| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-20页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 数字图像取证技术概述 | 第12-17页 |
| 1.2.1 数字图像取证技术的基本概念 | 第12-13页 |
| 1.2.2 数字图像主动取证技术 | 第13-15页 |
| 1.2.3 数字图像被动取证技术 | 第15-16页 |
| 1.2.4 数字图像盲取证技术的系统框架 | 第16-17页 |
| 1.3 国内外研究现状 | 第17-18页 |
| 1.4 论文主要研究内容和创新点 | 第18-20页 |
| 1.4.1 主要研究内容和创新点 | 第18-19页 |
| 1.4.2 论文组织结构 | 第19-20页 |
| 2 新的基于图像纹理特征LBP的CG与PG的取证算法 | 第20-38页 |
| 2.1 引言 | 第20页 |
| 2.2 LBP取证算法 | 第20-21页 |
| 2.2.1 LBP特征简介 | 第20-21页 |
| 2.3 图像的LBP特征提取 | 第21-24页 |
| 2.3.1 LBP特征提取的框架 | 第22-23页 |
| 2.3.2 不同颜色分量的LBP特征之间的相关性分析 | 第23-24页 |
| 2.4 实验过程与结果分析 | 第24-25页 |
| 2.4.1 实验设置 | 第24页 |
| 2.4.2 实验结果 | 第24-25页 |
| 2.5 与已有算法的性能比较 | 第25-37页 |
| 2.5.1 CFA算法 | 第25-28页 |
| 2.5.2 Markov算法 | 第28-30页 |
| 2.5.3 Histogram Bins算法 | 第30-33页 |
| 2.5.4 实验结果对比与分析 | 第33-34页 |
| 2.5.5 对CFA算法的深入分析 | 第34-37页 |
| 2.6 结论 | 第37-38页 |
| 3 基于多尺度变化的LBP特征的CG与PG取证算法 | 第38-42页 |
| 3.1 多尺度变化的LBP特征提取 | 第38-39页 |
| 3.1.1 多尺度变化的LBP特征 | 第38-39页 |
| 3.1.2 实验过程 | 第39页 |
| 3.2 实验结果与分析 | 第39-40页 |
| 3.3 与已有算法的性能比较 | 第40-41页 |
| 3.3.1 算法性能的对比与分析 | 第40-41页 |
| 3.4 结论 | 第41-42页 |
| 4 LBP算法的鲁棒性分析 | 第42-46页 |
| 4.1 引言 | 第42页 |
| 4.2 LBP算法的JPEG压缩鲁棒性分析 | 第42-43页 |
| 4.2.1 JPEG图像的LBP特征提取 | 第42页 |
| 4.2.2 实验过程与结果分析 | 第42-43页 |
| 4.3 LBP算法的剪切鲁棒性分析 | 第43-45页 |
| 4.3.1 剪切图像的特征提取 | 第43-44页 |
| 4.3.2 实验过程与结果分析 | 第44-45页 |
| 4.4 结论 | 第45-46页 |
| 5 结论 | 第46-47页 |
| 5.1 本文算法分析 | 第46页 |
| 5.2 进一步的研究工作 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第50-52页 |
| 学位论文数据集 | 第52页 |
