| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-23页 |
| ·研究背景及其意义 | 第11-14页 |
| ·数字图像篡改技术 | 第14-18页 |
| ·数字图像取证技术研究现状及发展 | 第18-21页 |
| ·数字图像主动取证技术 | 第18-19页 |
| ·数字图像盲取证技术 | 第19-21页 |
| ·论文主要任务及组织结构 | 第21-23页 |
| 2 数字图像被动取证技术概述 | 第23-33页 |
| ·数字图像取证技术研究现状及发展 | 第23-24页 |
| ·数字图像盲取证方法 | 第24-32页 |
| ·篡改痕迹盲取证 | 第25-28页 |
| ·成像一致性盲取证 | 第28-30页 |
| ·图像统计特征盲取证 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 3 基于图像像素相关性的固有属性研究 | 第33-44页 |
| ·数字图像像素一致性分析 | 第33-39页 |
| ·CFA插值概念 | 第33-34页 |
| ·几种主要的CFA插值方法 | 第34-38页 |
| ·数字图像在像素域性质 | 第38-39页 |
| ·利用线性回归进行像素间相关性分析 | 第39-43页 |
| ·数字图像的像素域模型 | 第40-41页 |
| ·像素域线性回归条件与回归结果分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于像素相关性的图像拼接检测 | 第44-66页 |
| ·基于LRR的图像篡改取证 | 第44-53页 |
| ·构建马尔科夫模型和提取特征向量 | 第44-46页 |
| ·分类器的选取 | 第46-49页 |
| ·分类算法步骤 | 第49-50页 |
| ·仿真结果与分析 | 第50-53页 |
| ·基于LRR的拼接图像边缘分析 | 第53-65页 |
| ·简化的拼接边缘LR(linear regression)模型 | 第54-56页 |
| ·拼接边缘LRR分布特性 | 第56-59页 |
| ·LRR分析及边缘定位原理 | 第59-61页 |
| ·边缘检测流程 | 第61-62页 |
| ·检测结果与分析 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 5 总结与展望 | 第66-68页 |
| ·本文总结 | 第66页 |
| ·展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 作者简历 | 第71-73页 |
| 学位论文数据集 | 第73页 |