基于最小化嵌入失真的空域图像隐写算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 隐写的研究现状 | 第12-14页 |
| 1.3 隐写分析的现状 | 第14-15页 |
| 1.4 本文的主要工作和组织结构 | 第15-17页 |
| 第二章 数字图像隐写与评估 | 第17-27页 |
| 2.1 隐写算法设计基本原则 | 第17-19页 |
| 2.1.1 复杂度优先 | 第17-18页 |
| 2.1.2 代价扩散 | 第18页 |
| 2.1.3 修改聚集 | 第18-19页 |
| 2.2 失真函数 | 第19-21页 |
| 2.2.1 加性失真函数 | 第20页 |
| 2.2.2 非加性失真函数 | 第20-21页 |
| 2.3 隐写代价函数 | 第21-23页 |
| 2.3.1 隐写代价函数的定义 | 第21页 |
| 2.3.2 隐写代价函数的研究现状 | 第21-23页 |
| 2.4 最小化嵌入失真框架 | 第23-25页 |
| 2.4.1 最小化嵌入失真原理 | 第23-24页 |
| 2.4.2 STC编码 | 第24-25页 |
| 2.5 图像隐写算法的评价指标 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 隐写代价函数优化 | 第27-37页 |
| 3.1 代价扩散方法优化 | 第27-34页 |
| 3.1.1 滤波器的选择 | 第27-28页 |
| 3.1.2 参数选择 | 第28-29页 |
| 3.1.3 抗隐写分析性能比较 | 第29-34页 |
| 3.1.4 实验结论 | 第34页 |
| 3.2 MiPOD和MVGG代价函数优化 | 第34-36页 |
| 3.3 本章小结 | 第36-37页 |
| 第四章 基于深度学习的空域代价分配算法 | 第37-57页 |
| 4.1 深度学习基本概念 | 第37-41页 |
| 4.2 基于深度学习隐写分析的研究现状 | 第41-43页 |
| 4.3 基于深度学习的隐写算法设计 | 第43-47页 |
| 4.3.1 设计思想 | 第43-45页 |
| 4.3.2 模型及参数设置 | 第45-46页 |
| 4.3.3 隐写代价分配 | 第46-47页 |
| 4.4 实验结果与分析 | 第47-52页 |
| 4.4.1 数据预处理 | 第47-49页 |
| 4.4.2 抗隐写分析性能评估 | 第49-52页 |
| 4.5 隐写步骤再优化 | 第52-55页 |
| 4.5.1 隐写可疑度优化 | 第53页 |
| 4.5.2 抗隐写分析性能比较 | 第53-55页 |
| 4.6 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-61页 |
| 5.1 工作总结 | 第57-58页 |
| 5.2 工作展望 | 第58-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
