| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 研究内容与目标 | 第10-11页 |
| 1.3 本文工作和主要贡献 | 第11-12页 |
| 第二章 可逆图像水印基础 | 第12-21页 |
| 2.1 可逆图像水印的模型 | 第12-13页 |
| 2.2 可逆图像水印概述 | 第13-16页 |
| 2.2.1 可逆图像水印特点 | 第13-15页 |
| 2.2.2 可逆图像水印分类 | 第15页 |
| 2.2.3 可逆图像水印的技术要求及性能评价 | 第15-16页 |
| 2.3 可逆图像水印的研究现状及应用领域 | 第16-20页 |
| 2.3.1 可逆图像水印的研究现状 | 第16-20页 |
| 2.3.2 可逆图像水印的应用领域 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 灰度图像纹理分析理论 | 第21-27页 |
| 3.1 纹理的基本定义和分类 | 第21-22页 |
| 3.2 纹理的一般特性 | 第22-23页 |
| 3.3 纹理特征分析和度量方法 | 第23-26页 |
| 3.3.1 纹理特征分析方法 | 第23-24页 |
| 3.3.2 纹理特征度量方法 | 第24-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第四章 全方位预测和自适应嵌入的可逆图像水印 | 第27-41页 |
| 4.1 引言 | 第27页 |
| 4.2 全方位梯度预测算子 | 第27-31页 |
| 4.2.1 GPO方法的提出 | 第27-28页 |
| 4.2.2 GPO生成方案 | 第28-31页 |
| 4.2.3 GPO实验结果 | 第31页 |
| 4.3 自适应嵌入的可逆数字图像水印算法 | 第31-36页 |
| 4.3.1 自适应选块方法的提出 | 第31-33页 |
| 4.3.2 水印嵌入 | 第33-35页 |
| 4.3.3 水印提取和图像恢复 | 第35-36页 |
| 4.4 实验结果分析 | 第36-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 灰度共生矩阵纹理特征选块的可逆图像水印 | 第41-55页 |
| 5.1 引言 | 第41-42页 |
| 5.2 纹理分析与图像复杂度 | 第42-46页 |
| 5.2.1 GLCM的构造及量化 | 第42-43页 |
| 5.2.2 GLCM四个主要特征参数 | 第43-44页 |
| 5.2.3 四个特征参数与图像复杂度数学关系的提出 | 第44页 |
| 5.2.4 GLCM纹理分析算法的实施与实验结果 | 第44-46页 |
| 5.3 GLCM纹理特征选块可逆图像水印算法 | 第46-49页 |
| 5.3.1 纹理特征选块方法的提出 | 第46-47页 |
| 5.3.2 水印的嵌入 | 第47-49页 |
| 5.3.3 水印提取和原始图像还原 | 第49页 |
| 5.4 实验结果与分析 | 第49-54页 |
| 5.4.1 鲁棒性 | 第50-51页 |
| 5.4.2 遮蔽性 | 第51-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第六章 研究总结与展望 | 第55-57页 |
| 6.1 论文工作总结 | 第55-56页 |
| 6.2 未来工作与展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间的研究成果 | 第62-63页 |