基于统计矩特征量的数字图像盲取证技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 附图清单 | 第10-11页 |
| 1 绪论 | 第11-20页 |
| ·研究背景与意义 | 第11-14页 |
| ·数字图像取证技术 | 第14-15页 |
| ·国内外研究现状 | 第15-18页 |
| ·本文的主要工作 | 第18-20页 |
| 2 数字图像篡改技术 | 第20-25页 |
| ·数字图像的真实性篡改 | 第20-24页 |
| ·真实性篡改分类 | 第20-21页 |
| ·拼接图像 | 第21-23页 |
| ·计算机生成图像 | 第23-24页 |
| ·数字图像的原始性篡改 | 第24页 |
| ·本章小结 | 第24-25页 |
| 3 基于统计矩特征量和模式识别的图像盲取证框架 | 第25-36页 |
| ·模式识别盲取证框架 | 第25-26页 |
| ·统计矩特征量 | 第26-30页 |
| ·统计矩特征量的提取过程 | 第27页 |
| ·块离散余弦变换 | 第27-28页 |
| ·离散小波变换 | 第28-29页 |
| ·预测误差矩阵 | 第29-30页 |
| ·矩和边缘矩 | 第30页 |
| ·分类器选择 | 第30-33页 |
| ·支持向量机 | 第31-32页 |
| ·人工神经网络 | 第32-33页 |
| ·盲取证结果评价标准 | 第33-35页 |
| ·TP率、TN率、准确率 | 第33-34页 |
| ·ROC曲线及AUC | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 4 自然图像与拼接图像的检测技术研究 | 第36-46页 |
| ·理论依据 | 第36-37页 |
| ·特征量的提取 | 第37-40页 |
| ·统计矩特征量 | 第37页 |
| ·图像质量评价量 | 第37-39页 |
| ·总体特征量的提取 | 第39-40页 |
| ·实验与结果分析 | 第40-44页 |
| ·算法流程 | 第40-41页 |
| ·实验及结果 | 第41-43页 |
| ·稳定性分析 | 第43页 |
| ·分类器比较 | 第43-44页 |
| ·特征量的降维 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 自然图像与计算机生成图像的鉴别技术研究 | 第46-53页 |
| ·理论依据 | 第46页 |
| ·特征量的提取 | 第46-47页 |
| ·算法及步骤 | 第47-48页 |
| ·实验结果与分析 | 第48-51页 |
| ·稳定性分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| ·论文工作总结 | 第53页 |
| ·未来研究方向与展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 个人简历、攻读硕士学位期间完成的主要工作 | 第60-61页 |
