首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

JPEG图像篡改检测技术研究

摘要第5-7页
ABSTRACT第7-8页
第1章 绪论第16-34页
    1.1 课题研究背景及其意义第16-19页
    1.2 国内外研究现状第19-30页
        1.2.1 数字图像主动取证技术第20-21页
        1.2.2 数字图像盲取证技术第21-30页
    1.3 本文研究内容以及结构安排第30-34页
        1.3.1 论文的主要研究工作第30-32页
        1.3.2 论文结构安排第32-34页
第2章 机器学习模型第34-50页
    2.1 引言第34-35页
    2.2 机器学习发展历程第35-36页
    2.3 浅层机器学习模型第36-42页
        2.3.1 经典算法简介第36-38页
        2.3.2 贝叶斯方法第38-42页
    2.4 深度学习模型第42-50页
        2.4.1 深度学习概述第42-43页
        2.4.2 常用模型简介第43-45页
        2.4.3 卷积神经网络第45-50页
第3章 基于朴素贝叶斯分类的双JPEG压缩篡改检测第50-84页
    3.1 引言第50-51页
    3.2 双JPEG压缩概述第51-55页
        3.2.1 JPEG压缩原理第51-54页
        3.2.2 双JPEG压缩分析第54-55页
    3.3 朴素贝叶斯分类原理第55-57页
    3.4 实验数据库第57-61页
        3.4.1 建立公共数据库的必要性第57-58页
        3.4.2 中科大伪图数据库第58-61页
    3.5 基于DCT系数量化映射关系的检测算法第61-71页
        3.5.1 双JPEG压缩中DCT系数量化映射关系的分析第61-64页
        3.5.2 基于朴素贝叶斯分类的检测算法第64-66页
        3.5.3 实验结果及分析第66-71页
    3.6 基于DCT系数首位统计特性的检测算法第71-81页
        3.6.1 Benford定律介绍第71-73页
        3.6.2 基于朴素贝叶斯分类的检测算法第73-75页
        3.6.3 实验结果及分析第75-79页
        3.6.4 本章两种算法性能对比第79-81页
    3.7 本章小结第81-84页
第4章 基于深度卷积神经网络的双JPEG压缩篡改检测第84-108页
    4.1 引言第84页
    4.2 深度学习的必要性第84-86页
    4.3 卷积神经网络第86-90页
        4.3.1 基本思想第86-87页
        4.3.2 网络结构第87-89页
        4.3.3 网络的训练第89-90页
    4.4 基于深度卷积神经网络的双JPEG压缩篡改检测第90-95页
        4.4.1 特征设计第90-93页
        4.4.2 网络设计第93-95页
        4.4.3 篡改区域的定位第95页
    4.5 实验结果及分析第95-106页
        4.5.1 实验数据库第96页
        4.5.2 双JPEG压缩检测第96-99页
        4.5.3 JPEG图像篡改检测第99-106页
    4.6 本章小结第106-108页
第5章 基于深度卷积神经网络的块效应不一致性检测第108-126页
    5.1 引言第108页
    5.2 块效应第108-111页
    5.3 基于深度卷积神经网络的块效应不一致性检测第111-117页
        5.3.1 篡改过程中的块效应分析第111-113页
        5.3.2 特征设计第113-116页
        5.3.3 网络设计第116-117页
        5.3.4 篡改区域的定位第117页
    5.4 实验结果及分析第117-123页
        5.4.1 实验数据库第117-118页
        5.4.2 JPEG图像篡改检测第118-123页
    5.5 本文四种算法比较第123-125页
    5.6 本章小结第125-126页
第6章 总结与展望第126-130页
    6.1 研究工作总结第126-127页
    6.2 未来工作展望第127-130页
参考文献第130-142页
致谢第142-144页
在读期间发表的学术论文与取得的其他研究成果第144-146页
参加的科研项目与获奖情况第146页

论文共146页,点击 下载论文
上一篇:工作场所中企业社交媒体可供性的实证研究
下一篇:基于序列深度学习的视频分析:建模表达与应用