数字图像同源性鉴别技术研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 数字图像取证的研究背景及意义 | 第9-11页 |
| 1.2 数字图像取证概念及分类 | 第11-14页 |
| 1.2.1 根据取证目标分类 | 第11-12页 |
| 1.2.2 根据取证方式分类 | 第12-14页 |
| 1.3 本文的研究内容与结构 | 第14-15页 |
| 2 数字图像被动盲取证技术概述 | 第15-31页 |
| 2.1 数字图像成像过程 | 第15-22页 |
| 2.1.1 数码相机成像模型 | 第15-18页 |
| 2.1.2 成像过程中引入的特征分析 | 第18-22页 |
| 2.2 数字图像被动取证系统框架 | 第22-24页 |
| 2.3 数字图像同源性取证技术分类及框架 | 第24-27页 |
| 2.3.1 数字图像同源性介绍 | 第24-25页 |
| 2.3.2 数字图像来源盲取证框架 | 第25-26页 |
| 2.3.3 数字图像篡改盲取证框架 | 第26-27页 |
| 2.4 数字图像被动取证研究现状及存在问题 | 第27-30页 |
| 2.4.1 研究现状 | 第27-29页 |
| 2.4.2 存在问题 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 基于曲线图的快速非监督图像来源分类算法 | 第31-49页 |
| 3.1 问题分析 | 第31页 |
| 3.2 模式噪声 | 第31-35页 |
| 3.2.1 模式噪声的提取 | 第31-33页 |
| 3.2.2 相关性度量 | 第33-35页 |
| 3.3 算法的数学模型 | 第35-39页 |
| 3.3.1 曲线图的建立 | 第35-37页 |
| 3.3.2 曲线图的分割 | 第37-38页 |
| 3.3.3 分割结束判定条件 | 第38-39页 |
| 3.4 利用轮廓系数提取最优解方法进行改进 | 第39-40页 |
| 3.5 基于曲线图算法的算法流程 | 第40-42页 |
| 3.6 实验结果与性能分析 | 第42-47页 |
| 3.7 本章小结 | 第47-49页 |
| 4 基于模式噪声的图像篡改检测技术 | 第49-63页 |
| 4.1 问题分析 | 第49页 |
| 4.2 峰值—相关能量比 | 第49-56页 |
| 4.2.1 PCE原理 | 第49-51页 |
| 4.2.2 实验结果与性能分析 | 第51-56页 |
| 4.3 基于图像显著信息的图像块划分 | 第56-59页 |
| 4.3.1 实验与性能分析 | 第56-57页 |
| 4.3.2 边界框的划分 | 第57-59页 |
| 4.4 算法流程 | 第59-60页 |
| 4.5 实验结果与性能分析 | 第60-62页 |
| 4.6 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表学术论文情况 | 第69-70页 |
| 致谢 | 第70-71页 |
