| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-16页 |
| ·数字水印技术的研究背景及意义 | 第10-11页 |
| ·数字水印技术的发展及现状 | 第11-13页 |
| ·数字水印技术存在的问题 | 第13-14页 |
| ·本文的创新算法和章节结构 | 第14-16页 |
| 第2章 数字水印技术 | 第16-28页 |
| ·数字水印的基本原理和框架模型 | 第16-18页 |
| ·数字水印的基本概念 | 第16页 |
| ·数字水印的框架模型 | 第16-18页 |
| ·数字水印的特性 | 第18-19页 |
| ·数字水印的基本分类方法 | 第19-21页 |
| ·数字水印的应用 | 第21页 |
| ·数字水印的攻击方式 | 第21-23页 |
| ·数字水印的典型算法 | 第23-25页 |
| ·时/空域数字水印算法 | 第23-24页 |
| ·变换域数字水印算法 | 第24-25页 |
| ·数字水印的评价标准 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第3章 基于BEMD分解和数据融合的盲水印算法 | 第28-38页 |
| ·引言 | 第28页 |
| ·二维经验模式分解(BEMD)的理论介绍 | 第28-30页 |
| ·图像融合和SVD算法的理论介绍 | 第30-31页 |
| ·图像融合 | 第30页 |
| ·SVD算法 | 第30-31页 |
| ·水印算法 | 第31-34页 |
| ·选择水印嵌入区域 | 第31-32页 |
| ·水印嵌入算法 | 第32-33页 |
| ·水印的提取算法 | 第33页 |
| ·水印融合算法 | 第33-34页 |
| ·实验与分析 | 第34-36页 |
| ·Lena图像受攻击后水印的提取实验 | 第35页 |
| ·本文算法对不同图像的鲁棒性实验 | 第35-36页 |
| ·和其他文献的比较实验 | 第36页 |
| ·本章小结 | 第36-38页 |
| 第4章 基于脉冲耦合神经网络的零水印算法 | 第38-50页 |
| ·引言 | 第38-39页 |
| ·零水印技术 | 第39-40页 |
| ·脉冲耦合神经网络 | 第40-44页 |
| ·脉冲耦合神经网络神经元模型 | 第40-42页 |
| ·改进的PCNN模型 | 第42-44页 |
| ·我们提出的算法介绍 | 第44-45页 |
| ·实验仿真分析 | 第45-48页 |
| ·本章小结 | 第48-50页 |
| 第5章 基于自适应提升小波和模糊推理的鲁棒性水印算法 | 第50-70页 |
| ·引言 | 第50-52页 |
| ·SIFT(Scale invariant features transform)特征点匹配 | 第52-54页 |
| ·提升小波 | 第54-55页 |
| ·图像校准算法和自适应提升小波算法 | 第55-58页 |
| ·图像校准算法 | 第55-56页 |
| ·自适应小波提升算法 | 第56-58页 |
| ·水印算法 | 第58-61页 |
| ·水印嵌入算法 | 第58页 |
| ·水印提取算法 | 第58-60页 |
| ·综合的模糊推理算法 | 第60-61页 |
| ·仿真实验结果与分析 | 第61-69页 |
| ·图像校准算法验证性实验 | 第62-63页 |
| ·针对各种水印攻击的水印提取实验 | 第63-67页 |
| ·相关文献的对比实验 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第6章 结论 | 第70-72页 |
| ·全文结论 | 第70-71页 |
| ·进一步研究工作建议 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-80页 |
| 攻读学位期间的研究成果 | 第80页 |