基于被动取证的图像拼接/合成检测方法研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 拼接图像检测算法 | 第10-12页 |
| 1.2.2 合成图像的拼接区域检测算法 | 第12-14页 |
| 1.3 本论文主要研究工作及组织结构 | 第14-17页 |
| 1.3.1 论文主要研究工作 | 第14-15页 |
| 1.3.2 论文的组织结构 | 第15-17页 |
| 2 预备知识 | 第17-23页 |
| 2.1 颜色滤波阵列（CFA）及其插值算法 | 第17-19页 |
| 2.2 Spearman相关系数 | 第19页 |
| 2.3 K-SVD字典学习去噪算法 | 第19-21页 |
| 2.4 SLIC算法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 基于CFA的拼接图像检测算法 | 第23-37页 |
| 3.1 算法流程 | 第23-24页 |
| 3.2 算法描述 | 第24-28页 |
| 3.2.1 估计CFA插值模型系数 | 第24-26页 |
| 3.2.2 有效筛选 | 第26-27页 |
| 3.2.3 估计原始模式图像 | 第27页 |
| 3.2.4 拼接区域检测 | 第27-28页 |
| 3.3 实验结果及其性能分析 | 第28-35页 |
| 3.3.1 拼接区域检测结果 | 第28-30页 |
| 3.3.2 鲁棒性检测 | 第30-32页 |
| 3.3.3 性能比较 | 第32-34页 |
| 3.3.4 讨论 | 第34-35页 |
| 3.4 本章小结 | 第35-37页 |
| 4 基于超像素分割的拼接图像检测算法 | 第37-49页 |
| 4.1 算法流程 | 第37-38页 |
| 4.2 算法描述 | 第38-41页 |
| 4.2.1 图像去噪 | 第38-39页 |
| 4.2.2 超像素分割 | 第39-40页 |
| 4.2.3 相关性特征的定义与提取 | 第40页 |
| 4.2.4 篡改检测 | 第40-41页 |
| 4.3 实验结果与分析 | 第41-48页 |
| 4.3.1 检测结果 | 第41-44页 |
| 4.3.2 鲁棒性分析 | 第44-48页 |
| 4.4 本章总结 | 第48-49页 |
| 5 总结与展望 | 第49-51页 |
| 5.1 总结 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 致谢 | 第51-53页 |
| 参考文献 | 第53-59页 |
| 附录 | 第59页 |
