| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 信息隐藏 | 第9-11页 |
| 1.2.1 信息隐藏理论框架和性能指标 | 第9-10页 |
| 1.2.2 信息隐藏分支及应用领域 | 第10-11页 |
| 1.3 可逆信息隐藏 | 第11-14页 |
| 1.3.1 可逆信息隐藏理论框架和性能指标 | 第11-12页 |
| 1.3.2 可逆信息隐藏研究现状 | 第12-14页 |
| 1.4 论文主要内容及体系架构 | 第14-16页 |
| 第2章 基础理论 | 第16-20页 |
| 2.1 可逆信息隐藏率失真模型 | 第16-17页 |
| 2.2 路径追踪算法 | 第17-18页 |
| 2.3 递归编码 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第3章 基于结构平方误差约束的可逆信息隐藏优化算法 | 第20-32页 |
| 3.1 引言 | 第20-21页 |
| 3.2 SSE度量函数 | 第21-23页 |
| 3.2.1 线性结构提取器的选取 | 第22页 |
| 3.2.2 参数α的设置 | 第22-23页 |
| 3.3 SSE约束下的可逆信息隐藏率失真模型 | 第23页 |
| 3.4 基于拟牛顿方法的快速求解算法 | 第23-28页 |
| 3.4.1 拟牛顿法 | 第23-24页 |
| 3.4.2 BFGS-PF快速求解算法 | 第24-28页 |
| 3.5 实验及结果分析 | 第28-31页 |
| 3.5.1 BFGS-PF算法的收敛特性和率失真特性 | 第28-29页 |
| 3.5.2 可逆信息隐藏优化嵌入运用 | 第29-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 基于线性最小熵预测准则的可逆信息隐藏优化算法 | 第32-44页 |
| 4.1 引言 | 第32-33页 |
| 4.2 预测误差直方图平移技术和改进的递归编码方法 | 第33-36页 |
| 4.2.1 预测误差直方图平移技术 | 第33-34页 |
| 4.2.2 改进的递归编码方法 | 第34-36页 |
| 4.3 基于线性最小熵预测准则的可逆信息隐藏 | 第36-40页 |
| 4.3.1 最小熵预测准则 | 第36-38页 |
| 4.3.2 秘密信息的嵌入和提取过程 | 第38-39页 |
| 4.3.3 算法实现细节 | 第39-40页 |
| 4.4 实验及结果分析 | 第40-43页 |
| 4.4.1 预测精度比较 | 第40-42页 |
| 4.4.2 嵌入性能比较 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44-45页 |
| 5.2 展望 | 第45-46页 |
| 参考文献 | 第46-51页 |
| 在读期间发表的学术论文及研究成果 | 第51-52页 |
| 致谢 | 第52页 |
