| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 引言 | 第13-14页 |
| 1 绪论 | 第14-23页 |
| 1.1 数字图像盲取证技术研究的背景及意义 | 第14-15页 |
| 1.2 数字图像取证技术研究的国内外现状 | 第15-21页 |
| 1.2.1 主动取证 | 第16-17页 |
| 1.2.2 被动取证 | 第17-21页 |
| 1.3 本文的主要工作 | 第21页 |
| 1.4 论文的组织结构 | 第21-23页 |
| 2 数字图像拼接盲取证的基本理论与相关技术 | 第23-31页 |
| 2.1 数字图像拼接篡改盲取证技术与研究现状 | 第23-25页 |
| 2.2 数字图像拼接篡改盲取证技术基本框架 | 第25-27页 |
| 2.2.1 监督学习方法框架 | 第25-26页 |
| 2.2.2 非监督学习方法框架 | 第26-27页 |
| 2.3 面向真实性鉴定的数字图像拼接取证技术 | 第27-29页 |
| 2.3.1 基于像素的拼接篡改盲取证技术 | 第27-28页 |
| 2.3.2 基于相机特性的拼接篡改盲取证技术 | 第28-29页 |
| 2.3.3 基于物理、几何特征的拼接篡改盲取证技术 | 第29页 |
| 2.4 本章小结 | 第29-31页 |
| 3 基于多残差马尔科夫特征的图像拼接检测算法研究 | 第31-42页 |
| 3.1 引言 | 第31页 |
| 3.2 改进马尔科夫模型 | 第31-36页 |
| 3.2.1 SRM模型简介 | 第32页 |
| 3.2.2 基于SRM残差的改进马尔科夫模型 | 第32-36页 |
| 3.3 基于多残差马尔科夫特征的图像拼接检测框架 | 第36-37页 |
| 3.4 实验结果与分析 | 第37-40页 |
| 3.4.1 数据集的选择与评估标准 | 第37-38页 |
| 3.4.2 阈值T与PCA降维维数n选择 | 第38-40页 |
| 3.4.3 鲁棒性测试 | 第40页 |
| 3.5 本章小结 | 第40-42页 |
| 4 结合离散余弦变换的马尔科夫特征图像拼接检测的研究 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 拼接图像检测预处理技术 | 第42-45页 |
| 4.2.1 JPEG压缩技术对拼接检测的影响分析 | 第43页 |
| 4.2.2 DCT量化预处理模型 | 第43-44页 |
| 4.2.3 DCT量化预处理具体流程 | 第44-45页 |
| 4.3 彩色DCT量化马尔科夫拼接检测模型 | 第45-46页 |
| 4.3.1 彩色马尔科夫特征计算流程 | 第45-46页 |
| 4.3.2 彩色DCT量化马尔科夫拼接检测框架 | 第46页 |
| 4.4 实验结果与分析 | 第46-51页 |
| 4.4.1 数据集选择 | 第47页 |
| 4.4.2 阈值T的选择与实验结果 | 第47-49页 |
| 4.4.3 鲁棒性测试 | 第49-50页 |
| 4.4.4 IFS-TC数据集性能测试 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 5 基于卷积神经网络的图像拼接篡改区域定位研究 | 第52-67页 |
| 5.1 引言 | 第52页 |
| 5.2 深度学习与卷积神经网络 | 第52-54页 |
| 5.3 深度学习图像取证研究现状概述 | 第54-56页 |
| 5.4 基于固定卷积滤波卷积神经网络的图像拼接取证框架 | 第56-62页 |
| 5.4.1 图像预处理层 | 第57-58页 |
| 5.4.2 卷积层处理层 | 第58-61页 |
| 5.4.3 分类层处理层 | 第61-62页 |
| 5.5 实验结果与分析 | 第62-66页 |
| 5.5.1 实验架构设置 | 第62-63页 |
| 5.5.2 实验数据集与样本生成 | 第63页 |
| 5.5.3 网络优化与实验结果 | 第63-66页 |
| 5.6 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-78页 |
| 在学研究成果 | 第78-79页 |
| 致谢 | 第79页 |
