| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 数字图像取证技术概述 | 第13-17页 |
| 1.2.1 数字图像主动取证技术 | 第13-15页 |
| 1.2.2 数字图像被动取证技术 | 第15-17页 |
| 1.3 本文的主要工作 | 第17-18页 |
| 1.4 本文的结构安排 | 第18-19页 |
| 第2章 计算机生成图像盲鉴别算法概述 | 第19-27页 |
| 2.1 自然图像和计算机生成图像生成机制 | 第19-21页 |
| 2.1.1 自然图像成像机制 | 第19-20页 |
| 2.1.2 计算机生成图像成像机制 | 第20-21页 |
| 2.2 自然图像和计算机生成图像差异 | 第21-22页 |
| 2.3 计算机生成图像盲鉴别算法概述 | 第22-24页 |
| 2.4 哥伦比亚大学自然图像和计算机生成图像库 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于韦伯局部特征的计算机生成图像盲鉴别算法 | 第27-39页 |
| 3.1 引言 | 第27页 |
| 3.2 韦伯局部特征 | 第27-30页 |
| 3.2.1 差分激励 | 第28-29页 |
| 3.2.2 Sobel 梯度 | 第29-30页 |
| 3.3 算法流程 | 第30-32页 |
| 3.3.1 算法基本流程 | 第30-31页 |
| 3.3.2 HSV 颜色空间 | 第31-32页 |
| 3.3.3 特征提取 | 第32页 |
| 3.4 实验结果与分析 | 第32-38页 |
| 3.4.1 图像库 | 第33-34页 |
| 3.4.2 详细实验步骤 | 第34页 |
| 3.4.3 参数设置 | 第34-36页 |
| 3.4.4 颜色空间验证 | 第36-37页 |
| 3.4.5 算法性能对比 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于局部三值计数模式的计算机生成图像盲鉴别算法 | 第39-49页 |
| 4.1 引言 | 第39页 |
| 4.2 相关理论基础 | 第39-44页 |
| 4.2.1 局部二值模式 | 第39-40页 |
| 4.2.2 局部三值模式 | 第40-41页 |
| 4.2.3 局部二值计数模式 | 第41页 |
| 4.2.4 局部三值计数模式 | 第41-44页 |
| 4.3 算法流程 | 第44-46页 |
| 4.3.1 算法基本流程 | 第44-45页 |
| 4.3.2 HSV 颜色空间 | 第45页 |
| 4.3.3 特征提取 | 第45-46页 |
| 4.4 实验结果与分析 | 第46-48页 |
| 4.4.1 图像库 | 第46-47页 |
| 4.4.2 阈值 t 的选取 | 第47页 |
| 4.4.3 算法性能对比 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| 5.1 工作总结 | 第49-50页 |
| 5.2 研究展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 作者简介及在学期间所取得的科研成果 | 第55-56页 |
| 致谢 | 第56页 |