| 致谢 | 第3-4页 |
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 变量注释表 | 第18-19页 |
| 1 绪论 | 第19-31页 |
| 1.1 课题背景及意义 | 第19-20页 |
| 1.2 国内外研究现状 | 第20-27页 |
| 1.3 今后的发展方向 | 第27-28页 |
| 1.4 主要研究内容和创新点 | 第28-29页 |
| 1.5 论文组织结构 | 第29-31页 |
| 2 数字水印技术概述 | 第31-38页 |
| 2.1 数字水印与信息隐藏的基本特性 | 第31-33页 |
| 2.2 数字水印认证系统的架构 | 第33-34页 |
| 2.3 典型的数字水印算法 | 第34-35页 |
| 2.4 数字水印在电子票据认证中的应用 | 第35-37页 |
| 2.5 本章小结 | 第37-38页 |
| 3 混沌加密算法原理 | 第38-49页 |
| 3.1 混沌的定义和动力学特征 | 第38-43页 |
| 3.2 密码学基础与安全性分析 | 第43-45页 |
| 3.3 基于混沌映射的加密算法 | 第45-47页 |
| 3.4 加密过程安全性分析 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 4 二值图像的混沌水印加密方法 | 第49-65页 |
| 4.1 二值图像的研究现状 | 第49-50页 |
| 4.2 二值图像的边缘信息提取 | 第50-53页 |
| 4.3 基于边缘信息的数字水印嵌入 | 第53-55页 |
| 4.4 电子票据的二值图像水印加密 | 第55-58页 |
| 4.5 二值图像水印的加密与解密实验 | 第58-64页 |
| 4.6 本章小结 | 第64-65页 |
| 5 抗压缩图像水印加密方法 | 第65-77页 |
| 5.1 抗压缩水印研究现状 | 第65页 |
| 5.2 JPEG图像的基本特性 | 第65-67页 |
| 5.3 基于小波子带系数的抗JPEG压缩水印算法 | 第67-71页 |
| 5.4 鲁棒数字水印算法实验结果 | 第71-75页 |
| 5.5 本章小结 | 第75-77页 |
| 6 基于关键区域定位的多重水印加密 | 第77-94页 |
| 6.1 图像关键区域的预处理 | 第77-78页 |
| 6.2 图像关键区域的检测 | 第78-85页 |
| 6.3 关键区域的定位实验 | 第85-90页 |
| 6.4 多重数字水印加密 | 第90-93页 |
| 6.5 本章小结 | 第93-94页 |
| 7 基于卷积神经网络的数字水印研究 | 第94-117页 |
| 7.1 人类视觉感知心理模型 | 第95-96页 |
| 7.2 基于小波变换水印的嵌入 | 第96-97页 |
| 7.3 基于神经网络的数字水印提取算法 | 第97-99页 |
| 7.4 基于改进卷积神经网络的关键区域多重水印加密 | 第99-103页 |
| 7.5 实验I：基于深度卷积网络的水印系统验证 | 第103-109页 |
| 7.6 实验II：基于改进卷积神经网络的关键区域多重水印加密 | 第109-115页 |
| 7.7 本章小结 | 第115-117页 |
| 8 总结与展望 | 第117-119页 |
| 8.1 全文总结 | 第117-118页 |
| 8.2 未来研究工作的展望 | 第118-119页 |
| 参考文献 | 第119-132页 |
| 作者简历 | 第132-134页 |
| 学位论文数据集 | 第134页 |