| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·论文选题背景 | 第8-9页 |
| ·国内外研究现状 | 第9-14页 |
| ·专用型隐写分析分类 | 第10-12页 |
| ·通用型隐写分析分类 | 第12-13页 |
| ·存在的主要问题 | 第13-14页 |
| ·论文的主要内容及研究工作 | 第14-16页 |
| 第二章 数字图像隐写术及隐写分析技术 | 第16-28页 |
| ·隐写术介绍 | 第16-21页 |
| ·隐写术基本模型 | 第16-19页 |
| ·基于JPEG 图像的隐写术介绍 | 第19-21页 |
| ·数字图像隐写分析原理 | 第21-27页 |
| ·常用针对空域LSB 的隐写分析算法 | 第22-24页 |
| ·针对JPEG 图像的隐写分析 | 第24-25页 |
| ·通用隐写分析检测算法 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 隐写图像的特征提取与选择 | 第28-42页 |
| ·通用隐写分析和模式识别的关系 | 第28页 |
| ·本文特征提取与选择过程 | 第28-31页 |
| ·预测误差图像 | 第28-29页 |
| ·图像的直方图频域矩及其用于隐写分析的理论依据 | 第29-31页 |
| ·小波分解以及对角子带D1 的深层分解 | 第31页 |
| ·特征有效性分析实验 | 第31-37页 |
| ·基于离散K-L 展开式的特征提取与选择 | 第37-41页 |
| ·离散K-L 变换原理 | 第37-39页 |
| ·K-L 变换在特征提取中的应用 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于LEVENBERG—MARQUARDT (L-M)算法的BP 神经网络分类器的设计 | 第42-48页 |
| ·概述 | 第42-44页 |
| ·BP 神经网络模型 | 第42-44页 |
| ·（LEVENBERG—MARQUARDT）L-M 算法原理 | 第44页 |
| ·分类器的设计 | 第44-45页 |
| ·分类训练结果 | 第45-46页 |
| ·检测结果 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第五章 噪声对检测的影响 | 第48-55页 |
| ·概述 | 第48页 |
| ·图像噪声 | 第48-49页 |
| ·图像中去噪方法 | 第48-49页 |
| ·基于小波变换图像去噪的尝试 | 第49-53页 |
| ·小波变换 | 第49-50页 |
| ·常规小波变换阈值去噪法 | 第50-51页 |
| ·改进的小波系数加权均值方法 | 第51-52页 |
| ·方法步骤 | 第52-53页 |
| ·实验及性能分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-56页 |
| ·总结 | 第55页 |
| ·展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 附录 A.1 | 第57-58页 |
| 附录 A.2 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第65页 |