基于人工免疫系统隐写检测技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第8-11页 |
| ·研究背景及意义 | 第8-9页 |
| ·基于AIS隐写检测概述 | 第9页 |
| ·国内外研究现状 | 第9-10页 |
| ·本文组织结构 | 第10-11页 |
| 第二章 基于人工免疫系统隐写检测技术 | 第11-20页 |
| ·隐写检测技术分析 | 第11-14页 |
| ·隐写检测研究现状 | 第11-14页 |
| ·隐写检测主要问题 | 第14页 |
| ·人工免疫系统技术分析 | 第14-18页 |
| ·人工免疫系统基本概念 | 第15页 |
| ·人工免疫系统仿生机理 | 第15-17页 |
| ·免疫识别 | 第16页 |
| ·免疫学习 | 第16页 |
| ·免疫记忆 | 第16-17页 |
| ·克隆选择 | 第17页 |
| ·人工免疫系统特性分析 | 第17-18页 |
| ·基于AIS隐写检测基本思想 | 第18页 |
| ·基于AIS隐写检测总体框架 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 隐写检测分类特征提取 | 第20-43页 |
| ·Farid高阶统计量模型分析 | 第20-22页 |
| ·Farid线性预测模型相关性分析 | 第22-26页 |
| ·离散Haar小波分解特性 | 第22-23页 |
| ·Farid线性预测模型相关性区域 | 第23-26页 |
| ·R-Farid高阶统计量模型 | 第26-33页 |
| ·R-Farid线性预测模型相关性区域 | 第26-28页 |
| ·R-Farid线性预测模型 | 第28-32页 |
| ·R-Farid高阶统计量特征提取 | 第32-33页 |
| ·R-Farid高阶统计量相对特征 | 第33-39页 |
| ·再嵌入操作对邻域相关系数影响分析 | 第33-35页 |
| ·再嵌入操作准则理论分析 | 第35-37页 |
| ·再嵌入随机性信息基本假设 | 第37-38页 |
| ·R-Farid高阶统计量相对特征提取 | 第38-39页 |
| ·实验仿真分析 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于人工免疫系统隐写检测器设计 | 第43-67页 |
| ·基于AIS隐写检测基本流程 | 第43-45页 |
| ·基于AIS隐写检测主要步骤设计及描述 | 第45-54页 |
| ·元素对应关系 | 第45页 |
| ·隐写检测 | 第45-49页 |
| ·基本模型 | 第45-46页 |
| ·基于分类特征的基本模型 | 第46-49页 |
| ·检测器生成 | 第49-50页 |
| ·检测器动态优化更新 | 第50-54页 |
| ·检测器记忆更新 | 第50-51页 |
| ·检测器克隆进化 | 第51-54页 |
| ·基于AIS隐写检测基本流程形式化描述 | 第54-55页 |
| ·基于AIS隐写检测器相关算法设计 | 第55-60页 |
| ·检测器生成算法 | 第55-58页 |
| ·检测器检测及动态优化更新算法 | 第58-60页 |
| ·实验仿真及分析 | 第60-65页 |
| ·实验数据 | 第60页 |
| ·实验方法 | 第60-61页 |
| ·参数配置 | 第61页 |
| ·实验仿真分析 | 第61-65页 |
| ·检测器初始产生 | 第61-63页 |
| ·检测准确率对比 | 第63-64页 |
| ·交叉检测测试 | 第64-65页 |
| ·基于AIS隐写检测器优缺点 | 第65-66页 |
| ·优点 | 第65-66页 |
| ·缺点 | 第66页 |
| ·本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| ·工作总结 | 第67-68页 |
| ·工作展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录 | 第72-76页 |
| 附1 F(R|-)相关性质证明 | 第72-74页 |
| 附2 R-Farid高阶统计量相对特征统计分布图 | 第74-76页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第76-77页 |
| 致谢 | 第77页 |
