基于卷积神经网络的图像隐写分析
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 图像隐写术的发展历史和现状 | 第10-12页 |
| 1.3 图像隐写分析的发展历史和现状 | 第12-15页 |
| 1.4 论文的研究内容和章节安排 | 第15-17页 |
| 第2章 卷积神经网络与图像隐写分析 | 第17-25页 |
| 2.1 卷积神经网络 | 第17-21页 |
| 2.1.1 卷积神经网络的特点 | 第17-19页 |
| 2.1.2 卷积神经网络的网络模型 | 第19-20页 |
| 2.1.3 卷积神经网络的训练过程 | 第20-21页 |
| 2.2 基于卷积神经网络的隐写分析模型 | 第21-24页 |
| 2.2.1 基于绝对值层的卷积神经网络 | 第21-22页 |
| 2.2.2 基于选择信道的卷积神经网络 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 基于多级并联的卷积神经网络 | 第25-37页 |
| 3.1 卷积神经网络的隐写分析策略 | 第25-26页 |
| 3.2 多级并联卷积神经网络 | 第26-31页 |
| 3.2.1 网络的整体框架 | 第26-28页 |
| 3.2.2 网络结构的设计 | 第28-31页 |
| 3.3 实验结果及分析 | 第31-36页 |
| 3.3.1 实验环境设置 | 第31-33页 |
| 3.3.2 性能对比 | 第33-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于多激活模块和并行子网的卷积神经网络 | 第37-57页 |
| 4.1 多激活模块 | 第37-40页 |
| 4.1.1 激活函数 | 第37-39页 |
| 4.1.2 多激活模块的设计 | 第39-40页 |
| 4.2 网络的预处理层 | 第40-43页 |
| 4.2.1 Gabor滤波预处理 | 第41-42页 |
| 4.2.2 线性滤波预处理 | 第42-43页 |
| 4.2.3 非线性滤波预处理 | 第43页 |
| 4.3 网络结构与预训练 | 第43-46页 |
| 4.3.1 网络总体框架 | 第44-45页 |
| 4.3.2 预训练 | 第45-46页 |
| 4.4 实验结果及分析 | 第46-55页 |
| 4.4.1 实验环境设置 | 第46-47页 |
| 4.4.2 性能对比 | 第47-49页 |
| 4.4.3 多激活函数 | 第49-52页 |
| 4.4.4 并行子网 | 第52-54页 |
| 4.4.5 预训练 | 第54-55页 |
| 4.5 本章小结 | 第55-57页 |
| 第5章 总结与展望 | 第57-60页 |
| 5.1 总结 | 第57-58页 |
| 5.2 展望 | 第58-60页 |
| 参考文献 | 第60-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间的研究成果 | 第68页 |
