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--一般性问题论文--安全保密论文--加密与解密论文

基于小波分析和神经网络的图像数字水印技术研究

摘要第1-4页
ABSTRACT第4-9页
1 绪论第9-13页
   ·数字水印的研究背景及意义第9-10页
   ·数字水印技术的发展现状第10-12页
   ·论文的章节安排第12-13页
2 数字水印的基本理论及其应用第13-20页
   ·数字水印的基本概念第13页
   ·数字水印的特征第13-14页
   ·数字水印的分类第14页
   ·数字水印的主要应用第14-15页
   ·数字水印的基本模型第15-16页
   ·数字水印的典型算法第16-18页
     ·空间域算法第16-17页
     ·变换域算法第17-18页
   ·数字水印的常见攻击方法第18-19页
   ·数字水印性能的评估方法第19页
   ·本章小结第19-20页
3 小波变换理论及其在数字水印技术中的应用第20-29页
   ·小波变换的基本概念第20-22页
     ·小波变换的发展历程第20-21页
     ·小波变换的定义第21-22页
   ·离散小波变换第22-23页
   ·多分辨分析第23-26页
   ·Mallat 算法第26页
   ·二维小波变换与二维多分辨分析第26-27页
   ·小波包变换理论第27页
   ·小波变换在数字水印技术中的应用第27-28页
   ·本章小结第28-29页
4 神经网络基本理论及其在数字水印技术中的应用第29-43页
   ·人工神经网络基本概念第29-37页
     ·生物神经元的结构与功能特点第29-30页
     ·人工神经元模型第30-32页
     ·人工神经网络模型第32-33页
     ·神经网络的特点第33-34页
     ·神经网络的学习方式第34-35页
     ·神经网络的学习规则第35-37页
   ·常用人工神经网络模型第37-42页
     ·BP 神经网络第37-40页
     ·离散Hopfield 网络第40-42页
   ·神经网络在数字水印技术中的应用第42页
   ·本章小结第42-43页
5 目前常见的数字水印算法第43-70页
   ·基于DCT 变换的水印算法第43-51页
     ·水印嵌入的算法步骤第43页
     ·水印信号的嵌入框图第43页
     ·水印提取的算法步骤第43-44页
     ·水印信号的提取框图第44页
     ·算法实验第44-45页
     ·水印的攻击检测第45-51页
   ·基于DWT 变换的水印算法第51-59页
     ·水印嵌入的算法步骤第51页
     ·水印信号的嵌入框图第51页
     ·水印提取的算法步骤第51-52页
     ·水印信号的提取框图第52页
     ·算法实验第52-53页
     ·水印的攻击检测第53-59页
   ·基于DWT 与BP 神经网络的数字水印算法第59-69页
     ·水印的嵌入算法步骤第59-62页
     ·水印信号的嵌入框图第62页
     ·水印的提取算法步骤第62-63页
     ·水印信号的提取框图第63页
     ·算法实验第63-64页
     ·水印的攻击检测第64-69页
   ·本章小结第69-70页
6 基于小波包变换及Hopfield 网络的数字水印算法第70-82页
   ·基本数学理论第70-71页
     ·二维离散傅里叶变换第70-71页
     ·二维离散傅里叶变换的旋转不变性第71页
     ·二维离散余弦变换第71页
   ·水印的嵌入算法第71-74页
     ·水印的嵌入算法步骤第71-73页
     ·水印信号的嵌入框图第73-74页
   ·水印的提取算法第74-75页
     ·水印的提取算法步骤第74页
     ·水印信号的提取框图第74-75页
   ·算法实验第75-76页
   ·水印的攻击检测第76-81页
     ·压缩攻击实验第76-77页
     ·噪声攻击实验第77-78页
     ·滤波攻击实验第78-79页
     ·旋转攻击实验第79-80页
     ·缩放攻击实验第80页
     ·剪切攻击实验第80-81页
   ·本章小结第81-82页
7 实验结果对比分析与参数优化第82-91页
   ·实验结果对比分析第82-87页
     ·压缩攻击实验结果对比分析第82-83页
     ·噪声攻击实验结果对比分析第83页
     ·滤波攻击实验结果对比分析第83-84页
     ·旋转攻击实验结果对比分析第84-85页
     ·缩放攻击实验结果对比分析第85页
     ·剪切攻击实验结果对比分析第85-87页
   ·嵌入强度参数优化第87-90页
     ·利用标准粒子群算法优化参数第87-89页
     ·实验结果第89-90页
   ·本章小结第90-91页
8 结论第91-93页
   ·总结第91-92页
   ·展望第92-93页
致谢第93-94页
参考文献第94-97页

论文共97页,点击 下载论文
上一篇:一种新的正定二次规划算法
下一篇:动态模糊神经网络在综合评判中的应用