基于深度学习的隐写分析研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 序言 | 第8-11页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-14页 |
| 1.2 本文研究内容 | 第14-17页 |
| 1.3 论文组织结构 | 第17-19页 |
| 2 相关研究综述 | 第19-27页 |
| 2.1 隐写相关研究综述 | 第19-21页 |
| 2.1.1 隐写性能衡量标准 | 第19-20页 |
| 2.1.2 隐写算法综述 | 第20-21页 |
| 2.2 隐写分析相关研究综述 | 第21-24页 |
| 2.2.1 隐写分析性能评价标准 | 第21-22页 |
| 2.2.2 隐写分析综述 | 第22-24页 |
| 2.3 深度学习 | 第24-26页 |
| 2.3.1 深度学习概念 | 第24-25页 |
| 2.3.2 卷积神经网络 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 基于深度学习和差异增强的隐写分析 | 第27-42页 |
| 3.1 引言 | 第27-28页 |
| 3.2 研究基础 | 第28-29页 |
| 3.3 基于CNN和差异增强的隐写分析框架 | 第29-36页 |
| 3.3.1 差异增强 | 第29-30页 |
| 3.3.2 预处理层 | 第30-33页 |
| 3.3.3 卷积层 | 第33-35页 |
| 3.3.4 分类层 | 第35-36页 |
| 3.4 实验结果及分析 | 第36-41页 |
| 3.4.1 实验数据和平台 | 第36-37页 |
| 3.4.2 网络参数 | 第37-38页 |
| 3.4.3 差异增强实验 | 第38-39页 |
| 3.4.4 不同高通滤波核对隐写分析性能的影响 | 第39-40页 |
| 3.4.5 低嵌入率检测 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 4 基于深度学习的自适应隐写分析研究 | 第42-55页 |
| 4.1 引言 | 第42页 |
| 4.2 内容自适应隐写及隐写分析 | 第42-49页 |
| 4.2.1 内容自适应隐写特点 | 第43-44页 |
| 4.2.2 内容自适应隐写分析 | 第44-46页 |
| 4.2.3 权值计算方式 | 第46-48页 |
| 4.2.4 算法步骤及分析 | 第48-49页 |
| 4.3 实验结果 | 第49-53页 |
| 4.3.1 实验数据和参数设置 | 第49-50页 |
| 4.3.2 实验结果及分析 | 第50-53页 |
| 4.4 本章小结 | 第53-55页 |
| 5 基于全稠密连接网络的空域图像隐写分析 | 第55-64页 |
| 5.1 引言 | 第55-56页 |
| 5.2 相关工作 | 第56-57页 |
| 5.3 所提出的框架 | 第57-59页 |
| 5.4 实验结果及分析 | 第59-63页 |
| 5.4.1 参数设计及实验平台 | 第59页 |
| 5.4.2 实验数据及评价标准 | 第59-60页 |
| 5.4.3 实验结果及比较 | 第60-63页 |
| 5.5 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-67页 |
| 6.1 本文工作总结 | 第64-65页 |
| 6.2 未来工作展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第73-75页 |
| 学位论文数据集 | 第75页 |
