基于整数提升小波变换的数字水印技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-31页 |
| ·数字水印的需求背景 | 第10-13页 |
| ·国内外发展现状 | 第13-20页 |
| ·第一代数字水印技术研究 | 第14-15页 |
| ·当前数字水印技术现状与分析 | 第15-20页 |
| ·数字水印系统的基本框架 | 第20-22页 |
| ·数字水印技术 | 第22-29页 |
| ·数字水印特点 | 第22-24页 |
| ·数字水印分类 | 第24-25页 |
| ·数字水印生成 | 第25-27页 |
| ·数字水印攻击 | 第27-28页 |
| ·数字水印应用 | 第28-29页 |
| ·论文的研究工作及安排 | 第29-31页 |
| 第二章 基于整数提升LWT的量化水印算法研究 | 第31-45页 |
| ·小波分析基础 | 第31-35页 |
| ·小波变换 | 第31-35页 |
| ·提升小波变换 | 第35页 |
| ·整数LWT与常用DWT的比较 | 第35-36页 |
| ·基于QIM的LWT水印算法 | 第36-39页 |
| ·量化调制水印算法的改进 | 第36-38页 |
| ·水印的嵌入 | 第37-38页 |
| ·水印的提取与检测 | 第38页 |
| ·基于LWT的水印算法实现 | 第38-39页 |
| ·实验测试 | 第39-44页 |
| ·无攻击下的水印性能测试 | 第39-41页 |
| ·攻击测试 | 第41-44页 |
| ·小结 | 第44-45页 |
| 第三章 一种基于MSD-ICA的双目数字水印方案 | 第45-62页 |
| ·神经网络基础 | 第45-47页 |
| ·人工神经网络 | 第45-46页 |
| ·神经网络在数字水印中的应用 | 第46-47页 |
| ·人类视觉系统 | 第47-49页 |
| ·独立分量分析与盲信号处理 | 第49-54页 |
| ·独立分量分析 | 第49-51页 |
| ·基于ICA的数字水印模型 | 第51-53页 |
| ·多分辨率子带分解的独立分量分析技术 | 第53-54页 |
| ·一种基于MSD-ICA的双目水印方案 | 第54-57页 |
| ·基于红色和蓝色分量的水印嵌入 | 第55页 |
| ·水印的提取和验证 | 第55-56页 |
| ·方案的算法流程 | 第56-57页 |
| ·实验测试 | 第57-61页 |
| ·测试结果分析 | 第57-60页 |
| ·与基于绿色分量嵌入水印的算法比较 | 第60-61页 |
| ·小结 | 第61-62页 |
| 第四章 结论 | 第62-65页 |
| ·全文总结 | 第62-63页 |
| ·进一步的工作 | 第63-65页 |
| ·与智能技术的融合 | 第63-64页 |
| ·与密码学的融合 | 第64页 |
| ·与盲信号处理的融合 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 附录 | 第71-78页 |
| 在学期间的研究成果 | 第78页 |
