摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第13-20页 |
1.1 研究背景和意义 | 第13-14页 |
1.2 数字图像隐写技术 | 第14-16页 |
1.2.1 数字隐写的系统模型 | 第14页 |
1.2.2 数字隐写的性能指标 | 第14-15页 |
1.2.3 数字隐写的技术发展 | 第15-16页 |
1.3 数字图像隐写检测技术 | 第16-18页 |
1.3.1 隐写检测的系统模型 | 第16页 |
1.3.2 隐写检测的性能指标 | 第16-17页 |
1.3.3 隐写检测技术发展 | 第17-18页 |
1.4 论文的内容内容及章节安排 | 第18-20页 |
第二章 数字图像隐写分析检测框架 | 第20-28页 |
2.1 引言 | 第20页 |
2.2 基于二分类器的有监督隐写检测框架 | 第20-22页 |
2.3 基于单分类器的半监督隐写检测框架 | 第22-24页 |
2.4 基于隐写者识别的无监督隐写检测框架 | 第24-26页 |
2.5 拟解决的关键问题 | 第26-27页 |
2.6 本章小结 | 第27-28页 |
第三章 结合图像来源与异常检测的JPEG图像盲检测算法 | 第28-39页 |
3.1 引言 | 第28页 |
3.2 JPEG图像来源检测算法 | 第28-31页 |
3.2.1 相机来源取证算法 | 第29页 |
3.2.2 图像来源检索特征 | 第29-31页 |
3.3 算法流程 | 第31-32页 |
3.4 实验结果及性能分析 | 第32-38页 |
3.4.1 图像库构建 | 第32-33页 |
3.4.2 嵌密算法和隐写检测特征 | 第33页 |
3.4.3 特征预处理 | 第33页 |
3.4.4 相机源检测算法性能 | 第33-34页 |
3.4.5 所提算法性能 | 第34-38页 |
3.5 本章小结 | 第38-39页 |
第四章 结合图像滤波与异常检测的空域图像盲检测算法 | 第39-50页 |
4.1 引言 | 第39页 |
4.2 图像滤波检测特征 | 第39-43页 |
4.2.1 图像滤波算法 | 第40页 |
4.2.2 图像滤波检测算法 | 第40-42页 |
4.2.3 图像滤波处理对隐写检测的影响 | 第42-43页 |
4.3 高维空间异常检测算法 | 第43-44页 |
4.3.1 基于角度的异常检测算法FastABOD | 第43-44页 |
4.3.2 基于Antihub的异常检测算法 | 第44页 |
4.4 算法流程 | 第44-45页 |
4.5 实验结果及分析 | 第45-48页 |
4.5.1 图像库构建 | 第45页 |
4.5.2 隐写算法和隐写检测特征 | 第45页 |
4.5.3 图像滤波检测性能分析 | 第45-46页 |
4.5.4 结合图像滤波检测的隐写检测算法分析 | 第46-48页 |
4.6 本章小结 | 第48-50页 |
第五章 结合富模型特征和卷积神经网络的图像隐写分析 | 第50-61页 |
5.1 引言 | 第50-51页 |
5.2 卷积神经网络的基本结构 | 第51-52页 |
5.2.1 卷积层(Convolutional Layer) | 第51-52页 |
5.2.2 池化层 (Pooling Layer) | 第52页 |
5.2.3 全连接层(Fully-Connected Layer) | 第52页 |
5.3 富模型特征DCTR | 第52-53页 |
5.4 本算法所提神经网络结构 | 第53-55页 |
5.4.1 卷积神经网络结构 | 第53-54页 |
5.4.2 卷积神经网络训练参数设计 | 第54-55页 |
5.4.3 深度学习开发框架 | 第55页 |
5.5 实验结果及性能分析 | 第55-59页 |
5.5.1 图像数据集和软件平台 | 第56页 |
5.5.2 卷积层滤波器选择 | 第56页 |
5.5.3 神经网络迭代次数选择 | 第56-58页 |
5.5.4 训练样本数目选择 | 第58页 |
5.5.5 与集成分类器性能比较 | 第58-59页 |
5.6 本章小结 | 第59-61页 |
第六章 结束语 | 第61-63页 |
6.1 论文工作总结 | 第61-62页 |
6.2 研究方向展望 | 第62-63页 |
致谢 | 第63-64页 |
参考文献 | 第64-70页 |
作者简历 | 第70页 |