基于二阶纹理和噪声一致性的篡改图像检测技术研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.3 论文研究内容与组织结构 | 第17-19页 |
| 第2章 基础知识介绍 | 第19-30页 |
| 2.1 自然图像拼接篡改方法 | 第19-20页 |
| 2.2 相关自然图像拼接篡改检测技术 | 第20-23页 |
| 2.3 图片色彩模型 | 第23-26页 |
| 2.3.1 RGB色彩模型 | 第23-24页 |
| 2.3.2 YCbCr色彩模型 | 第24页 |
| 2.3.3 HIS色彩模型 | 第24页 |
| 2.3.4 不同颜色空间图片拼接效果分析 | 第24-26页 |
| 2.4 机器学习与支持向量机 | 第26-29页 |
| 2.4.1 机器学习 | 第26页 |
| 2.4.2 支持向量机 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 基于图片DCT域共生矩阵的图像拼接盲检测 | 第30-44页 |
| 3.1 图片DCT域共生矩阵检测算法分析 | 第30-34页 |
| 3.2 检测算法整体框架 | 第34-35页 |
| 3.3 检测算法具体实现方案 | 第35-39页 |
| 3.3.1 二维图像分块DCT变换 | 第35-36页 |
| 3.3.2 分块DCT系数差分矩阵 | 第36-37页 |
| 3.3.3 灰度共生矩阵 | 第37-39页 |
| 3.4 仿真实验及结果分析 | 第39-43页 |
| 3.4.1 图片库的选取 | 第39-41页 |
| 3.4.2 支持向量机的训练及测试 | 第41页 |
| 3.4.3 实验结果及分析 | 第41-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 基于图像块噪声估计的拼接图像盲检测算法 | 第44-58页 |
| 4.1 图像成像过程及噪声组成 | 第44-46页 |
| 4.1.1 图像成像过程 | 第44-45页 |
| 4.1.2 图像噪声组成 | 第45-46页 |
| 4.2 噪声的数学模型和分类 | 第46-49页 |
| 4.3 基于图像块噪声估计的拼接图像盲检测算法 | 第49-54页 |
| 4.3.1 小波域的图像噪声估计 | 第49-51页 |
| 4.3.2 图像噪声估计效果比较 | 第51-52页 |
| 4.3.3 图像分块 | 第52页 |
| 4.3.4 图像块合并及篡改区域定位 | 第52-53页 |
| 4.3.5 基于噪声估计的篡改图像检测算法框架 | 第53-54页 |
| 4.4 仿真实验与结果分析 | 第54-56页 |
| 4.5 本章总结 | 第56-58页 |
| 第5章 全文总结与展望 | 第58-60页 |
| 5.1 本文成果 | 第58页 |
| 5.2 研究展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63-65页 |
| 攻读硕士学位期间已发表或录用的论文 | 第65页 |
