自然图像统计规律在数字图像取证上的研究与应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 引言 | 第8-11页 |
| ·选题的背景和意义 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·数字图像主动取证国内、外研究现状 | 第9页 |
| ·数字图像主动取证国内、外研究现状 | 第9-10页 |
| ·本论文所要解决的问题 | 第10-11页 |
| 2 数字图像取证技术简介 | 第11-14页 |
| ·数字图像概念 | 第11-12页 |
| ·数字图像的组成 | 第11页 |
| ·数字图像篡改方法 | 第11-12页 |
| ·数字图像取证技术 | 第12-14页 |
| ·数字图像篡改方法 | 第12-13页 |
| ·数字图像被动取证技术简介 | 第13-14页 |
| 3 数字被动图像取证技术 | 第14-17页 |
| ·基于自然图像的统计规律的取证技术 | 第14页 |
| ·基于场景约束的取证技术 | 第14-15页 |
| ·基于特定篡改手法的取证技术 | 第15页 |
| ·基于获取图像的电子设备的特征的取证 | 第15-16页 |
| ·一些新的研究方向 | 第16-17页 |
| 4 基于小波分解的数字图像取证技术 | 第17-37页 |
| ·知识准备 | 第17-23页 |
| ·图像的QMF分解 | 第17-18页 |
| ·小波变换 | 第18-19页 |
| ·图像的四级小波分解 | 第19-21页 |
| ·特征值提取 | 第21-23页 |
| ·在数字图像取证上的创新 | 第23页 |
| ·数字图像聚类算法 | 第23-28页 |
| ·K-means算法的基本思想 | 第24页 |
| ·改进的K-means算法 | 第24-26页 |
| ·基于数字图像自动聚类算法 | 第26页 |
| ·数字图像聚类算法结果 | 第26-28页 |
| ·数字图像聚类结果分析 | 第28页 |
| ·数字图像取证的支持向量机算法 | 第28-36页 |
| ·支持向量机算法流程 | 第29-32页 |
| ·支持向量机算法结果 | 第32-36页 |
| ·综合结果分析 | 第36-37页 |
| 5 Linux+GCC平台下的数字图像检测系统 | 第37-40页 |
| ·数字图像检测系统的框架 | 第37页 |
| ·数字图像检测系统的工作流程 | 第37-39页 |
| ·数字图像自动检测系统分析 | 第39-40页 |
| 6 论文创新点 | 第40-41页 |
| 7 结论与展望 | 第41-42页 |
| ·本文所做的工作 | 第41页 |
| ·今后的研究工作及展望 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 申请学位期间的研究成果及发表的学术论文 | 第45-46页 |
| 致谢 | 第46页 |
