基于GPU的图像隐写分析实现
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·图像隐写分析概述 | 第10-12页 |
| ·隐写分析的研究背景及意义 | 第10页 |
| ·图像隐写分析的发展及现状 | 第10-12页 |
| ·GPU概述 | 第12-13页 |
| ·并行计算 | 第13-14页 |
| ·本文结构与创新 | 第14-15页 |
| 第2章 图像隐写分析的并行性 | 第15-21页 |
| ·图像并行隐写分析的基本概念 | 第15页 |
| ·图像隐写分析的并行形式 | 第15-16页 |
| ·图像隐写分析的并行算法 | 第16-18页 |
| ·并行算法设计 | 第16页 |
| ·图像隐写分析的并行算法 | 第16-18页 |
| ·性能指标和评价方法 | 第18-20页 |
| ·性能指标 | 第18-19页 |
| ·评价方法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 基于CUDA架构的并行调度 | 第21-30页 |
| ·CUDA编程模型 | 第21-25页 |
| ·主机与设备 | 第21-22页 |
| ·线程结构 | 第22-23页 |
| ·存储器模型 | 第23-24页 |
| ·软件体系 | 第24页 |
| ·多设备与设备集群 | 第24-25页 |
| ·并行调度 | 第25-27页 |
| ·纹理绑定方式绑定批量图像数据 | 第25-26页 |
| ·全局存储器存储批量图像数据 | 第26-27页 |
| ·并行隐写分析算法的总体设计 | 第27-28页 |
| ·软硬件平台 | 第27-28页 |
| ·并行隐写分析算法的基本流程 | 第28页 |
| ·关键技术 | 第28-29页 |
| ·纹理存储器 | 第28页 |
| ·共享存储器和原子函数 | 第28-29页 |
| ·多设备并行 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第4章 RS隐写分析算法的并行实现 | 第30-46页 |
| ·RS隐写分析算法 | 第30-33页 |
| ·RS算法概述 | 第30-31页 |
| ·阈值σ估计 | 第31-33页 |
| ·RS算法在GPU上的并行实现 | 第33-37页 |
| ·RS算法的点和邻域并行 | 第33-36页 |
| ·RS算法的特征提取并行 | 第36-37页 |
| ·实验结果及分析评价 | 第37-45页 |
| ·基于单设备的单幅图像的RS并行隐写分析 | 第38-40页 |
| ·基于单设备的批量图像的RS并行隐写分析 | 第40-43页 |
| ·基于多设备的批量图像的RS并行隐写分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 NJD隐写分析算法的并行实现 | 第46-68页 |
| ·NJD隐写分析算法 | 第46-48页 |
| ·支持向量机 | 第48-54页 |
| ·支持向量机的分类思想 | 第48-49页 |
| ·线性支持向量机 | 第49-52页 |
| ·尺度归一化与模型参数寻优 | 第52-54页 |
| ·NJD算法在GPU上的并行实现 | 第54-62页 |
| ·NJD特征提取在GPU上的并行实现 | 第55-58页 |
| ·SVM检测算法在GPU上的并行实现 | 第58-62页 |
| ·实验结果与分析 | 第62-67页 |
| ·基于单设备的单幅图像的NJD并行隐写分析 | 第62-64页 |
| ·基于单设备的批量图像的NJD并行隐写分析 | 第64-65页 |
| ·基于多设备的批量图像的NJD并行隐写分析 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| ·本文总结 | 第68页 |
| ·发展方向 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 附录1 | 第76-85页 |
| 附录2 | 第85-90页 |
