| 提要 | 第1-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·本文的主要工作 | 第14-15页 |
| ·本文的结构安排 | 第15-17页 |
| 第2章 自然图像盲取证系统概述 | 第17-25页 |
| ·自然图像的篡改模型 | 第17页 |
| ·自然图像盲取证系统模型 | 第17-21页 |
| ·理想图像取证模型 | 第17-18页 |
| ·图像盲取证系统结构 | 第18-21页 |
| ·自然图像盲取证技术概述 | 第21-23页 |
| ·主要的图像盲取证技术 | 第21-23页 |
| ·目前图像盲取证技术存在的问题 | 第23页 |
| ·本章小结 | 第23-25页 |
| 第3章 基于一阶分型维数和小波域特征的自然图像盲鉴别算法 | 第25-36页 |
| ·引言 | 第25-26页 |
| ·相关原理 | 第26-28页 |
| ·小波变换 | 第26-27页 |
| ·分形维数 | 第27-28页 |
| ·算法流程 | 第28-32页 |
| ·计盒维数特征的提取 | 第29-30页 |
| ·小波域特征的提取 | 第30-31页 |
| ·分类器的选择 | 第31-32页 |
| ·实验结果及分析 | 第32-34页 |
| ·图像数据库 | 第32-33页 |
| ·实验步骤 | 第33页 |
| ·实验结果与分析 | 第33-34页 |
| ·本章小结 | 第34-36页 |
| 第4章 基于多重分形维数的自然图像盲鉴别算法 | 第36-49页 |
| ·引言 | 第36-37页 |
| ·相关原理 | 第37-39页 |
| ·多重分形维数 | 第37页 |
| ·HSV颜色空间 | 第37-38页 |
| ·梯度图像 | 第38-39页 |
| ·算法流程 | 第39-44页 |
| ·全局分形维数提取 | 第40页 |
| ·HSV颜色空间分形维数提取 | 第40-42页 |
| ·预测误差矩阵的分形维数提取 | 第42-43页 |
| ·梯度密度图像的分形维数提取 | 第43-44页 |
| ·分类器的选择 | 第44页 |
| ·实验结果与分析 | 第44-48页 |
| ·图像数据库 | 第44-45页 |
| ·实验结果与分析 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 总结与展望 | 第49-51页 |
| ·工作总结 | 第49-50页 |
| ·研究展望 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 作者简介及在学期间所取得的科研成果 | 第56-57页 |
| 致谢 | 第57页 |