| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 数字图像取证的研究背景及意义 | 第10-12页 |
| 1.2 数字图像取证 | 第12-13页 |
| 1.2.1 数字图像取证技术的概述 | 第12页 |
| 1.2.2 数字图像取证技术的分类 | 第12-13页 |
| 1.3 数字图像盲取证技术 | 第13-17页 |
| 1.3.1 数字图像盲取证技术概述 | 第13-14页 |
| 1.3.2 数字图像真实性检测技术 | 第14-15页 |
| 1.3.3 数字图像来源的盲取证技术 | 第15-16页 |
| 1.3.4 图像来源盲取证国外的研究现状 | 第16-17页 |
| 1.4 数字图像取证技术的发展方向 | 第17-18页 |
| 1.5 本文的主要工作 | 第18-19页 |
| 1.6 本文结构 | 第19-21页 |
| 第二章 数码相机成像原理及源辨识原理 | 第21-27页 |
| 2.1 数码相机及其成像原理 | 第21-22页 |
| 2.1.1 数码相机基本知识 | 第21页 |
| 2.1.2 数码相机成像原理 | 第21-22页 |
| 2.2 源相机辨识原理 | 第22-24页 |
| 2.2.1 传感器模式噪声介绍 | 第22-23页 |
| 2.2.2 模式噪声的求取 | 第23-24页 |
| 2.2.3 相关性检测 | 第24页 |
| 2.3 算法的局限性 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 经典源相机辨识的改进算法 | 第27-32页 |
| 3.1 引言 | 第27页 |
| 3.2 CHEN 等人的源相机辨识算法 | 第27-29页 |
| 3.2.1 相机模式噪声的模型 | 第27-28页 |
| 3.2.2 模式噪声的求取 | 第28页 |
| 3.2.3 噪声分析与去噪后处理 | 第28-29页 |
| 3.2.4 算法的性能分析 | 第29页 |
| 3.3 基于模式噪声主分量信息的源辨识算法 | 第29-31页 |
| 3.3.1 模式噪声的求取 | 第30页 |
| 3.3.2 算法的性能分析 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于纹理的加权算法 | 第32-43页 |
| 4.1 引言 | 第32页 |
| 4.2 基于纹理的加权算法 | 第32-35页 |
| 4.2.1 基本思路 | 第32-33页 |
| 4.2.2 相关的工作 | 第33-35页 |
| 4.3 算法介绍 | 第35-37页 |
| 4.3.1 算法的流程图 | 第35页 |
| 4.3.2 模式噪声的求取 | 第35-36页 |
| 4.3.3 加权函数的求取过程 | 第36-37页 |
| 4.4 实验分析与结果 | 第37-41页 |
| 4.4.1 实验分析 | 第37-41页 |
| 4.5 基于纹理的加权算法与 LUKAS 等人算法的对比 | 第41-42页 |
| 4.6 本章小结 | 第42-43页 |
| 第五章 基于双重滤波的源辨识 | 第43-49页 |
| 5.1 引言 | 第43页 |
| 5.2 基于双重滤波机制的预处理 | 第43-45页 |
| 5.2.1 基本思路 | 第43-44页 |
| 5.2.2 算法流程 | 第44-45页 |
| 5.3 算法的可行性分析 | 第45-47页 |
| 5.3.1 正负样本的重滤波 | 第45-46页 |
| 5.3.2 负样本的重滤波 | 第46-47页 |
| 5.4 实验设置与结果分析 | 第47-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第六章 本文算法性能的综合评估 | 第49-54页 |
| 6.1 引言 | 第49页 |
| 6.2 实验描述 | 第49-50页 |
| 6.3 实验结果与算法评估 | 第50-52页 |
| 6.4 本章小结 | 第52-54页 |
| 总结与展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 攻读硕士学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 附件 | 第62页 |