| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-21页 |
| ·研究背景及意义 | 第11-14页 |
| ·数字图像取证技术概述 | 第14-17页 |
| ·数字图像主动取证 | 第14-16页 |
| ·数字图像盲取证 | 第16-17页 |
| ·数字图像取证的研究现状 | 第17-19页 |
| ·国外数字图像取证研究现状 | 第17-19页 |
| ·国内数字图像取证研究现状 | 第19页 |
| ·论文的主要工作及组织结构 | 第19-21页 |
| 2 数字图像盲取证方法概述 | 第21-36页 |
| ·数字图像盲取证的基本框架及分类 | 第21-22页 |
| ·基于图像伪造痕迹的盲取证技术 | 第22-29页 |
| ·JPEG双压缩检测 | 第22-25页 |
| ·重采样检测 | 第25-26页 |
| ·复制-粘贴检测 | 第26-29页 |
| ·模糊检测 | 第29页 |
| ·光照条件不一致性检测 | 第29页 |
| ·基于成像设备一致性的盲取证技术 | 第29-33页 |
| ·CFA插值检测法 | 第30-31页 |
| ·色差检测法 | 第31页 |
| ·模式噪声检测法 | 第31-32页 |
| ·相机响应一致性检测法 | 第32-33页 |
| ·基于自然图像统计特性的盲取证技术 | 第33-34页 |
| ·图像质量度量和二元相似性度量等特征方法 | 第33-34页 |
| ·相干系数和边缘百分比特征方法 | 第34页 |
| ·数字图像盲取证目前存在的问题 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 3 基于数字图像背景噪声特性的图像盲取证算法 | 第36-50页 |
| ·数字图像背景噪声产生原因及分类 | 第36-38页 |
| ·噪声产生的原因 | 第36-37页 |
| ·噪声的分类及其数学模型 | 第37-38页 |
| ·基于高阶统计量的背景噪声估计原理 | 第38-42页 |
| ·基于熵检测的背景噪声估计原理 | 第42-49页 |
| ·高斯噪声熵值与方差的关系 | 第42-44页 |
| ·原始图像和噪声在小波域中的熵值特性 | 第44-45页 |
| ·含噪图像在小波域的熵值与其方差的统计关系 | 第45-48页 |
| ·利用线性回归得到图像小波自带熵值与标准差经验公式 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 4 算法实现与结果分析 | 第50-58页 |
| ·基于高阶统计量的算法实现与结果分析 | 第50-55页 |
| ·基于高阶统计量的数字图像盲检测模型 | 第50-51页 |
| ·基于高阶统计量的图像篡改检测结果分析 | 第51-55页 |
| ·基于熵检测的算法实现和结果分析 | 第55-58页 |
| ·基于熵检测的数字图像盲检测模型 | 第55-56页 |
| ·基于熵检测的图像篡改检测结果分析 | 第56-58页 |
| 5 总结与展望 | 第58-60页 |
| ·本文总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 作者简历 | 第64-66页 |
| 学位论文数据集 | 第66页 |