| 摘要 | 第1-8页 |
| ABSTRACT | 第8-11页 |
| 符号表 | 第11-12页 |
| 第一章 前言 | 第12-25页 |
| ·研究背景及意义 | 第12-14页 |
| ·数字图像取证技术概述 | 第14-16页 |
| ·图像篡改检测技术 | 第16-23页 |
| ·概述 | 第16-17页 |
| ·研究现状 | 第17-22页 |
| ·面临的问题 | 第22-23页 |
| ·论文的研究内容及其贡献 | 第23-24页 |
| ·论文结构安排 | 第24-25页 |
| 第二章 基于图像噪声特性的篡改检测I：向量投影核方法 | 第25-41页 |
| ·引言 | 第25-26页 |
| ·现有基于图像噪声特性的篡改检测方法 | 第26-27页 |
| ·基于子空间投影方法的图像篡改检测框架 | 第27-29页 |
| ·向量子空间投影方法 | 第29-36页 |
| ·子空间方法简介 | 第29-30页 |
| ·基于PCA的图像篡改检测 | 第30-33页 |
| ·基于 2DPCA的图像篡改检测 | 第33-36页 |
| ·向量子空间投影核方法 | 第36-40页 |
| ·核方法简介 | 第36-38页 |
| ·基于KPCA的图像篡改检测 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 基于图像噪声特性的篡改检测II：张量投影核方法 | 第41-67页 |
| ·引言 | 第41页 |
| ·张量子空间投影方法 | 第41-56页 |
| ·二阶张量空间简介 | 第42-46页 |
| ·基于T2DPCA的图像篡改检测 | 第46-49页 |
| ·基于IT2DPCA的图像篡改检测 | 第49-56页 |
| ·张量子空间投影核方法 | 第56-65页 |
| ·基于KT2DPCA的图像篡改检测 | 第56-62页 |
| ·基于IKT2DPCA的图像篡改检测 | 第62-65页 |
| ·本章小结 | 第65-67页 |
| 第四章 基于模糊痕迹特性的篡改检测投影核方法 | 第67-92页 |
| ·引言 | 第67-68页 |
| ·现有图像模糊篡改检测方法 | 第68-69页 |
| ·基于图像边缘变化特性的图像高斯模糊篡改检测 | 第68-69页 |
| ·基于二次模糊的图像模糊篡改检测 | 第69页 |
| ·基于像素线性相关性的图像模糊篡改检测 | 第69-80页 |
| ·图像像素线性相关性 | 第69-72页 |
| ·线性组合系数估计：最小二乘法 | 第72-78页 |
| ·线性组合系数估计：奇异值分解 | 第78-80页 |
| ·基于多特征融合的图像模糊篡改检测 | 第80-90页 |
| ·算法思想 | 第81-82页 |
| ·特征提取 | 第82-84页 |
| ·基于PCA的图像模糊篡改检测 | 第84-89页 |
| ·基于KPCA的图像模糊篡改检测 | 第89-90页 |
| ·本章小结 | 第90-92页 |
| 第五章 基于信息融合的合成篡改检测投影核方法 | 第92-106页 |
| ·引言 | 第92-93页 |
| ·现有基于信息融合的篡改检测方法 | 第93-97页 |
| ·基于特征融合的图像拼接检测 | 第93页 |
| ·基于决策融合的JPEG压缩检测 | 第93-97页 |
| ·基于KDA与证据理论的合成篡改检测 | 第97-105页 |
| ·问题提出 | 第97页 |
| ·算法思想 | 第97-98页 |
| ·特征提取 | 第98-100页 |
| ·基于KDA的特征融合 | 第100-101页 |
| ·基于证据理论的决策融合 | 第101-103页 |
| ·实验结果 | 第103-105页 |
| ·本章小结 | 第105-106页 |
| 第六章 总结与展望 | 第106-109页 |
| ·本文总结与创新工作 | 第106-107页 |
| ·展望 | 第107-109页 |
| 致谢 | 第109-110页 |
| 参考文献 | 第110-116页 |
| 附录 | 第116-118页 |
| 附件 | 第118页 |