| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 主要工作和研究内容 | 第14-15页 |
| 1.4 论文章节安排 | 第15-17页 |
| 第二章 图像数字水印理论和技术 | 第17-31页 |
| 2.1 数字水印系统模型 | 第17-19页 |
| 2.1.1 水印生成算法 | 第18-19页 |
| 2.1.2 水印嵌入算法 | 第19页 |
| 2.1.3 水印提取算法 | 第19页 |
| 2.2 数字水印分类 | 第19-20页 |
| 2.3 数字水印典型算法 | 第20-24页 |
| 2.3.1 空域算法 | 第20页 |
| 2.3.2 变换域算法 | 第20-24页 |
| 2.4 数字水印相关技术 | 第24-28页 |
| 2.4.1 SVD变换 | 第24-26页 |
| 2.4.2 纠错编码技术 | 第26-28页 |
| 2.5 数字水印攻击方法 | 第28-29页 |
| 2.6 数字水印性能评价 | 第29-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第三章 基于神经网络和遗传算法的图像数字水印 | 第31-59页 |
| 3.1 基于神经网络分类的水印方案分析 | 第31-38页 |
| 3.1.1 图像纹理特征 | 第31-33页 |
| 3.1.2 神经网络技术 | 第33-35页 |
| 3.1.3 CongJin方案 | 第35-36页 |
| 3.1.4 C.H.Yu方案 | 第36-37页 |
| 3.1.5 其他方案 | 第37-38页 |
| 3.2 遗传算法 | 第38-42页 |
| 3.2.1 遗传算法生物基础 | 第38页 |
| 3.2.2 遗传算法基本流程 | 第38-39页 |
| 3.2.3 遗传算法的发展 | 第39-41页 |
| 3.2.4 选择的遗传算法 | 第41-42页 |
| 3.3 改进的水印置乱算法 | 第42-48页 |
| 3.3.1 标准SCAN语言 | 第43页 |
| 3.3.2 修正SCAN语言 | 第43-44页 |
| 3.3.3 二值图像的模式四叉树 | 第44-45页 |
| 3.3.4 水印图像置乱算法 | 第45-48页 |
| 3.4 改进的基于神经网络和遗传算法自适应水印方案 | 第48-58页 |
| 3.4.1 改进方案框架 | 第48-50页 |
| 3.4.2 改进算法设计与实现 | 第50-55页 |
| 3.4.3 实验结果及分析 | 第55-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第四章 双重自恢复图像数字水印 | 第59-82页 |
| 4.1 现有双重水印算法 | 第60-65页 |
| 4.1.1 基于人类视觉模型水印方案 | 第60-63页 |
| 4.1.2 基于水印预处理的水印算法 | 第63-64页 |
| 4.1.3 其他方案 | 第64-65页 |
| 4.2 自恢复技术框架 | 第65-67页 |
| 4.2.1 自恢复技术原理 | 第65-66页 |
| 4.2.2 主映射函数 | 第66页 |
| 4.2.3 置乱技术 | 第66-67页 |
| 4.2.4 加密函数 | 第67页 |
| 4.3 改进的水印算法设计与实现 | 第67-75页 |
| 4.3.1 多目标优化算法 | 第68-69页 |
| 4.3.2 改进的第一重水印算法 | 第69-71页 |
| 4.3.3 改进的第二重水印算法 | 第71-74页 |
| 4.3.4 双重水印自恢复技术 | 第74-75页 |
| 4.4 实验结果与分析 | 第75-80页 |
| 4.4.1 水印提取结果分析 | 第75-80页 |
| 4.4.2 自恢复结果分析 | 第80页 |
| 4.5 本章小结 | 第80-82页 |
| 第五章 总结与展望 | 第82-84页 |
| 5.1 工作总结 | 第82-83页 |
| 5.2 工作展望 | 第83-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-91页 |
| 攻读硕士学位期间取得的研究成果 | 第91-92页 |