| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 引言 | 第6-12页 |
| ·数字水印的研究背景和意义 | 第6页 |
| ·数字水印技术的起源 | 第6页 |
| ·信息隐藏 | 第6-7页 |
| ·国内外典型数字水印算法 | 第7-10页 |
| ·空域数字水印算法 | 第7-8页 |
| ·变换域数字水印算法 | 第8-9页 |
| ·压缩域数字水印算法 | 第9页 |
| ·生理模型数字水印算法 | 第9-10页 |
| ·本文的主要研究工作及内容安排 | 第10-12页 |
| 第二章 数字水印技术的相关理论 | 第12-22页 |
| ·数字水印的基本特征及性能评估 | 第12-14页 |
| ·数字水印的基本特征 | 第12页 |
| ·数字水印的性能评估 | 第12-14页 |
| ·数字水印的分类及应用 | 第14-17页 |
| ·数字水印的分类 | 第14-16页 |
| ·数字水印技术的应用 | 第16-17页 |
| ·数字水印系统的框架及原理 | 第17-18页 |
| ·数字水印系统的框架 | 第17页 |
| ·数字水印系统的原理 | 第17-18页 |
| ·数字水印系统的攻击及对策 | 第18-22页 |
| 第三章 数字水印生成技术 | 第22-28页 |
| ·数字水印生成概述 | 第22页 |
| ·数字水印生成方法 | 第22-28页 |
| ·伪随机水印生成 | 第22页 |
| ·混沌水印生成 | 第22-25页 |
| ·变换域水印生成 | 第25页 |
| ·多分辨率水印生成 | 第25-26页 |
| ·自适应水印生成 | 第26-28页 |
| 第四章 小波分析的基本理论 | 第28-42页 |
| ·小波及小波变换的定义 | 第28-32页 |
| ·小波的定义及其容许性条件 | 第28页 |
| ·连续小波变换定义及性质 | 第28-31页 |
| ·离散小波与离散小波变换 | 第31-32页 |
| ·多分辨率分析 | 第32-35页 |
| ·尺度空间多分辨率分析 | 第32-34页 |
| ·小波空间多分辨率分析 | 第34页 |
| ·正交多分辨率分析 | 第34-35页 |
| ·MALLAT算法 | 第35-40页 |
| ·一维信号分解与重构 | 第35-37页 |
| ·二维信号分解与重构 | 第37-40页 |
| ·小波分析理论的应用 | 第40-42页 |
| 第五章 支持向量机 | 第42-50页 |
| ·统计学习理论 | 第42-44页 |
| ·统计学习理论基本内容 | 第42-43页 |
| ·统计学习理论核心概念 | 第43-44页 |
| ·支持向量机 | 第44-50页 |
| ·支持向量机的基本思想 | 第44-45页 |
| ·支持向量机的算法 | 第45-50页 |
| 第六章 基于HVS和SVR的DWT域彩色图像自适应数字水印算法 | 第50-62页 |
| ·人类视觉系统特性 | 第50-51页 |
| ·设计思路 | 第51-52页 |
| ·水印的预处理 | 第52页 |
| ·回归型支持向量机训练模型的构建 | 第52-54页 |
| ·算法实现的具体步骤 | 第54-56页 |
| ·实验结果分析及结论 | 第56-62页 |
| ·实验结果分析 | 第56-60页 |
| ·结论 | 第60-62页 |
| 第七章 总结与展望 | 第62-64页 |
| ·工作总结 | 第62页 |
| ·工作展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间的研究成果 | 第68-70页 |
| 致谢 | 第70-73页 |