| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-28页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 数字图像隐写及隐写分析技术概述 | 第15-17页 |
| 1.3 图像自适应隐写技术 | 第17-20页 |
| 1.3.1 空域图像自适应隐写算法 | 第17-19页 |
| 1.3.2 JPEG图像自适应隐写算法 | 第19-20页 |
| 1.4 图像自适应隐写分析技术 | 第20-25页 |
| 1.4.1 基于滤波图像统计特性的隐写检测方法 | 第20-22页 |
| 1.4.2 基于元素更改概率的隐写检测方法 | 第22-23页 |
| 1.4.3 基于深度学习框架的隐写检测方法 | 第23-24页 |
| 1.4.4 图像自适应隐写检测中的特征选择与分类器设计 | 第24-25页 |
| 1.5 存在的主要问题 | 第25-26页 |
| 1.6 本文主要工作及章节安排 | 第26-28页 |
| 第二章 基于高斯偏导数滤波器组的JPEG图像自适应隐写检测 | 第28-46页 |
| 2.1 可控方向滤波器 | 第28-33页 |
| 2.2 基于高斯偏导数滤波器组的检测特征提取 | 第33-38页 |
| 2.2.1 滤波系数的属性分析 | 第33-35页 |
| 2.2.2 特征提取步骤 | 第35-38页 |
| 2.3 实验结果与分析 | 第38-45页 |
| 2.3.1 实验设置 | 第38-39页 |
| 2.3.2 不同滤波器对应检测特征的性能对比实验 | 第39-40页 |
| 2.3.3 不同参数对特征检测性能的影响实验 | 第40-42页 |
| 2.3.4 与已有方法的对比实验 | 第42-45页 |
| 2.4 本章小结 | 第45-46页 |
| 第三章 基于可能更改位置的干扰量化类隐写检测 | 第46-60页 |
| 3.1 可能更改位置的判定 | 第46-49页 |
| 3.2 基于可能更改位置的检测特征提取 | 第49-54页 |
| 3.2.1 统计样本类型判定 | 第49-51页 |
| 3.2.2 特征提取方法 | 第51-52页 |
| 3.2.3 特征敏感性分析 | 第52-54页 |
| 3.3 实验结果与分析 | 第54-58页 |
| 3.3.1 实验设置 | 第54页 |
| 3.3.2 特征敏感性对比实验 | 第54-57页 |
| 3.3.3 与已有特征的对比实验 | 第57-58页 |
| 3.4 本章小结 | 第58-60页 |
| 第四章 基于滤波系数权重分配的JPEG图像自适应隐写检测 | 第60-80页 |
| 4.1 基于最小化加性失真的JPEG图像自适应隐写 | 第60-64页 |
| 4.1.1 元素更改概率的计算方法 | 第60-61页 |
| 4.1.2 元素更改概率与隐写的关系 | 第61-64页 |
| 4.2 信息嵌入域与特征提取域元素的关系分析 | 第64-67页 |
| 4.3 基于滤波系数权重分配的特征提取 | 第67-69页 |
| 4.3.1 滤波系数的权重分配方法 | 第67-68页 |
| 4.3.2 特征提取步骤 | 第68-69页 |
| 4.4 实验结果与分析 | 第69-78页 |
| 4.4.1 实验设置 | 第69-70页 |
| 4.4.2 不准确的元素更改概率对所提方法性能的影响 | 第70-72页 |
| 4.4.3 嵌入比率已知条件下的性能对比结果 | 第72-76页 |
| 4.4.4 嵌入比率未知条件下的性能对比结果 | 第76-78页 |
| 4.5 本章小结 | 第78-80页 |
| 第五章 基于遗传算法和Pareto算法的JPEG图像自适应隐写检测 | 第80-92页 |
| 5.1 隐写检测方法框架 | 第80-81页 |
| 5.2 基于遗传算法的特征子空间构建 | 第81-83页 |
| 5.3 基于Pareto算法的基分类器优选 | 第83-84页 |
| 5.4 实验结果与分析 | 第84-90页 |
| 5.4.1 实验设置 | 第84-85页 |
| 5.4.2 特征子集优化组合结果 | 第85-87页 |
| 5.4.3 基分类器优选结果 | 第87-88页 |
| 5.4.4 与已有方法的对比实验 | 第88-90页 |
| 5.5 本章小结 | 第90-92页 |
| 总结与展望 | 第92-96页 |
| 致谢 | 第96-98页 |
| 参考文献 | 第98-106页 |
| 作者简历 攻读博士学位期间完成的主要工作 | 第106页 |
