致谢 | 第1-6页 |
中文摘要 | 第6-7页 |
ABSTRACT | 第7-11页 |
1 引言 | 第11-20页 |
·研究背景 | 第11-12页 |
·数字图像盲取证研究现状 | 第12-18页 |
·数字图像盲取证发展 | 第13-15页 |
·图像拼接盲取证现状 | 第15-18页 |
·本文主要研究内容 | 第18-20页 |
2 数字图像盲取证技术概论 | 第20-36页 |
·数字图像盲取证系统框架 | 第20-21页 |
·数字图像盲取证研究类型 | 第21-32页 |
·图像篡改盲取证 | 第21-25页 |
·图像来源盲取证 | 第25-30页 |
·图像隐密分析盲取证 | 第30-32页 |
·图像拼接盲取证分析 | 第32-35页 |
·基于尺度不变特征变换的图像拼接盲取证 | 第32-34页 |
·基于高阶统计量的图像拼接盲取证 | 第34-35页 |
·本章小结 | 第35-36页 |
3 基于矩特征和HHT的图像拼接盲检测算法 | 第36-49页 |
·统计模式识别 | 第36-39页 |
·BP神经网络 | 第36-37页 |
·支持向量机 | 第37-39页 |
·基于矩特征和HHT的图像拼接盲检测 | 第39-46页 |
·算法整体框架 | 第39-40页 |
·基于DWT的矩特征的提取方法 | 第40-41页 |
·基于HHT的特征提取 | 第41-44页 |
·分类器的选取 | 第44-45页 |
·算法步骤 | 第45-46页 |
·仿真结果与分析 | 第46-47页 |
·本章小结 | 第47-49页 |
4 基于带阻型同态滤波和形态学边缘的图像拼接边缘盲检测 | 第49-63页 |
·同态滤波器的优化设计 | 第49-53页 |
·同态滤波图像的形成 | 第49-50页 |
·滤波器函数的优化 | 第50-53页 |
·形态学边缘检测 | 第53-55页 |
·基于带阻型同态滤波器和形态学边缘图像拼接边缘盲检测 | 第55-57页 |
·算法思想 | 第55-56页 |
·算法描述 | 第56-57页 |
·实验结果与分析 | 第57-61页 |
·本章小结 | 第61-63页 |
5 结论 | 第63-65页 |
·总结 | 第63-64页 |
·展望 | 第64-65页 |
参考文献 | 第65-68页 |
作者简历 | 第68-70页 |
学位论文数据集 | 第70页 |