| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景和意义 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·机器学习与数字水印 | 第12-15页 |
| ·机器学习理论概述 | 第12-14页 |
| ·机器学习理论之于数字水印 | 第14-15页 |
| ·论文的主要研究工作及章节安排 | 第15-17页 |
| ·本文的主要研究工作 | 第15页 |
| ·本文的章节安排 | 第15-17页 |
| 第二章 数字水印技术概述 | 第17-23页 |
| ·数字水印系统的框架 | 第17页 |
| ·数字水印系统的特征及分类 | 第17-18页 |
| ·数字水印系统的特征 | 第17页 |
| ·数字水印系统的分类 | 第17-18页 |
| ·数字水印算法 | 第18-20页 |
| ·空域数字水印算法 | 第19页 |
| ·变换域数字水印算法 | 第19-20页 |
| ·数字水印系统评价指标 | 第20-21页 |
| ·主观评价 | 第20页 |
| ·客观评价 | 第20-21页 |
| ·图像数字水印系统的攻击类型 | 第21页 |
| ·同步性攻击 | 第21页 |
| ·非同步性攻击 | 第21页 |
| ·本章小结 | 第21-23页 |
| 第三章 一种基于粒子群优化的小波域数字水印算法 | 第23-33页 |
| ·引言 | 第23页 |
| ·基础理论知识介绍 | 第23-25页 |
| ·小波域数字水印嵌入框架 | 第23-24页 |
| ·粒子群算法 | 第24-25页 |
| ·基于粒子群优化算法的数字水印设计 | 第25-27页 |
| ·嵌入强度的优化 | 第25-27页 |
| ·水印的嵌入 | 第27页 |
| ·水印的提取 | 第27页 |
| ·仿真实验 | 第27-31页 |
| ·参数的设定 | 第28-29页 |
| ·不可见性和鲁棒性检测 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 第四章 一种基于排序QR分解和Adaboost分类器的盲水印算法 | 第33-43页 |
| ·引言 | 第33页 |
| ·基础理论知识 | 第33-36页 |
| ·IWT | 第33-34页 |
| ·Adaboost分类器 | 第34-35页 |
| ·排序QR分解 | 第35-36页 |
| ·基于排序QR分解和Adaboost分类器的盲水印算法 | 第36-38页 |
| ·水印嵌入 | 第36-37页 |
| ·训练Adaboost分类器 | 第37页 |
| ·水印提取 | 第37-38页 |
| ·实验结果 | 第38-41页 |
| ·参数选择 | 第38-39页 |
| ·不可见性和鲁棒性检测 | 第39-41页 |
| ·本章小结 | 第41-43页 |
| 第五章 一种基于LS-SVM和SVD奇异值向量的盲水印算法 | 第43-53页 |
| ·引言 | 第43页 |
| ·基础理论知识 | 第43-45页 |
| ·SVD | 第43-44页 |
| ·LS-SVM | 第44-45页 |
| ·基于LS-SVM和VD奇异值向量的盲水印算法 | 第45-47页 |
| ·水印嵌入 | 第46页 |
| ·LS-SVM分类器的训练 | 第46-47页 |
| ·水印提取 | 第47页 |
| ·仿真实验 | 第47-51页 |
| ·参数选择 | 第48-49页 |
| ·鲁棒性和不可见性检测 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 总结与展望 | 第53-55页 |
| 总结 | 第53页 |
| 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间取得的学术成果 | 第59-61页 |
| 致谢 | 第61页 |
