数字图像盲取证分类算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景及意义 | 第7页 |
| ·数字图像取证技术 | 第7-9页 |
| ·数字图像来源取证 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·主要工作及章节安排 | 第12-15页 |
| 第二章 基于图像特征来源取证方法 | 第15-33页 |
| ·引言 | 第15页 |
| ·数码相机成像过程 | 第15-18页 |
| ·数码相机成像管道 | 第15-16页 |
| ·数码相机成像特性 | 第16-18页 |
| ·特征提取 | 第18-23页 |
| ·非线性失真统计特征 | 第18-19页 |
| ·CFA插值系数 | 第19-21页 |
| ·噪声统计特征 | 第21-22页 |
| ·小波系数高阶统计特征 | 第22-23页 |
| ·JPEG压缩统计特征 | 第23页 |
| ·支持向量机及分类判决 | 第23-25页 |
| ·实验仿真与讨论 | 第25-30页 |
| ·本章小结 | 第30-33页 |
| 第三章 利用特征选择算法优化的来源取证方法 | 第33-41页 |
| ·引言 | 第33页 |
| ·特征选择优化 | 第33-35页 |
| ·特征选择过程 | 第33-34页 |
| ·产生过程 | 第34-35页 |
| ·评价函数 | 第35页 |
| ·停止准则 | 第35页 |
| ·SFFS特征选择算法 | 第35-36页 |
| ·实验结果与讨论 | 第36-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 噪声方差和纹理复杂度分析的源相机识别 | 第41-57页 |
| ·引言 | 第41-42页 |
| ·传感器模式噪声 | 第42-45页 |
| ·模式噪声组成成分 | 第42-43页 |
| ·模式噪声提取 | 第43-45页 |
| ·基于模式噪声数字图像来源取证 | 第45-49页 |
| ·相关性系数 | 第46页 |
| ·图像来源判决 | 第46-48页 |
| ·传统的基于模式噪声数字图像来源取证方法的不足 | 第48-49页 |
| ·噪声方差和纹理复杂度分析 | 第49-52页 |
| ·插值像素点和非插值像素点的噪声方差 | 第49-50页 |
| ·测试图像高纹理区域模糊聚类去除 | 第50-52页 |
| ·实验仿真与讨论 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·展望 | 第57-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第65页 |
