| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.2 数字图像取证概念及分类 | 第12-13页 |
| 1.2.1 数字图像主动取证 | 第12-13页 |
| 1.2.2 数字图像被动取证 | 第13页 |
| 1.3 本文的研究内容与结构 | 第13-15页 |
| 2 数字图像被动盲取证技术概述 | 第15-25页 |
| 2.1 数字图像成像过程 | 第15-19页 |
| 2.1.1 数码相机成像模型 | 第15-16页 |
| 2.1.2 成像过程中引入的特征分析 | 第16-19页 |
| 2.2 数字图像被动盲取证框架 | 第19-21页 |
| 2.3 数字图像被动取证研究现状及存在问题 | 第21-24页 |
| 2.3.1 研究现状 | 第21-24页 |
| 2.3.2 存在问题 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 3 基于集成映射的小样本条件下相机型号来源鉴别方法 | 第25-35页 |
| 3.1 问题分析 | 第25-26页 |
| 3.2 局部二值模型特征 | 第26-28页 |
| 3.2.1 局部二值模式特征介绍 | 第26-27页 |
| 3.2.2 局部二值模式特征提取框架 | 第27-28页 |
| 3.3 算法原理及框架 | 第28-31页 |
| 3.3.1 构建原型集 | 第28-30页 |
| 3.3.2 集成映射 | 第30-31页 |
| 3.4 实验结果与性能分析 | 第31-34页 |
| 3.4.1 实验样本与图像参数设置 | 第31-32页 |
| 3.4.2 有效性实验 | 第32-33页 |
| 3.4.3 参数设置对实验结果的影响 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于模式噪声块选择的小样本条件下相机个体来源鉴别方法 | 第35-56页 |
| 4.1 问题分析 | 第35-36页 |
| 4.2 模式噪声 | 第36-42页 |
| 4.2.1 模式噪声的定义 | 第36-38页 |
| 4.2.2 模式噪声的提取 | 第38-40页 |
| 4.2.3 相关性度量 | 第40-42页 |
| 4.3 算法的数学模型 | 第42-47页 |
| 4.3.1 图像的复杂度计算 | 第42-45页 |
| 4.3.2 基于块的模式噪声提取方法 | 第45-47页 |
| 4.4 实验结果与性能分析 | 第47-54页 |
| 4.5 本章小结 | 第54-56页 |
| 结论 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |