| 表目录 | 第6-7页 |
| 图目录 | 第7-9页 |
| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 信息隐藏 | 第11-13页 |
| 1.2.1 信息隐藏技术的历史与研究现状 | 第11-12页 |
| 1.2.2 信息隐藏的分类与应用 | 第12-13页 |
| 1.3 数字隐写 | 第13-16页 |
| 1.3.1 数字隐写模型 | 第13页 |
| 1.3.2 数字隐写分类 | 第13-16页 |
| 1.4 隐写分析 | 第16-20页 |
| 1.4.1 隐写分析的技术指标 | 第16-17页 |
| 1.4.2 隐写分析技术分类 | 第17-20页 |
| 1.5 基于图像局部复杂度的隐写分析 | 第20-21页 |
| 1.6 本文的主要工作及章节安排 | 第21-23页 |
| 第二章 图像统计特征及隐写分析性能与图像复杂度关系分析 | 第23-42页 |
| 2.1 图像信源 | 第23-25页 |
| 2.1.1 离散信源的概率分布和信息熵 | 第23-25页 |
| 2.1.2 Markov 信源 | 第25页 |
| 2.2 图像的统计特性 | 第25-30页 |
| 2.2.1 灰度直方图 | 第26-28页 |
| 2.2.2 差分直方图 | 第28-29页 |
| 2.2.3 游程长度直方图 | 第29-30页 |
| 2.3 图像复杂度对隐写分析算法性能的影响 | 第30-41页 |
| 2.3.1 图像复杂度 | 第30-32页 |
| 2.3.2 不同复杂度图像对隐写分析性能的影响 | 第32-40页 |
| 2.3.3 典型隐写分析算法性能测试 | 第40-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第三章 基于图像偏离度直方图的 LSB匹配隐写分析算法 | 第42-51页 |
| 3.1 算法原理 | 第42-46页 |
| 3.1.1 加性噪声模型 | 第42-43页 |
| 3.1.2 偏离度直方图 | 第43-44页 |
| 3.1.3 特征分析 | 第44-46页 |
| 3.2 特征提取 | 第46-48页 |
| 3.3 Fisher 线性判决 | 第48-49页 |
| 3.4 实验结果及算法性能分析 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 基于平坦区域游程长度直方图的隐写分析算法 | 第51-59页 |
| 4.1 算法原理及流程 | 第51-56页 |
| 4.1.1 四叉树分割 | 第51-54页 |
| 4.1.2 游程长度直方图 | 第54页 |
| 4.1.3 特征提取 | 第54-56页 |
| 4.2 支持向量机 | 第56页 |
| 4.3 实验结果及算法性能分析 | 第56-58页 |
| 4.3.1 实验设置 | 第56页 |
| 4.3.2 子图像块尺寸对算法性能的影响 | 第56-57页 |
| 4.3.3 与其它算法性能比较 | 第57-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 一种应用 Mean Shift 图像分割和联合判决的隐写分析算法 | 第59-70页 |
| 5.1 Mean Shift 算法 | 第59-61页 |
| 5.1.1 Mean Shift 算法原理 | 第59-61页 |
| 5.1.2 Mean Shift 图像分割 | 第61页 |
| 5.2 特征提取 | 第61-62页 |
| 5.3 图像分类 | 第62-63页 |
| 5.4 基于 Mean Shift 图像分割的隐写分析算法流程 | 第63-65页 |
| 5.4.1 训练阶段 | 第64页 |
| 5.4.2 测试与联合判决 | 第64-65页 |
| 5.5 实验结果及算法性能分析 | 第65-68页 |
| 5.5.1 实验设置 | 第65-66页 |
| 5.5.2 分类方法和类别数对算法性能的影响 | 第66-68页 |
| 5.5.3 与其他算法性能比较 | 第68页 |
| 5.6 本章小结 | 第68-70页 |
| 结束语 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第78-79页 |
| 致谢 | 第79页 |
