基于多模纹理分类的图像隐写分析算法
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究背景和意义 | 第9页 |
| ·信息隐藏 | 第9-11页 |
| ·隐写分析 | 第11-12页 |
| ·本文的章节安排 | 第12-14页 |
| 第2章 JPEG图像的隐写与隐写分析 | 第14-26页 |
| ·引言 | 第14页 |
| ·JPEG图像原理简述 | 第14-16页 |
| ·JPEG隐写算法 | 第16-17页 |
| ·常见的JPEG隐写分析算法 | 第17-24页 |
| ·χ~2检测 | 第17-18页 |
| ·基于直方图估计的隐写分析算法 | 第18-20页 |
| ·小波分解高阶统计量分析算法 | 第20-21页 |
| ·通用隐写检测概述 | 第21-24页 |
| ·隐写算法数据分析 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 针对图像隐写分析的纹理分类 | 第26-38页 |
| ·引言 | 第26页 |
| ·纹理分类的基本概念 | 第26-27页 |
| ·纹理的定义 | 第26-27页 |
| ·纹理分类流程 | 第27页 |
| ·图像隐写分析中的纹理分类 | 第27-32页 |
| ·纹理分类对图像隐写分析的意义 | 第27-28页 |
| ·图像隐写分析中纹理分类的方法 | 第28-32页 |
| ·不同纹理的隐写特性分析 | 第32-36页 |
| ·空域特性分析 | 第32-35页 |
| ·频域特性分析 | 第35-36页 |
| ·纹理分类实验 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于多模纹理分类的图像隐写分析 | 第38-52页 |
| ·广义通用隐写检测 | 第38页 |
| ·多模纹理分类的图像隐写分析实现 | 第38-47页 |
| ·算法概述 | 第38-39页 |
| ·特征提取 | 第39-44页 |
| ·分类器设计 | 第44-45页 |
| ·单类SVM的设计 | 第45-47页 |
| ·含密判断方法 | 第47页 |
| ·实验结果 | 第47-51页 |
| ·训练样本数量对检测率的影响 | 第47-48页 |
| ·通用性比较 | 第48-49页 |
| ·检测率比较 | 第49页 |
| ·多模纹理分类的图像隐写检测实验结果 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 GPU并行计算在隐写分析中的应用 | 第52-61页 |
| ·引言 | 第52-53页 |
| ·CUDA编程模型 | 第53-55页 |
| ·线程结构 | 第53页 |
| ·硬件映射 | 第53-54页 |
| ·存储器模型 | 第54-55页 |
| ·GPU并行计算测试 | 第55-57页 |
| ·单GPU的并行计算 | 第55-56页 |
| ·DCT变换的并行算法 | 第56-57页 |
| ·GPU的隐写分析计算 | 第57-60页 |
| ·GPU数据处理方式 | 第57-58页 |
| ·多GPU运算 | 第58-59页 |
| ·GPU内部数据的处理方式 | 第59页 |
| ·算法概述 | 第59-60页 |
| ·实验结果 | 第60页 |
| ·本章小结 | 第60-61页 |
| 第6章 总结和展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 附录 | 第68-73页 |
