| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·研究现状 | 第11-14页 |
| ·本文研究成果和内容安排 | 第14-17页 |
| 第二章 隐写术与隐写分析概述 | 第17-30页 |
| ·隐写术概述 | 第17-23页 |
| ·隐写模型 | 第18-20页 |
| ·隐写术的分类 | 第20-21页 |
| ·常用的隐写工具 | 第21-22页 |
| ·隐写术的衡量指标 | 第22-23页 |
| ·隐写分析概述 | 第23-27页 |
| ·隐写分析模型 | 第23-24页 |
| ·隐写分析的分类 | 第24-25页 |
| ·常用的隐写分析方法 | 第25-27页 |
| ·隐写分析的衡量指标 | 第27页 |
| ·基于模式识别的广义隐写分析概述 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 结合颜色相关度和直方图CF矩的广义隐写分析 | 第30-52页 |
| ·广义隐写分析系统框架 | 第30-31页 |
| ·现有算法分析 | 第31-40页 |
| ·小波变换理论基础 | 第31-33页 |
| ·小波子带系数高阶PDF矩方法 | 第33-35页 |
| ·小波子带直方图CF矩方法 | 第35-38页 |
| ·小波子带PDF矩和直方图CF矩的比较 | 第38-40页 |
| ·结合颜色相关度和直方图CF矩的彩色图像隐写分析算法 | 第40-45页 |
| ·算法思想 | 第41-42页 |
| ·算法实现 | 第42-45页 |
| ·实验结果与分析 | 第45-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 基于方差分析特征选择的广义隐写分析 | 第52-61页 |
| ·特征选择的重要性概述 | 第52-53页 |
| ·方差分析概述 | 第53-56页 |
| ·单因素方差分析介绍 | 第53-55页 |
| ·单因素方差分析实例 | 第55-56页 |
| ·基于方差分析特征选择的广义隐写分析算法 | 第56-57页 |
| ·算法思想 | 第56-57页 |
| ·算法实现 | 第57页 |
| ·实验结果与分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 基于直接非循环图SVM算法的多类广义隐写分析 | 第61-72页 |
| ·支持向量机和神经网络概述 | 第61-65页 |
| ·人工神经网络理论基础 | 第61-62页 |
| ·支持向量机理论基础 | 第62-64页 |
| ·人工神经网络和支持向量机的比较 | 第64-65页 |
| ·Libsvm工具介绍 | 第65页 |
| ·Libsvm的使用步骤 | 第65页 |
| ·基于直接非循环图SVM算法的多类广义隐写分析 | 第65-69页 |
| ·算法思想 | 第66-68页 |
| ·算法实现 | 第68-69页 |
| ·实验结果与分析 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| ·论文工作总结 | 第72-73页 |
| ·存在的不足与展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 攻读学位期间公开发表的论文 | 第79-80页 |
| 致谢 | 第80-81页 |
| 详细摘要 | 第81-83页 |
