| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 国内外数字图像水印技术研究的历史与现状 | 第7-9页 |
| 1.2.1 数字图像水印技术研究的历史 | 第7-8页 |
| 1.2.2 数字图像水印技术的发展现状与亟需解决的问题 | 第8-9页 |
| 1.3 本文研究的内容及本文内容安排 | 第9-11页 |
| 第二章 数字图像水印概述 | 第11-23页 |
| 2.1 数字图像水印技术简介 | 第11-14页 |
| 2.1.1 数字图像水印的基本原理框架 | 第11-12页 |
| 2.1.2 数字图像水印的特性 | 第12-13页 |
| 2.1.3 数字图像水印的分类 | 第13-14页 |
| 2.2 自嵌入数字图像水印技术简介 | 第14-16页 |
| 2.2.1 自嵌入数字图像水印的原理框架 | 第14-15页 |
| 2.2.2 自嵌入数字图像水印的特点 | 第15-16页 |
| 2.3 自嵌入数字图像水印算法 | 第16-19页 |
| 2.3.1 经典自嵌入数字图像水印算法 | 第16页 |
| 2.3.2 一种简单的自嵌入数字图像水印算法 | 第16-17页 |
| 2.3.3 图像正交变换 | 第17-19页 |
| 2.4 自嵌入数字图像水印的评价 | 第19-21页 |
| 2.5 自嵌入数字图像水印的应用 | 第21-23页 |
| 第三章 基于半色调的自嵌入数字图像水印算法 | 第23-39页 |
| 3.1 数字图像半色调技术 | 第23页 |
| 3.2 图像置乱技术 | 第23-24页 |
| 3.3 数字图像离散小波变换理论 | 第24-26页 |
| 3.3.1 图像的离散小波变换 | 第25-26页 |
| 3.3.2 图像小波分解后的特征分析 | 第26页 |
| 3.4 量化索引调制 | 第26页 |
| 3.5 人工神经网络技术 | 第26-28页 |
| 3.5.1 人工神经网络简介 | 第27页 |
| 3.5.2 BP 神经网络算法简介 | 第27-28页 |
| 3.5.3 人工神经网络应用于图像处理的优势 | 第28页 |
| 3.6 基于 DWT 的自嵌入数字图像水印方案 | 第28-34页 |
| 3.6.1 生成水印 | 第29-31页 |
| 3.6.2 嵌入水印 | 第31页 |
| 3.6.3 篡改检测 | 第31-33页 |
| 3.6.4 图像修复 | 第33-34页 |
| 3.7 仿真及结果分析 | 第34-39页 |
| 3.7.1 不可见性测试 | 第34-35页 |
| 3.7.2 鲁棒性测试 | 第35-37页 |
| 3.7.3 图像修复效果测试 | 第37-39页 |
| 第四章 一种小容量的自嵌入数字图像水印算法 | 第39-51页 |
| 4.1 数字图像纹理合成理论 | 第39-41页 |
| 4.1.1 纹理合成技术 | 第39-40页 |
| 4.1.2 基于纹理合成的图像修复算法 | 第40-41页 |
| 4.2 数字图像离散余弦变换 | 第41-42页 |
| 4.3 基于纹理合成的自嵌入数字图像水印方案 | 第42-45页 |
| 4.3.1 生成水印 | 第42页 |
| 4.3.2 嵌入水印 | 第42-43页 |
| 4.3.3 篡改检测 | 第43-44页 |
| 4.3.4 图像修复 | 第44-45页 |
| 4.4 仿真及结果分析 | 第45-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-58页 |