基于SVM的图像隐写盲检测
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景和意义 | 第8-9页 |
| ·研究现状 | 第9-13页 |
| ·隐写分析技术分类 | 第9-10页 |
| ·盲检测技术概述 | 第10页 |
| ·盲检测技术的研究现状 | 第10-13页 |
| ·论文的主要内容及结构 | 第13-14页 |
| 第二章 支持向量机分类器的基础理论 | 第14-24页 |
| ·统计学习理论中的重要概念 | 第14-15页 |
| ·经验风险的最小化原则 | 第14页 |
| ·VC 维数与VC 上界 | 第14-15页 |
| ·结构风险最小化原则 | 第15页 |
| ·支持向量机分类 | 第15-19页 |
| ·最优超平面 | 第16-17页 |
| ·线性支持向量机分类器 | 第17-18页 |
| ·非线性支持向量机分类器 | 第18-19页 |
| ·核函数 | 第19-20页 |
| ·SVM 训练算法的实现及发展现状 | 第20-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 基于灰度共生矩阵的盲检测 | 第24-37页 |
| ·灰度共生矩阵 | 第24-26页 |
| ·灰度共生矩阵的定义 | 第24-25页 |
| ·灰度共生矩阵的特点 | 第25-26页 |
| ·数据嵌入对灰度共生矩阵的影响 | 第26-27页 |
| ·对普通图像的检测 | 第27-31页 |
| ·三向差分图像 | 第28-29页 |
| ·阈值差分图像的灰度共生矩阵 | 第29-30页 |
| ·实验分析 | 第30-31页 |
| ·结论 | 第31页 |
| ·对JPEG 图像的检测 | 第31-36页 |
| ·JPEG 简介和几种常见的JPEG 隐写算法 | 第32-33页 |
| ·DCT 域差分共生矩阵特征 | 第33-34页 |
| ·特征提取步骤 | 第34-35页 |
| ·实验分析 | 第35页 |
| ·结论 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于图像噪声和纹理的盲检测 | 第37-53页 |
| ·图像噪声和隐写分析 | 第37-40页 |
| ·图像噪声定义 | 第37页 |
| ·图像噪声分类 | 第37-38页 |
| ·图像去噪 | 第38-39页 |
| ·图像隐写的加性噪声模型 | 第39-40页 |
| ·纹理与隐写分析 | 第40-42页 |
| ·纹理的定义 | 第40-41页 |
| ·纹理的分类 | 第41页 |
| ·数据嵌入对纹理的影响 | 第41-42页 |
| ·隐写特征提取 | 第42-48页 |
| ·基于去噪算法的噪声特征 | 第42-43页 |
| ·基于小波分析的噪声特征 | 第43-45页 |
| ·基于领域预测的噪声特征 | 第45-46页 |
| ·基于局部线性变换的纹理特征 | 第46-48页 |
| ·实验分析 | 第48-52页 |
| ·实验流程 | 第48-49页 |
| ·图像库 | 第49页 |
| ·SVM 分类器设计 | 第49页 |
| ·实验条件和结果 | 第49-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 结束语 | 第53-55页 |
| ·总结 | 第53页 |
| ·展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第60页 |
