首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于统计特征的数字视频被动取证技术研究

摘要第1-7页
Abstract第7-14页
插图索引第14-16页
附表索引第16-17页
第1章 绪论第17-27页
   ·课题项目来源第17页
   ·研究背景及意义第17-22页
   ·论文的主要研究内容第22-25页
   ·各章节安排第25-27页
第2章 图像及视频篡改被动取证研究现状第27-44页
   ·图像篡改被动取证研究现状第27-36页
     ·基于图像内容的被动取证第28-34页
     ·基于成像过程的的被动取证第34-36页
   ·视频篡改被动取证研究现状第36-42页
     ·基于成像设备一致性的盲取证第37-38页
     ·基于篡改过程所遗留痕迹的的盲取证第38-41页
     ·利用自然视频本身统计特性的盲取证第41-42页
   ·小结第42-44页
第3章 基于 MCEA 的帧操作视频篡改被动取证方法第44-63页
   ·引言第44-48页
   ·MPEG-2 视频压缩及帧操作篡改第48-52页
     ·MPEG-2 视频压缩原理第48页
     ·MPEG-2 编码层次第48-49页
     ·运动补偿技术第49-50页
     ·MPEG 图像帧类型第50-51页
     ·帧操作篡改第51-52页
   ·MPEG 视频的运动补偿边缘效应第52-56页
     ·运动补偿边缘效应(Motion-Compensated Edge Artifact)第52-53页
     ·P 帧的 MCEA 值计算第53-54页
     ·MCEA 在取证中的应用第54-56页
   ·基于 MCEA 的篡改检测算法第56-58页
     ·离散傅里叶变换(Discrete Fourier Transform)第56页
     ·相邻 P 帧的 MCEA 差值第56-57页
     ·推算原始 GOP 结构第57-58页
   ·实验结果及分析第58-62页
   ·小结第62-63页
第4章 基于内容感知缩放篡改的视频被动取证检测第63-81页
   ·引言第64-67页
   ·基于内容感知的视频缩放技术第67-73页
     ·传统缩放方法及其取证应用第67-69页
     ·重要度图计算第69-70页
     ·基于 CAVR 技术的研究现状第70-73页
   ·特征向量提取和 SVM 分类第73-77页
     ·像素域的灰度梯度特征第74-75页
     ·DCT 域的马尔科夫特征第75-76页
     ·时域的相似度特征第76-77页
   ·实验结果第77-80页
     ·SVM 分类介绍第77-78页
     ·视频测试集第78页
     ·SVM 分类结果及讨论第78-80页
   ·小结第80-81页
总结与展望第81-85页
参考文献第85-96页
致谢第96-98页
附录 A 攻读学位期间发表的学术论文目录第98-99页
附录 B 攻读学位期间参与的研究项目第99页

论文共99页,点击 下载论文
上一篇:基于多特征级联分类器的道路车辆检测方法研究
下一篇:基于累积平均密度的聚类算法研究