基于被动取证的图像来源鉴别和图像拼接检测方法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-23页 |
| 1.1 研究背景和研究意义 | 第9-12页 |
| 1.2 国内外相关研究概况 | 第12-20页 |
| 1.2.1 数字图像来源取证的研究现状 | 第12-16页 |
| 1.2.2 数字图像拼接检测的研究现状 | 第16-20页 |
| 1.3 本论文主要研究工作及章节安排 | 第20-23页 |
| 1.3.1 论文主要研究工作 | 第20页 |
| 1.3.2 论文的章节安排 | 第20-23页 |
| 2 预备知识 | 第23-31页 |
| 2.1 HSV颜色模型 | 第23-24页 |
| 2.2 光照响应非均匀性 | 第24页 |
| 2.3 小波变换和傅里叶频谱 | 第24-26页 |
| 2.4 灰度共生矩阵和平均梯度值 | 第26-27页 |
| 2.5 双边滤波 | 第27-28页 |
| 2.6 超像素分割算法 | 第28-29页 |
| 2.7 K-SVD字典学习算法 | 第29-30页 |
| 2.8 本章小结 | 第30-31页 |
| 3 基于统计学习的图像来源鉴别方法 | 第31-53页 |
| 3.1 算法流程 | 第31-32页 |
| 3.2 算法步骤描述 | 第32-36页 |
| 3.3 实验结果比较与分析 | 第36-52页 |
| 3.3.1 图像二分类实验 | 第36-50页 |
| 3.3.2 图像多分类实验 | 第50-52页 |
| 3.4 本章小结 | 第52-53页 |
| 4 基于多尺度几何分析的拼接图像篡改定位方法 | 第53-75页 |
| 4.1 算法流程 | 第53-55页 |
| 4.2 算法步骤描述 | 第55-59页 |
| 4.3 实验结果及分析 | 第59-72页 |
| 4.3.1 篡改定位结果 | 第59-65页 |
| 4.3.2 算法鲁棒性测验 | 第65-72页 |
| 4.4 本章小结 | 第72-75页 |
| 5 总结与展望 | 第75-77页 |
| 5.1 总结 | 第75页 |
| 5.2 展望 | 第75-77页 |
| 致谢 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 附录 | 第85页 |
