面向图像高维隐写特征的盲监测算法
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-13页 |
| ·选题背景和意义 | 第9-10页 |
| ·国内外研究现状与分析 | 第10-11页 |
| ·主要内容和创新点 | 第11-12页 |
| ·组织结构 | 第12-13页 |
| 第二章 相关技术简介 | 第13-19页 |
| ·图像隐写技术和隐写盲检测技术 | 第13-15页 |
| ·图像隐写技术 | 第13-14页 |
| ·图像隐写盲检测技术 | 第14-15页 |
| ·核方法概述 | 第15-17页 |
| ·集成学习简介 | 第17-18页 |
| ·特征融合 | 第18-19页 |
| 第三章 基于核目标度量准则的高斯核函数优化方法 | 第19-34页 |
| ·引言 | 第19-20页 |
| ·两类模式分类的高斯核函数优化 | 第20-27页 |
| ·核目标度量准则 | 第21-22页 |
| ·核优化目标准则 | 第22页 |
| ·评估R(σ)的局部和全局极值性质 | 第22-26页 |
| ·R(σ)的优化 | 第26-27页 |
| ·实验结果及分析 | 第27-33页 |
| ·实验建立 | 第27-29页 |
| ·检验R(σ)的局部和全局极值性质 | 第29-32页 |
| ·和目前的核优化方法进行对比 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于特征选择的RSM改进算法 | 第34-41页 |
| ·引言 | 第34-35页 |
| ·经典的随机子空间方法 | 第35-36页 |
| ·基于特征选择的随机子空间方法 | 第36-38页 |
| ·序列前向选择(SFS)算法 | 第36-37页 |
| ·基于特征选择的RSM改进算法 | 第37-38页 |
| ·实验结果及分析 | 第38-40页 |
| ·实验建立 | 第38页 |
| ·实验结果 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 基于特征融合和FSRSM的隐写盲检测算法 | 第41-49页 |
| ·引言 | 第41-42页 |
| ·小波包特征和共生矩阵特征 | 第42-44页 |
| ·小波包特征 | 第42-43页 |
| ·共生矩阵特征 | 第43-44页 |
| ·基于特征融合和FSRSM的隐写盲检测算法 | 第44-45页 |
| ·实验结果及分析 | 第45-48页 |
| ·实验建立 | 第45页 |
| ·实验结果 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 本文三种算法的对比与分析 | 第49-51页 |
| 结论与展望 | 第51-52页 |
| 参考文献 | 第52-59页 |
| 致谢 | 第59-60页 |
| 附录 | 第60-61页 |
| 个人简历 | 第61-62页 |
| 在学校期间的研究成果以及发表的学术论文 | 第62页 |
