首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于图像内容的隐写分析技术研究

摘要第4-6页
Abstract第6-7页
第一章 绪论第15-31页
    1.1 研究背景及意义第15页
    1.2 数字图像隐写技术第15-19页
        1.2.1 数字隐写系统的理论模型第15-16页
        1.2.2 数字隐写的性能指标第16页
        1.2.3 数字隐写的研究现状第16-19页
    1.3 数字图像隐写分析技术第19-27页
        1.3.1 隐写分析算法的分类第19-20页
        1.3.2 隐写分析算法的性能指标第20-22页
        1.3.3 隐写分析技术的研究现状第22-26页
        1.3.4 分类器第26-27页
    1.4 基于图像内容的隐写分析第27-29页
        1.4.1 隐写检测技术面临的挑战第27-28页
        1.4.2 基于图像内容的隐写分析第28-29页
    1.5 本文的研究内容和章节安排第29-31页
第二章 图像工程相关理论与技术第31-49页
    2.1 图像统计特性和信源模型第31-38页
        2.1.1 图像空域统计特性第32-35页
        2.1.2 图像变换域能量分布特性第35-37页
        2.1.3 图像信源统计建模第37-38页
    2.2 图像增强与图像复原第38-39页
    2.3 图像编码第39-42页
        2.3.1 2D-DCT第40页
        2.3.2 量化第40-41页
        2.3.3 Z扫描和熵编码第41-42页
    2.4 图像分割第42-44页
        2.4.1 边界分割技术第42-43页
        2.4.2 区域分割技术第43-44页
    2.5 图像纹理分析第44-48页
    2.6 本章小结第48-49页
第三章 基于图像内容的隐写分析模型第49-69页
    3.1 测试图像库第49-50页
    3.2 隐写检测特征与图像内容间的关系第50-58页
        3.2.1 直方图平滑度特征第50-55页
        3.2.2 差分像素邻接矩阵特征第55-56页
        3.2.3 JPEG盲检测特征第56-58页
    3.3 基于图像内容的隐写分析模型第58-67页
        3.3.1 基于图像分类的隐写分析第59-61页
        3.3.2 基于图像分块的隐写分析第61-64页
        3.3.3 基于图像分割的隐写分析第64-67页
    3.4 本章小结第67-69页
第四章 基于JPEG融合特征的隐写分析第69-85页
    4.1 引言第69-70页
    4.2 图像分割第70-74页
        4.2.1 基于纹理的图像块分类第70-72页
        4.2.2 图像块类别合并第72-74页
    4.3 特征提取及分类器构造第74-77页
        4.3.1 改进的Merged-274特征第74-75页
        4.3.2 基于图像分割的隐写分析特征第75-76页
        4.3.3 训练及测试第76-77页
    4.4 实验结果与分析第77-84页
        4.4.1 实验设置第77页
        4.4.2 图像分割参数、图像块尺寸、聚类方法的影响第77-79页
        4.4.3 性能比较第79-82页
        4.4.4 针对自适应隐写方法的检测结果第82-83页
        4.4.5 针对混合质量因子图像的检测结果第83-84页
    4.5 本章小结第84-85页
第五章 基于富模型的JPEG隐写分析第85-97页
    5.1 引言第85页
    5.2 高维隐写检测特征第85-87页
        5.2.1 定义和符号第85-87页
        5.2.2 DCT频率特征第87页
        5.2.3 DCT系数整体分布特征第87页
    5.3 基于富模型的JPEG隐写分析方法第87-92页
        5.3.1 图像分割第88-90页
        5.3.2 基于分割的JRM特征第90-91页
        5.3.3 训练及测试第91-92页
    5.4 实验结果与分析第92-95页
        5.4.1 实验设置第92-93页
        5.4.2 训练、测试图像库匹配时的检测结果第93-94页
        5.4.3 训练、测试图像库不匹配时的检测结果第94-95页
        5.4.4 算法复杂度第95页
    5.5 本章小结第95-97页
第六章 基于高阶差分联合分布的空域图像隐写分析第97-109页
    6.1 引言第97页
    6.2 高阶差分像素联合分布特征第97-99页
    6.3 基于分割的空域图像隐写分析算法第99-102页
        6.3.1 四叉树分割第99-101页
        6.3.2 基于图像分割的SPJD特征第101-102页
        6.3.3 训练和测试第102页
    6.4 实验结果与分析第102-107页
        6.4.1 实验设置第102页
        6.4.2 图像分割参数 λ 的影响第102-103页
        6.4.3 不同区域特征对算法性能的贡献第103-104页
        6.4.4 差分阶数k对算法性能的贡献第104-105页
        6.4.5 性能比较第105-107页
        6.4.6 算法复杂度第107页
    6.5 本章小结第107-109页
第七章 基于局部线性变换的空域图像隐写分析第109-119页
    7.1 引言第109页
    7.2 基于局部线性变换的隐写检测特征第109-111页
        7.2.1 基于LLT的隐写检测特征第109-110页
        7.2.2 LLT模板的选择第110-111页
    7.3 基于分割的空域图像隐写分析算法第111-113页
        7.3.1 图像分割第111-113页
        7.3.2 基于图像分割的LLT特征第113页
        7.3.3 训练和测试第113页
    7.4 实验结果与分析第113-118页
        7.4.1 实验设置第113-114页
        7.4.2 图像块尺寸S的影响第114页
        7.4.3 不同区域特征对算法性能的贡献第114-115页
        7.4.4 局部线性变换阶数k对算法性能的贡献第115页
        7.4.5 性能比较第115-118页
        7.4.6 算法复杂度第118页
    7.5 本章小结第118-119页
结束语第119-121页
    一 全文总结第119-120页
    二 工作展望第120-121页
致谢第121-123页
参考文献第123-133页
作者简历第133页

论文共133页,点击 下载论文
上一篇:中下承拱桥的吊杆锈蚀损伤研究
下一篇:近海风机导管架基础水平受荷特性研究