基于图象的广义隐写分析
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 背景介绍 | 第9-10页 |
| 1.2 研究现状及研究意义 | 第10-13页 |
| 1.3 研究内容及主要工作 | 第13-14页 |
| 第二章 隐写和隐写分析技术 | 第14-35页 |
| 2.1 隐写技术 | 第14-20页 |
| 2.1.1 基于时空域的隐写技术 | 第17-19页 |
| 2.1.2 基于变换域的隐写技术 | 第19-20页 |
| 2.2 隐写分析技术 | 第20-34页 |
| 2.2.1 基于LSB 的隐写与隐写分析 | 第22-28页 |
| 2.2.2 调色板图象中的隐写与隐写分析 | 第28-30页 |
| 2.2.3 JPEG 图象中的隐写与隐写分析 | 第30-34页 |
| 2.3 本章小节 | 第34-35页 |
| 第三章 BP 神经网络 | 第35-51页 |
| 3.1 人工神经网络模型 | 第35-38页 |
| 3.2 人工神经网络的分类及学习规则 | 第38-42页 |
| 3.2.1 人工神经网络的分类 | 第38-41页 |
| 3.2.2 神经网络的学习 | 第41-42页 |
| 3.3 BP 学习算法 | 第42-50页 |
| 3.3.1 BP 学习算法描述 | 第42-46页 |
| 3.3.2 BP 学习算法步骤 | 第46-50页 |
| 3.4 本章小节 | 第50-51页 |
| 第四章 RS 检测算法的分析与改进 | 第51-63页 |
| 4.1 RS 分析法 | 第51-54页 |
| 4.2 RS 信息检测的影响因素 | 第54-60页 |
| 4.2.1 分块方法 | 第56页 |
| 4.2.2 分块大小 | 第56-57页 |
| 4.2.3 嵌入信息的方法 | 第57页 |
| 4.2.4 载体图象的初始偏差 | 第57-58页 |
| 4.2.5 载体图象的选取 | 第58-59页 |
| 4.2.6 根本原因 | 第59-60页 |
| 4.3 算法改进 | 第60-62页 |
| 4.4 本章小节 | 第62-63页 |
| 第五章 新的广义隐写分析算法及其改进 | 第63-85页 |
| 5.1 图象质量统计量的选择 | 第63-74页 |
| 5.1.1 图象质量统计量 | 第63-69页 |
| 5.1.2 针对信息隐藏的图象质量统计量 | 第69-74页 |
| 5.2 基于图象的广义隐写分析模型 | 第74-84页 |
| 5.2.1 BP 神经网络基本模型 | 第74-75页 |
| 5.2.2 实验结果与分析 | 第75-80页 |
| 5.2.3 改进的广义隐写分析算法 | 第80-84页 |
| 5.3 本章小节 | 第84-85页 |
| 第六章 总结及展望 | 第85-87页 |
| 参考文献 | 第87-92页 |
| 致谢 | 第92-93页 |
| 攻读学位期间发表的学术论文目录 | 第93-96页 |
| 上海交通大学学位论文答辩决议书 | 第96页 |
