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

语义对象级图像篡改被动取证技术研究

摘要第5-7页
Abstract第7-9页
第1章 绪论第16-28页
    1.1 课题来源第16页
    1.2 研究背景及意义第16-18页
    1.3 数字图像取证技术第18-20页
        1.3.1 基于水印的主动取证技术第19-20页
        1.3.2 被动取证技术第20页
    1.4 基于语义对象级图像篡改被动取证研究现状第20-25页
        1.4.1 基于线雕刻图像篡改被动取证研究现状第21-24页
        1.4.2 基于样本合成图像篡改被动取证研究现状第24-25页
    1.5 本文的主要研究内容及贡献第25-27页
    1.6 本文的组织结构第27-28页
第2章 语义对象级图像篡改取证的相关技术第28-36页
    2.1 引言第28页
    2.2 图像线雕刻技术第28-30页
    2.3 图像修复技术第30-33页
    2.4 图像隐写分析技术第33-34页
    2.5 语义对象级图像篡改被动取证评价指标第34-35页
    2.6 本章小结第35-36页
第3章 基于WLD和LBP的线雕刻图像被动取证算法第36-55页
    3.1 引言第36-37页
    3.2 线雕刻篡改图像被动取证线索第37-38页
    3.3 WLD和LBP简介第38-41页
        3.3.1 WLD第38-40页
        3.3.2 LBP算子概述第40-41页
    3.4 提出的方法第41-46页
        3.4.1 提取LBP和WLD直方图特征第42-44页
        3.4.2 Kruskal-Wallis特征选择第44-45页
        3.4.3 SVM分类器第45-46页
    3.5 实验结果与分析第46-53页
        3.5.1 实验环境搭建第46-47页
        3.5.2 特征选择第47-48页
        3.5.3 各种缩放因子线雕刻图像篡改检测比较第48-51页
        3.5.4 不同缩放因子的1F值第51-52页
        3.5.5 其他分析第52-53页
    3.6 本章小结第53-55页
第4章 基于多尺度空频域熵的低缩放因子线雕刻篡改取证算法第55-72页
    4.1 引言第55-56页
    4.2 低缩放因子线雕刻篡改特性分析第56-57页
    4.3 局部图像熵第57-58页
    4.4 基于空频域熵特征的取证框架第58-63页
        4.4.1 基于空频域熵的多层次统计特征第59-61页
        4.4.2 LBP能量特征第61-63页
        4.4.3 SVM分类器用于被动取证第63页
    4.5 实验结果与分析第63-71页
        4.5.1 实验环境搭建第63-65页
        4.5.2 实验结果讨论第65-69页
        4.5.3 算法特征分析第69-71页
    4.6 本章小结第71-72页
第5章 基于LTM的通用内容感知图像缩放取证算法第72-82页
    5.1 局部Tchebichef矩第72-73页
    5.2 LTM描述算子第73-74页
    5.3 取证线索第74-76页
        5.3.1 已用缩放方法的分析第74-75页
        5.3.2 缩放方法失真分析第75-76页
    5.4 基于LTM的内容感知缩放取证算法第76-78页
        5.4.1 预处理第76-77页
        5.4.2 LTM特征第77-78页
        5.4.3 分类策略第78页
    5.5 实验结果与分析第78-81页
        5.5.1 实验环境与测试数据建立第78-79页
        5.5.2 实验讨论第79-81页
    5.6 本章小结第81-82页
第6章 基于JPDM样本合成修复的对象移除取证第82-97页
    6.1 引言第82-83页
    6.2 后处理对样本合成图像修复的影响第83页
    6.3 提出的篡改检测算法第83-88页
        6.3.1 基于JPDM特征提取与分析第84-88页
        6.3.2 集成分类器第88页
    6.4 实验结果及分析第88-95页
        6.4.1 实验环境第88-90页
        6.4.2 块大小b的选择第90-91页
        6.4.3 无后处理的对象删除检测第91-92页
        6.4.4 经后处理的图像修复检测第92-94页
        6.4.5 辨别原始图像经后处理与修复图像第94-95页
        6.4.6 辨别原始图像和修复图像都经后处理第95页
    6.5 本章小结第95-97页
结论第97-101页
参考文献第101-112页
致谢第112-113页
附录A 攻读博士学位期间发表论文目录第113-114页
附录B 攻读学位期间参与的研究项目第114页

论文共114页,点击 下载论文
上一篇:光子计数条件下关联成像技术研究
下一篇:基于概念漂移的数据流集成分类算法研究