基于高阶统计量的合成图像鉴别方法
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 图像篡改检测的研究现状和相关研究成果 | 第14-19页 |
| 1.2.1 图像鉴定技术的研究现状 | 第14-16页 |
| 1.2.2 自然图像篡改检测的相关研究成果 | 第16-19页 |
| 1.3 本文的研究内容和组织安排 | 第19-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第2章 相关基础知识 | 第21-37页 |
| 2.1 自然图像篡改技术和检测原理 | 第21-27页 |
| 2.1.1 常用图像编辑软件 | 第21-23页 |
| 2.1.2 常用篡改技术 | 第23-25页 |
| 2.1.3 篡改检测的基本原理 | 第25-27页 |
| 2.2 高阶统计量 | 第27-31页 |
| 2.2.1 单个随机变量的特征函数 | 第28-29页 |
| 2.2.2 多个变量随机变量的情形 | 第29页 |
| 2.2.3 高阶矩的定义 | 第29-31页 |
| 2.2.4 多个随机变量及随机过程的高阶矩 | 第31页 |
| 2.3 支持向量机 | 第31-36页 |
| 2.3.1 线性分类器 | 第32-33页 |
| 2.3.2 支持向量机 | 第33-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第3章 基于高阶统计量的合成图像鉴别方法 | 第37-55页 |
| 3.1 概述 | 第37-39页 |
| 3.2 基于高阶统计特性的合成图像鉴别方法 | 第39-41页 |
| 3.3 图像预处理 | 第41-44页 |
| 3.4 统计特征提取 | 第44-50页 |
| 3.4.1 高阶统计特征提取 | 第44-46页 |
| 3.4.2 低阶统计特征提取 | 第46-50页 |
| 3.5 分类器训练及测试 | 第50页 |
| 3.6 仿真实验 | 第50-53页 |
| 3.6.1 实验数据集 | 第50-51页 |
| 3.6.2 鉴别结果 | 第51-52页 |
| 3.6.3 JPEG 压缩的影响 | 第52-53页 |
| 3.7 本章小结 | 第53-55页 |
| 第4章 基于SIFT 的复制遮盖检测方法 | 第55-72页 |
| 4.1 概述 | 第55-57页 |
| 4.2 基于SIFT 的复制遮盖检测方法 | 第57-60页 |
| 4.3 SIFT 特征向量生成 | 第60-66页 |
| 4.4 特征点集的递归划分 | 第66-67页 |
| 4.5 SIFT 特征向量匹配 | 第67-68页 |
| 4.6 仿真实验 | 第68-70页 |
| 4.7 本章小结 | 第70-72页 |
| 第5章 全文总结 | 第72-75页 |
| 5.1 主要结论 | 第72-73页 |
| 5.2 研究展望 | 第73-74页 |
| 5.3 本章小结 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间已发表或录用的论文 | 第80页 |
