基于支持向量机的数字水印技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1 绪论 | 第10-22页 |
| ·研究背景与研究意义 | 第10-12页 |
| ·数字水印技术的研究现状 | 第12-18页 |
| ·数字水印系统的基本模型 | 第18-20页 |
| ·本文的主要研究内容 | 第20-22页 |
| 2 支持向量机及其在数字水印中的应用分析 | 第22-41页 |
| ·引言 | 第22-23页 |
| ·统计学习理论 | 第23-27页 |
| ·支持向量机及其学习算法 | 第27-36页 |
| ·支持向量机在数字图像水印中的应用分析 | 第36-40页 |
| ·本章小结 | 第40-41页 |
| 3 基于变尺度混沌优化算法的支持向量机参数选择 | 第41-60页 |
| ·引言 | 第41-42页 |
| ·模型参数对SVM 性能的影响 | 第42-45页 |
| ·基于变尺度混沌优化算法的SVM 参数选择 | 第45-49页 |
| ·基于支持向量回归的空域水印算法 | 第49-51页 |
| ·仿真实验及模型参数对水印性能的影响分析 | 第51-58页 |
| ·本章小结 | 第58-60页 |
| 4 基于模糊支持向量机的自适应图像水印 | 第60-78页 |
| ·引言 | 第60-61页 |
| ·自适应数字图像水印技术 | 第61-64页 |
| ·模糊支持向量机多分类算法 | 第64-68页 |
| ·自适应图像水印算法的FMSVC 模型 | 第68-70页 |
| ·基于FMSVC 的自适应图像水印算法 | 第70-73页 |
| ·抗攻击实验 | 第73-76页 |
| ·本章小结 | 第76-78页 |
| 5 小波域中基于支持向量机的数字水印 | 第78-95页 |
| ·引言 | 第78-79页 |
| ·小波域图像水印的基本框架 | 第79-80页 |
| ·基于SVM 的小波系数方向树模型 | 第80-82页 |
| ·基于方向树模型的鲁棒水印 | 第82-85页 |
| ·基于方向树模型的半脆弱水印 | 第85-88页 |
| ·抗攻击实验 | 第88-94页 |
| ·本章小结 | 第94-95页 |
| 6 全文总结与展望 | 第95-97页 |
| ·论文总结 | 第95-96页 |
| ·未来工作的展望 | 第96-97页 |
| 致谢 | 第97-98页 |
| 参考文献 | 第98-107页 |
| 附录 攻读学位期间发表的论文目录 | 第107页 |
