基于支持向量机的自适应数字水印技术研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 论文的选题背景及意义 | 第9页 |
| 1.2 数字水印技术的研究状况 | 第9-10页 |
| 1.2.1 数字水印的历史状况 | 第9页 |
| 1.2.2 数字水印技术的发展趋势 | 第9-10页 |
| 1.3 本文的主要研究内容 | 第10-11页 |
| 1.4 本章小结 | 第11-12页 |
| 第2章 数字水印 | 第12-18页 |
| 2.1 数字图像处理概述 | 第12-13页 |
| 2.1.1 图像的概念 | 第12页 |
| 2.1.2 图像的分类 | 第12页 |
| 2.1.3 图像的表示 | 第12-13页 |
| 2.1.4 数字图像处理技术 | 第13页 |
| 2.2 数字水印的基本概念 | 第13-14页 |
| 2.2.1 数字水印的定义 | 第13页 |
| 2.2.2 数字水印的特性 | 第13-14页 |
| 2.3 数字水印的典型算法 | 第14-15页 |
| 2.3.1 空间域数字水印算法 | 第14-15页 |
| 2.3.2 变换域数字水印算法 | 第15页 |
| 2.4 数字水印的性能评价简介 | 第15-16页 |
| 2.4.1 不可感知性的性能评价 | 第15-16页 |
| 2.4.2 稳健性的质量评价 | 第16页 |
| 2.5 常用的水印攻击方法 | 第16-17页 |
| 2.6 数字水印的应用 | 第17页 |
| 2.7 本章小结 | 第17-18页 |
| 第3章 支持向量机 | 第18-27页 |
| 3.1 统计学习的理论 | 第18-19页 |
| 3.2 支持向量机的理论 | 第19-22页 |
| 3.2.1 线性可分支持向量机 | 第19-20页 |
| 3.2.2 线性不可分支持向量机 | 第20页 |
| 3.2.3 支持向量回归机原理 | 第20-22页 |
| 3.3 核函数 | 第22-23页 |
| 3.3.1 核函数的方法及原理 | 第22页 |
| 3.3.2 核函数特点 | 第22页 |
| 3.3.3 核函数的常见分类 | 第22-23页 |
| 3.4 最小二乘支持向量机 | 第23-24页 |
| 3.5 粒子群学习算法优化超参数 | 第24-26页 |
| 3.6 支持向量机在数字水印技术中的应用 | 第26页 |
| 3.7 本章小结 | 第26-27页 |
| 第4章 基于支持向量机的纹理特性数字水印算法 | 第27-44页 |
| 4.1 基于纹理特性的自适应数字水印技术 | 第27-28页 |
| 4.2 数字水印系统的基本设计步骤 | 第28-34页 |
| 4.2.1 数字水印系统生成部分的设计 | 第28-30页 |
| 4.2.2 数字水印系统嵌入部分的设计 | 第30-33页 |
| 4.2.3 数字水印系统提取部分的设计 | 第33-34页 |
| 4.3 实验结果 | 第34-42页 |
| 4.3.1 粒子群优化超参数部分 | 第34-36页 |
| 4.3.2 数字水印仿真实验结果 | 第36-42页 |
| 4.4 本章小结 | 第42-44页 |
| 第5章 基于支持向量机的对比度函数数字水印算法 | 第44-67页 |
| 5.1 基于对比度自适应数字水印技术 | 第44-47页 |
| 5.1.1 频率敏感性 | 第44页 |
| 5.1.2 亮度敏感性 | 第44-45页 |
| 5.1.3 边缘及纹理掩蔽特性 | 第45页 |
| 5.1.4 对比度遮掩特性 | 第45页 |
| 5.1.5 基于人眼视觉系统(HVS)的空间变换 | 第45-47页 |
| 5.2 数字水印系统的设计部分 | 第47-52页 |
| 5.2.1 数字水印系统生成部分的设计 | 第47-49页 |
| 5.2.2 数字水印系统嵌入部分的设计 | 第49-51页 |
| 5.2.3 数字水印系统提取部分的设计 | 第51-52页 |
| 5.3 仿真实验及分析 | 第52-65页 |
| 5.3.1 粒子群优化超参数部分 | 第52-54页 |
| 5.3.2 数字水印仿真实验结果 | 第54-65页 |
| 5.4 本章小结 | 第65-67页 |
| 第6章 总结与展望 | 第67-70页 |
| 6.1 论文工作的总结 | 第67-68页 |
| 6.2 论文工作的展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间的研究成果 | 第75页 |
