基于分块匹配和聚类算法的同图复制篡改检测
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文组织结构 | 第15-16页 |
| 1.4 本章小结 | 第16页 |
| 2 同图复制篡改检测分析 | 第16-26页 |
| 2.1 复制粘贴篡改类型概述 | 第17-18页 |
| 2.2 基于特征点匹配检测 | 第18-21页 |
| 2.2.1 SIFT特征点检测原理 | 第18-20页 |
| 2.2.2 SIFT特征点应用 | 第20-21页 |
| 2.3 基于块匹配检测 | 第21-26页 |
| 2.3.1 块匹配原理 | 第21-22页 |
| 2.3.2 基于DCT频域的检测方法 | 第22-23页 |
| 2.3.3 基于PCA特征的检测方法 | 第23-24页 |
| 2.3.4 基于不变矩的检测方法 | 第24-26页 |
| 2.4 本章小结 | 第26页 |
| 3 块匹配的特征提取与分析 | 第26-39页 |
| 3.1 基于图像空间域特征 | 第26-29页 |
| 3.1.1 灰度共生矩阵 | 第26-27页 |
| 3.1.2 局部二元模式 | 第27-28页 |
| 3.1.3 韦伯局部描述符 | 第28-29页 |
| 3.2 基于稀疏自编码特征 | 第29-39页 |
| 3.2.1 自编码神经网络 | 第29-36页 |
| 3.2.2 稀疏自编码器 | 第36-38页 |
| 3.2.3 SAE特征提取 | 第38-39页 |
| 3.3 本章小结 | 第39页 |
| 4 基于分块匹配和聚类算法应用模型 | 第39-53页 |
| 4.1 聚类算法 | 第39-44页 |
| 4.1.1 k-means聚类算法 | 第40-42页 |
| 4.1.2 层次聚类算法 | 第42页 |
| 4.1.3 SOM聚类算法 | 第42-44页 |
| 4.1.4 FCM聚类算法 | 第44页 |
| 4.2 特征聚类算法模型 | 第44-48页 |
| 4.2.1 空间域特征聚类算法 | 第45页 |
| 4.2.2 SAE特征聚类算法 | 第45-48页 |
| 4.3 异常块去除 | 第48-52页 |
| 4.3.1 相似度计算 | 第48-51页 |
| 4.3.2 RANSAC算法 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 实验结果与分析 | 第53-60页 |
| 5.1 直接篡改检测 | 第53-55页 |
| 5.1.1 空间域特征聚类检测 | 第53-54页 |
| 5.1.2 稀疏自编码特征聚类检测 | 第54-55页 |
| 5.2 不同程度JPEG压缩检测结果 | 第55-57页 |
| 5.3 篡改区域旋转检测结果 | 第57-58页 |
| 5.4 时间效率检测 | 第58-59页 |
| 5.5 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 总结 | 第60页 |
| 展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 在学研究成果 | 第67-68页 |
| 致谢 | 第68页 |
