| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 研究内容及组织结构 | 第11-13页 |
| 第二章 数字水印技术概述 | 第13-23页 |
| 2.1 数字水印技术概述 | 第13-18页 |
| 2.1.1 数字水印技术基本原理 | 第13-14页 |
| 2.1.2 数字水印分类 | 第14-15页 |
| 2.1.3 数字水印攻击方法 | 第15-16页 |
| 2.1.4 数字水印技术性能评价 | 第16-18页 |
| 2.2 典型的图像数字水印算法 | 第18-22页 |
| 2.2.1 空域图像数字水印算法 | 第18-20页 |
| 2.2.2 扩频数字水印算法 | 第20-22页 |
| 2.3 小结 | 第22-23页 |
| 第三章 预备知识 | 第23-31页 |
| 3.1 支持向量机(Support Vector Machine,SVM)算法 | 第23-26页 |
| 3.2 图像质量评价算法 | 第26-27页 |
| 3.3 最大水印嵌入强度 | 第27页 |
| 3.4 图像纹理特征 | 第27-29页 |
| 3.5 图像置乱算法 | 第29-30页 |
| 3.6 小结 | 第30-31页 |
| 第四章 基于机器学习的自适应水印嵌入强度计算算法研究 | 第31-42页 |
| 4.1 引言 | 第31页 |
| 4.2 基于机器学习的水印嵌入强度计算算法 | 第31-35页 |
| 4.2.1 算法框架 | 第32-33页 |
| 4.2.2 算法设计及实现 | 第33-35页 |
| 4.3 算法性能测试 | 第35-41页 |
| 4.3.1 测试参数 | 第35-36页 |
| 4.3.2 测试结果 | 第36-40页 |
| 4.3.3 实验结果分析 | 第40-41页 |
| 4.4 小结 | 第41-42页 |
| 第五章 基于机器学习的空域图像数字水印算法研究 | 第42-55页 |
| 5.1 引言 | 第42页 |
| 5.2 基于机器学习的空域图像数字水印算法 | 第42-47页 |
| 5.2.1 算法框架 | 第42-43页 |
| 5.2.2 算法设计与实现 | 第43-47页 |
| 5.3 性能测试 | 第47-54页 |
| 5.3.1 测试参数 | 第48-49页 |
| 5.3.2 测试结果 | 第49-53页 |
| 5.3.3 实验结果分析 | 第53-54页 |
| 5.4 小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 作者攻读学位期间发表的学术论文目录 | 第62页 |