| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 引言 | 第7页 |
| 1.2 本文研究的现实意义 | 第7-10页 |
| 1.3 本文的组织结构 | 第10-11页 |
| 第二章 数字取证技术概述 | 第11-23页 |
| 2.1 数字图像取证技术 | 第11-12页 |
| 2.2 数字图像盲取证技术的研究现状 | 第12-13页 |
| 2.3 数字图像盲取证技术主要解决的两个任务 | 第13-16页 |
| 2.3.1 像源鉴别 | 第13-14页 |
| 2.3.2 真实性鉴别 | 第14-16页 |
| 2.4 数字视频盲取证技术 | 第16-23页 |
| 2.4.1 Weihong Wang检测视频篡改的几种算法 | 第17-18页 |
| 2.4.2 使用光子散粒噪声来检测可疑区域 | 第18-19页 |
| 2.4.3 使用读出噪声来检测数字视频中的篡改 | 第19-21页 |
| 2.4.4 利用残余噪声的相关性来定位篡改区域 | 第21-23页 |
| 第三章 基于视频修复痕迹的数字视频取证算法 | 第23-38页 |
| 3.1 视频编解码原理 | 第23-27页 |
| 3.1.1 MPEG-2编码视频数据的结构介绍 | 第23-25页 |
| 3.1.2 MPEG-2视频编码过程 | 第25-27页 |
| 3.1.3 MPEG-2视频解码过程 | 第27页 |
| 3.2 视频修复技术简介 | 第27-30页 |
| 3.2.1 图像修复技术(Image Inpainting) | 第27-29页 |
| 3.2.2 视频修复技术(Video Inpainting) | 第29-30页 |
| 3.3 基于修复痕迹的数字视频取证算法 | 第30-38页 |
| 3.3.1 视频篡改后引入的修复痕迹——"鬼影" | 第30-31页 |
| 3.3.2 算法流程图 | 第31页 |
| 3.3.3 用累积差来跟踪移动的前景 | 第31-34页 |
| 3.3.4 数学形态学操作 | 第34-36页 |
| 3.3.5 用块匹配来分割前景和背景 | 第36-38页 |
| 第四章 实验结果及性能分析 | 第38-54页 |
| 4.1 所用视频来源 | 第38-39页 |
| 4.2 基于逐帧修复视频的检测结果 | 第39-42页 |
| 4.3 基于After Effects CS4篡改视频的检测结果 | 第42-44页 |
| 4.4 基于Mokey V4.1.3篡改视频的检测结果 | 第44-47页 |
| 4.5 对其它篡改方法的检测 | 第47-50页 |
| 4.6 码率的影响 | 第50-51页 |
| 4.7 原始视频与篡改视频的检测结果比较 | 第51-53页 |
| 4.8 算法的检测准确率 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 发表论文和科研情况说明 | 第59-60页 |
| 致谢 | 第60页 |
