| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 课题研究背景和意义 | 第9-12页 |
| 1.2 图像取证技术发展现状 | 第12-18页 |
| 1.2.1 图像取证技术总体框架 | 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15-18页 |
| 1.3 本文研究内容及论文安排 | 第18-19页 |
| 第二章 计算机生成图像及检测的相关基础知识 | 第19-39页 |
| 2.1 计算机生成图像技术 | 第19-20页 |
| 2.2 小波分析 | 第20-29页 |
| 2.2.1 连续小波变换 | 第21-24页 |
| 2.2.2 离散小波变换 | 第24-25页 |
| 2.2.3 图像的多分辨分析 | 第25-29页 |
| 2.3 高阶统计量的基础知识 | 第29-33页 |
| 2.3.1 高阶矩和高阶累积量的定义 | 第30-31页 |
| 2.3.2 高阶矩与高阶累积量二者关系 | 第31-33页 |
| 2.4 ADABOOST 算法介绍 | 第33-38页 |
| 2.4.1 Boosting 算法概述 | 第34-36页 |
| 2.4.2 AdaBoost 算法推导 | 第36-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 基于高阶统计量的计算机生成图像检测取证算法 | 第39-49页 |
| 3.1 概述 | 第39页 |
| 3.2 计算机生成图像的原理和特点 | 第39-40页 |
| 3.3 FARID 的基于高阶统计量的检测算法 | 第40-43页 |
| 3.4 改进的计算机生成图像取证检测算法 | 第43-48页 |
| 3.4.1 图像的小波分解及其统计特性分析 | 第43-44页 |
| 3.4.2 图像特征值的提取 | 第44-45页 |
| 3.4.3 计算机生成图像检测算法 | 第45-47页 |
| 3.4.4 仿真试验 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第四章 多维特征提取的计算机生成图像检测取证算法 | 第49-60页 |
| 4.1 概述 | 第49页 |
| 4.2 图像特征值的提取 | 第49-54页 |
| 4.2.1 图像的空间域特征 | 第50-52页 |
| 4.2.2 基于高阶统计量的图像特征值 | 第52-54页 |
| 4.3 多维特征组合的计算机生成图像检测取证算法 | 第54-58页 |
| 4.4 仿真试验 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间已发表或录用的论文 | 第69-71页 |