| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-12页 |
| 1.2 国内外研究进展 | 第12-14页 |
| 1.3 研究意义 | 第14-15页 |
| 1.4 论文各章节安排 | 第15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 数字图像复制粘贴篡改 | 第16-30页 |
| 2.1 数字图像篡改分类 | 第16-17页 |
| 2.2 数字图像复制粘贴篡改概述 | 第17-21页 |
| 2.2.1 同幅数字图像复制粘贴篡改 | 第17-20页 |
| 2.2.2 异幅数字图像复制粘贴篡改 | 第20-21页 |
| 2.3 数字图像复制粘贴检测常见算法 | 第21-29页 |
| 2.3.1 穷举搜索法 | 第22页 |
| 2.3.2 自相关检测法 | 第22-23页 |
| 2.3.3 图像块匹配法 | 第23-24页 |
| 2.3.4 基于 DCT 系数检测法 | 第24-25页 |
| 2.3.5 基于主转移向量的检测算法 | 第25-26页 |
| 2.3.6 基于 PCA 的检测算法 | 第26-28页 |
| 2.3.7 基于小波和奇异分解检测法 | 第28页 |
| 2.3.8 现有算法的优点与不足 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于 PCA 聚类分析的数字图像复制粘贴检测方法 | 第30-47页 |
| 3.1 PCA 主成分分析 | 第30-34页 |
| 3.1.1 主成分分析的定义 | 第30-31页 |
| 3.1.2 主成分分析的基本原理 | 第31-34页 |
| 3.2 聚类分析 | 第34-36页 |
| 3.2.1 聚类算法分类 | 第34-35页 |
| 3.2.2 K-means 聚类算法 | 第35-36页 |
| 3.3 基于 PCA 特征提取 | 第36-38页 |
| 3.4 特征聚类分析 | 第38-40页 |
| 3.5 特征向量匹配 | 第40页 |
| 3.6 算法流程 | 第40-42页 |
| 3.7 实验结果及分析 | 第42-46页 |
| 3.8 本章小结 | 第46-47页 |
| 第四章 数字图像复制粘贴的实验平台 | 第47-50页 |
| 4.1 实验平台基本功能 | 第47页 |
| 4.2 实验平台实现 | 第47-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 攻读学位期间公开发表的论文 | 第57-58页 |
| 致谢 | 第58-59页 |