| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-12页 |
| 1 引言 | 第12-26页 |
| ·选题背景和研究意义 | 第12页 |
| ·多媒体信息安全 | 第12-16页 |
| ·信息隐藏领域国内外的现状与发展 | 第16页 |
| ·信息隐藏技术 | 第16-23页 |
| ·信息隐藏的概念 | 第17-18页 |
| ·信息隐藏的基本模型 | 第18-19页 |
| ·信息隐藏技术的一般特性 | 第19-20页 |
| ·信息隐藏分类 | 第20-23页 |
| ·隐蔽通信技术 | 第23-24页 |
| ·本文的主要研究工作 | 第24-26页 |
| 2 数字图像隐写术与隐写分析算法 | 第26-48页 |
| ·数字图像隐写术介绍 | 第26-28页 |
| ·数字图像隐写术原理 | 第26-28页 |
| ·隐写术的主要应用领域 | 第28页 |
| ·位图(BMP)与有损压缩图像(JPEG)的隐写算法 | 第28-34页 |
| ·基于图像空域的隐写术 | 第28-31页 |
| ·基于图像变换域的隐写术介绍 | 第31-34页 |
| ·数字图像隐写分析 | 第34-39页 |
| ·数字图像隐写分析现状 | 第34-36页 |
| ·隐写分析在信息隐藏检测技术中的地位 | 第36-38页 |
| ·数字图像隐写分析原理 | 第38页 |
| ·隐写分析技术指标 | 第38-39页 |
| ·位图(BMP)与有损压缩图像(JPEG)的隐写分析算法 | 第39-47页 |
| ·基于图像空域的隐写分析介绍 | 第39-44页 |
| ·基于图像变换域的隐写分析介绍 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 3 基于多视角的特征提取及有效性分析 | 第48-66页 |
| ·基于Markov模型的特征提取 | 第48-52页 |
| ·特征向量分析 | 第48-49页 |
| ·算法流程图 | 第49-50页 |
| ·特征提取过程 | 第50-52页 |
| ·基于小波系数高阶矩的统计特征提取 | 第52-59页 |
| ·图像统计矩特征 | 第52-55页 |
| ·特征向量分析 | 第55-56页 |
| ·算法流程图 | 第56-57页 |
| ·特征提取过程 | 第57-59页 |
| ·基于DFT变换估计功率谱特征 | 第59-62页 |
| ·图像傅里叶变换及其功率谱定义 | 第59-60页 |
| ·算法流程图 | 第60-61页 |
| ·特征提取过程 | 第61-62页 |
| ·基于图像灰度共生矩阵的特征提取 | 第62-65页 |
| ·空间灰度共生矩阵分析 | 第62-64页 |
| ·算法流程图 | 第64页 |
| ·特征提取过程 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 4 基于多视角特征提取的隐写分析系统 | 第66-80页 |
| ·基于多视角特征提取的盲隐写分析系统 | 第66页 |
| ·基于多视角特征提取的隐写检测系统涉及的相关技术 | 第66-73页 |
| ·预测图像技术 | 第66-67页 |
| ·基于ONPP的子空间学习 | 第67-70页 |
| ·支持向量机工作原理 | 第70-73页 |
| ·基于多视角特征提取的隐写分析系统算法 | 第73-75页 |
| ·实验结果和分析 | 第75-79页 |
| ·实验数据 | 第75-76页 |
| ·基于多视角特征与单视角结果对比 | 第76-77页 |
| ·与其他先进算法比较 | 第77-78页 |
| ·基于支持向量机的分类器与基于最近邻分类器对比 | 第78-79页 |
| ·本章小结 | 第79-80页 |
| 5 总结和展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 作者简历 | 第86-90页 |
| 学位论文数据集 | 第90-92页 |