改检测客观评价指标 | 第29页 |
| 2.4.2 篡改图像检测结果及鲁棒性测试 | 第29-34页 |
| 2.4.3 实验结果优势比较与分析 | 第34-36页 |
| 2.5 本章小结 | 第36-38页 |
| 3 基于多粒度超像素匹配的鲁棒型Copy-Move篡改检测 | 第38-59页 |
| 3.1 多粒度超像素分块思想 | 第38-40页 |
| 3.1.1 自适应“粗粒度”超像素分割 | 第38-39页 |
| 3.1.2“细粒度”超像素标记 | 第39-40页 |
| 3.2 超像素特征选择和自适应匹配 | 第40-46页 |
| 3.2.1 使用颜色不变量改进的SIFER检测器 | 第40-43页 |
| 3.2.2 四元数指数矩的基本理论 | 第43-45页 |
| 3.2.3 超像素特征的表达 | 第45-46页 |
| 3.3 算法流程及详细步骤 | 第46-52页 |
| 3.3.1 待检图像自适应超像素分块 | 第46-48页 |
| 3.3.2 超像素特征自适应匹配 | 第48-51页 |
| 3.3.3 篡改区域精确定位与标记 | 第51-52页 |
| 3.4 篡改检测实验结果 | 第52-58页 |
| 3.4.1 实验参数设置 | 第52-53页 |
| 3.4.2 主客观检测结果 | 第53-58页 |
| 3.4.3 实验结果分析 | 第58页 |
| 3.5 本章小结 | 第58-59页 |
| 4 基于降维特征的CSH快速匹配Copy-Move篡改检测 | 第59-74页 |
| 4.1 SVD降维特征 | 第59-60页 |
| 4.2 CSH快速匹配算法 | 第60-62页 |
| 4.2.1 CSH理论介绍 | 第60-62页 |
| 4.2.2 CSH在篡改检测领域的应用 | 第62页 |
| 4.3 快速ZNCC算法 | 第62-64页 |
| 4.4 算法步骤介绍 | 第64-67页 |
| 4.4.1 图像全局特征提取与表达 | 第64页 |
| 4.4.2 全局特征CSH快速匹配 | 第64-65页 |
| 4.4.3 后处理及篡改区域可视化 | 第65-67页 |
| 4.5 篡改检测结果及分析 | 第67-73页 |
| 4.5.1 未攻击检测结果 | 第67-68页 |
| 4.5.2 攻击测试结果 | 第68-73页 |
| 4.6 本章小结 | 第73-74页 |
| 5 总结与展望 | 第74-76页 |
| 5.1 总结及创新分析 | 第74-75页 |
| 5.2 未来研究展望 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间的科研成果 | 第80-81页 |
| 致谢 | 第81页 |
