首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

图像通用隐写检测中的多特征融合方法

中文摘要第1-4页
Abstract第4-8页
第一章 引言第8-12页
   ·选题背景和意义第8-9页
   ·国内外研究现状第9-10页
   ·主要内容和创新点第10-11页
   ·文章组织结构第11-12页
第二章 隐写检测、特征融合技术概述第12-19页
   ·隐写与隐写检测技术第12-17页
     ·隐写技术与常用隐写算法第12-14页
     ·隐写检测技术第14-17页
   ·特征融合技术概述第17-19页
第三章 基于启发式特征组合选择的图像多特征融合通用隐写检测方法第19-30页
   ·引言第19-20页
   ·典型相关分析第20-21页
   ·基于启发式特征组合选择的图像多特征融合通用隐写检测方法第21-24页
     ·基本定义第21-22页
     ·算法描述第22-24页
   ·实验设计及结果分析第24-28页
     ·数据集第24页
     ·实验设计第24-25页
     ·实验流程第25-28页
     ·实验结果与分析第28页
   ·本章小结第28-30页
第四章 基于改进AdaBoostSVM的图像多特征融合通用隐写检测方法第30-45页
   ·引言第30-31页
   ·研究现状第31-34页
     ·AdaBoost算法第31-32页
     ·AdaBoost与SVM的结合第32-34页
   ·基于改进AdaBoostSVM的多特征融合通用隐写检测算法第34-37页
   ·实验设计与分析第37-44页
     ·数据集第37页
     ·实验设计第37页
     ·实验结果与分析第37-44页
   ·本章小结第44-45页
第五章 基于AdaBoostSVM的可并行图像多特征融合通用隐写检测算法设计与实现第45-56页
   ·引言第45-46页
   ·理论基础第46-48页
     ·并行计算第46-47页
     ·MapReduce框架第47-48页
   ·基于AdaBoostSVM的可并行多特征融合通用隐写检测算法第48-51页
     ·算法描述第48-49页
     ·MapReduce框架下的实现第49-51页
   ·实验设计与结果分析第51-55页
     ·检测效果实验第51-52页
     ·并行效果Speedup实验第52-54页
     ·并行效果Scaleup实验第54-55页
   ·本章小结第55-56页
第六章 本文算法的比较分析第56-58页
总结与展望第58-60页
参考文献第60-64页
致谢第64-65页
附录第65-66页
个人简历第66-67页
在学期间的研究成果及发表的学术论文第67页

论文共67页,点击 下载论文
上一篇:基于COCOMO Ⅱ的软件项目开发工作量估算研究
下一篇:基于社会网络的链接预测和社区挖掘的研究