首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于空域富模型的图像隐写分析统计特征研究

摘要第5-7页
Abstract第7-9页
1 绪论第13-29页
    1.1 问题背景及研究意义第13-14页
    1.2 信息隐藏和隐写分析的基本概念第14-19页
        1.2.1 信息隐藏技术框架第15-16页
        1.2.2 隐写分析的需求层次和分类第16页
        1.2.3 隐写分析的规则第16-17页
        1.2.4 图像定性隐写分析的机理与框架第17-18页
        1.2.5 影响图像定性隐写分析的因素第18-19页
        1.2.6 隐写分析的难点第19页
    1.3 图像信息隐藏技术的研究进展第19-21页
        1.3.1 空域信息隐藏第19-20页
        1.3.2 变换域和压缩域信息隐藏第20页
        1.3.3 内容自适应信息隐藏第20-21页
    1.4 图像隐写分析技术的研究进展第21-26页
        1.4.1 隐写分析特征抽取方法的研究进展第21-25页
        1.4.2 隐写分析机器学习的研究进展第25-26页
    1.5 本文研究的主要问题及思路第26页
    1.6 本文的主要研究工作和组织结构第26-29页
        1.6.1 本文的主要研究工作第26-28页
        1.6.2 本文的组织结构第28-29页
2 典型的空域富模型隐写分析方法第29-43页
    2.1 引言第29-30页
    2.2 SRM隐写分析特征的抽取方法第30-39页
        2.2.1 提取残差图像第31-33页
        2.2.2 残差图像的量化取整及截断第33页
        2.2.3 残差图像的共生矩阵第33-35页
        2.2.4 对称合并规则第35-39页
        2.2.5 SRM特征实例第39页
    2.3 隐写分析专用的集成分类器第39-41页
    2.4 本章小结第41-43页
3 基于相邻残差样本选择的多阶统计特征第43-69页
    3.1 引言第43-44页
    3.2 隐写前后不变的残差区域和可能发生变化的残差区域第44-48页
    3.3 基于相邻残差样本选择的多阶统计特征抽取方法第48-59页
        3.3.1 对隐写分析无效、有效和高效的相邻残差样本集第49-50页
        3.3.2 基于相邻残差样本选择的多阶统计特征抽取方法第50-56页
        3.3.3 采用相邻残差样本选择方法引起的隐写分析特征的变化第56-59页
    3.4 实验与分析第59-68页
        3.4.1 参数α=α时提出的方法的隐写分析性能第60-62页
        3.4.2 参数α=0.4bpp时提出的方法的隐写分析性能第62-66页
        3.4.3 混合测试实验第66-68页
        3.4.4 计算时间比较第68页
    3.5 本章小结第68-69页
4 SRM特征的快速投影方法第69-96页
    4.1 引言第69-71页
    4.2 抽取高维SRM特征第71-73页
    4.3 三阶共生矩阵情况下的FPSRM第73-76页
    4.4 FPSRM方法第76-79页
    4.5 实验与分析第79-94页
        4.5.1 FPSRM方法的参数优化第79-84页
        4.5.2 FPSRM方法的隐写分析性能与特征维数之间的关系第84-88页
        4.5.3 FPSRM方法与典型隐写分析方法的比较第88-91页
        4.5.4 混合测试实验第91-93页
        4.5.5 计算时间比较第93-94页
    4.6 本章小结第94-96页
5 隐写分析统计特征随机子集归一化方法第96-118页
    5.1 引言第96-97页
    5.2 特征随机子集归一化方法第97-99页
    5.3 实验与分析第99-117页
        5.3.1 实验中使用的隐写分析特征第100-101页
        5.3.2 SRM特征随机子集归一化实验第101-109页
        5.3.3 PSRM特征随机子集归一化实验第109-111页
        5.3.4 归一化特征子集的隐写分析性能第111-114页
        5.3.5 混合测试实验第114-116页
        5.3.6 计算时间比较第116-117页
    5.4 本章小结第117-118页
6 总结与展望第118-122页
    6.1 全文工作总结第118-119页
    6.2 未来工作展望第119-122页
致谢第122-123页
参考文献第123-134页
攻读博士学位期间发表论文与专利情况第134-135页
攻读博士学位期间参加课题及资助基金第135页

论文共135页,点击 下载论文
上一篇:3D-HEVC中低复杂度帧内编码算法研究
下一篇:人本计算系统中众包数据质量控制方法的改进及其应用研究