基于图像内容特征的盲检测技术研究
| 摘要 | 第10-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 研究背景及意义 | 第13页 |
| 1.2 信息隐藏 | 第13-18页 |
| 1.2.1 信息隐藏相关概念 | 第13-14页 |
| 1.2.2 数字隐写 | 第14-16页 |
| 1.2.3 隐写分析 | 第16-18页 |
| 1.3 数字图像盲取证 | 第18-21页 |
| 1.3.1 图像取证 | 第18-19页 |
| 1.3.2 图像篡改检测 | 第19页 |
| 1.3.3 图像来源认证 | 第19-21页 |
| 1.4 基于图像内容特征的盲检测 | 第21-22页 |
| 1.5 本文研究内容及章 节安排 | 第22-23页 |
| 第二章 图像统计特征分析 | 第23-39页 |
| 2.1 图像信源 | 第24-30页 |
| 2.1.1 离散信源的概率分布和信息熵 | 第24-25页 |
| 2.1.2 图像信源的概率分布 | 第25-29页 |
| 2.1.3 图像信源的信息熵 | 第29-30页 |
| 2.2 图像的统计特性 | 第30-33页 |
| 2.2.1 图像在变换域中的特性 | 第30-31页 |
| 2.2.2 图像的空间自相关函数 | 第31-33页 |
| 2.2.3 差值图像的概率分布 | 第33页 |
| 2.3 纹理分析 | 第33-38页 |
| 2.3.1 纹理的概念 | 第34页 |
| 2.3.2 纹理描述方法 | 第34-36页 |
| 2.3.3 纹理分割 | 第36-38页 |
| 2.4 本章小结 | 第38-39页 |
| 第三章 载体、载密图像的统计特征分析 | 第39-56页 |
| 3.1 引言 | 第39-40页 |
| 3.2 实验图像库 | 第40页 |
| 3.3 数字隐写对图像统计特性的影响 | 第40-47页 |
| 3.3.1 灰度直方图 | 第41-42页 |
| 3.3.2 灰度共生矩阵 | 第42-43页 |
| 3.3.3 差分直方图 | 第43-45页 |
| 3.3.4 差分共生矩阵 | 第45-47页 |
| 3.4 隐藏信息存在性特征与图像内容的关系 | 第47-55页 |
| 3.4.1 直方图特征函数质心特征 | 第47-53页 |
| 3.4.2 直方图局部极值特征 | 第53-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第四章 基于邻域平坦性的LSB 匹配隐写分析 | 第56-65页 |
| 4.1 引言 | 第56页 |
| 4.2 基于邻域平坦性的局部平滑度特征 | 第56-61页 |
| 4.2.1 灰度直方图平滑度 | 第56-57页 |
| 4.2.2 共生矩阵局部平滑度 | 第57-59页 |
| 4.2.3 差分直方图局部平滑度 | 第59页 |
| 4.2.4 差分共生矩阵局部平滑度 | 第59-61页 |
| 4.3 基于局部平滑度的隐藏信息检测算法 | 第61-62页 |
| 4.3.1 二次嵌入 | 第61页 |
| 4.3.2 特征提取 | 第61-62页 |
| 4.3.3 Fisher 线性判决 | 第62页 |
| 4.4 实验结果及算法性能分析 | 第62-64页 |
| 4.4.1 在不同图像库上的检测性能 | 第62-63页 |
| 4.4.2 与其它算法的性能比较 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 基于像素相关性的重采样检测 | 第65-75页 |
| 5.1 引言 | 第65页 |
| 5.2 重采样操作 | 第65-66页 |
| 5.3 基于纹理复杂度的奇异值特征 | 第66-70页 |
| 5.3.1 奇异值分解 | 第66页 |
| 5.3.2 基于奇异值的分类特征 | 第66-68页 |
| 5.3.3 纹理复杂度 | 第68-70页 |
| 5.4 基于像素相关性的重采样检测算法 | 第70-71页 |
| 5.4.1 支持向量机 | 第70页 |
| 5.4.2 算法步骤 | 第70-71页 |
| 5.5 实验结果及算法性能分析 | 第71-74页 |
| 5.5.1 算法的检测性能 | 第71-74页 |
| 5.5.2 与其它算法的性能比较 | 第74页 |
| 5.6 本章小结 | 第74-75页 |
| 结束语 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第83-84页 |
| 致谢 | 第84页 |
