基于SVM的数字水印检测技术研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 引言 | 第7-9页 |
| 第一章 概述 | 第9-21页 |
| ·课题的背景 | 第9-10页 |
| ·数字水印及数字水印检测的基本概念 | 第10-12页 |
| ·数字水印的基本概念 | 第10-11页 |
| ·数字水印检测技术的基本概念 | 第11-12页 |
| ·SVM | 第12页 |
| ·数字水印及数字水印检测的研究现状 | 第12-18页 |
| ·国外研究现状 | 第12-16页 |
| ·国内研究现状 | 第16-18页 |
| ·本文的主要工作 | 第18页 |
| ·课题的意义 | 第18-19页 |
| ·论文结构 | 第19-21页 |
| 第二章 数字水印及其检测技术 | 第21-33页 |
| ·概述 | 第21-22页 |
| ·数字水印的分类及用途 | 第22-24页 |
| ·数字水印的典型算法 | 第24-26页 |
| ·数字图像水印检测技术 | 第26-30页 |
| ·数字图像检测器的开发 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 基于SVM 的水印检测算法设计 | 第33-45页 |
| ·统计学习理论简介 | 第33-40页 |
| ·概述 | 第33-35页 |
| ·结构风险最小化原理 | 第35-36页 |
| ·SVM | 第36-40页 |
| ·SVM 的算法分析 | 第40-41页 |
| ·块算法 | 第41页 |
| ·工作集算法 | 第41页 |
| ·SMO 算法 | 第41-42页 |
| ·基于SVM 水印检测算法设计 | 第42-44页 |
| ·SVM 的在水印检测中的优势 | 第42-43页 |
| ·算法设计 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 训练样本集的构造 | 第45-55页 |
| ·特征向量的意义 | 第45页 |
| ·图像特征向量的一般选择方法 | 第45-46页 |
| ·直方图方法 | 第46页 |
| ·灰度共生矩阵法 | 第46页 |
| ·基于粗集的图像特征选择方法 | 第46-53页 |
| ·基于Kohonen 网络的数据离散化方法 | 第47-49页 |
| ·基于粗集的图像特征选择算法 | 第49-53页 |
| ·训练样本集的构造 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 测试与应用 | 第55-66页 |
| ·实验环境 | 第55-56页 |
| ·实验与结果分析 | 第56-60页 |
| ·SVM 的实现方法 | 第56-57页 |
| ·实验过程与实验数据 | 第57-58页 |
| ·比较性分析 | 第58-60页 |
| ·检测平台的实现与应用 | 第60-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 结束语 | 第66-68页 |
| ·本文总结 | 第66页 |
| ·展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读学位期间本人公开发表的论文 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附录 | 第75-80页 |
| 详细摘要 | 第80-82页 |
