基于神经网络的数字水印研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 引言 | 第9-10页 |
| 1.2 课题的背景和意义 | 第10-11页 |
| 1.3 课题的研究现状和发展趋势 | 第11-12页 |
| 1.4 研究的方法 | 第12页 |
| 1.5 本文的结构及章节安排 | 第12-14页 |
| 第二章 数字水印模型及性能评估 | 第14-24页 |
| 2.1 数字水印模型 | 第14-16页 |
| 2.2 数字图像水印的性能 | 第16-23页 |
| 2.2.1 稳健性 | 第16-17页 |
| 2.2.2 视觉质量的定量描述 | 第17-22页 |
| 2.2.3 性能评估中的水印攻击法 | 第22-23页 |
| 2.3 水印信号的选择及预处理 | 第23-24页 |
| 第三章 神经网络与人类视觉心理 | 第24-28页 |
| 3.1 神经网络说明 | 第24-25页 |
| 3.1.1 人工神经网络的特性 | 第24页 |
| 3.1.2 神经网络应用于数字水印 | 第24-25页 |
| 3.2 人类视觉心理模型 | 第25-28页 |
| 3.2.1 人类视觉系统的视觉特性 | 第25-26页 |
| 3.2.2 人类视觉系统在数字水印中的应用现状 | 第26-27页 |
| 3.2.3 Watson感知模型 | 第27-28页 |
| 第四章 神经网络提取模型 | 第28-46页 |
| 4.1 神经网络应用于空域图像水印 | 第28-35页 |
| 4.1.1 典型空域水印算法 | 第28-30页 |
| 4.1.2 基于模版训练的水印提取算法 | 第30-35页 |
| 4.2 小波域的模版训练提取 | 第35-41页 |
| 4.3 基于反卷积的水印修复算法 | 第41-46页 |
| 第五章 神经网络嵌入模型 | 第46-55页 |
| 5.1 基于HVS的DCT域水印嵌入 | 第46-54页 |
| 5.1.1 选择嵌入位置 | 第47页 |
| 5.1.2 确定嵌入强度 | 第47-50页 |
| 5.1.3 水印嵌入 | 第50-51页 |
| 5.1.4 水印提取 | 第51页 |
| 5.1.5 实验结果与数据 | 第51-54页 |
| 5.2 小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 附录 | 第60-73页 |
