| 摘要 | 第3-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 国内外研究进展 | 第11-13页 |
| 1.2.1 基于块匹配的图像Copy-Move检测方法 | 第11-12页 |
| 1.2.2 基于特征点匹配的图像Copy-Move检测方法 | 第12-13页 |
| 1.3 科学意义与应用前景 | 第13-14页 |
| 1.4 本论文主要研究工作及组织结构 | 第14-16页 |
| 1.4.1 论文主要研究工作 | 第14页 |
| 1.4.2 论文的组织结构 | 第14-16页 |
| 2 预备知识 | 第16-24页 |
| 2.1 自动上下文模型的图像显著区域提取 | 第16-17页 |
| 2.2 Hu矩的定义 | 第17-18页 |
| 2.3 Zernike矩的定义 | 第18-19页 |
| 2.4 Zernike矩的旋转不变性 | 第19-20页 |
| 2.5 超像素分割 | 第20-22页 |
| 2.6 谱聚类 | 第22页 |
| 2.7 本章小结 | 第22-24页 |
| 3 基于对象的图像Copy-Move篡改检测算法 | 第24-42页 |
| 3.1 算法总体描述 | 第24-25页 |
| 3.2 算法步骤 | 第25-28页 |
| 3.2.1 分离图像的背景和前景，提取显著图 | 第25页 |
| 3.2.2 对提取出来的显著图进行对象分离 | 第25-26页 |
| 3.2.3 用基于Hu矩和Zernike矩的方法检测图像是否经过Copy-Move篡改 | 第26-28页 |
| 3.2.4 篡改定位 | 第28页 |
| 3.3 实验结果和性能分析 | 第28-41页 |
| 3.3.1 视觉效果和鲁棒性分析 | 第29-39页 |
| 3.3.2 算法效率的测试 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 基于超像素分割和特征点匹配的图像Copy-Move篡改检测算法 | 第42-51页 |
| 4.1 算法流程 | 第42-43页 |
| 4.2 算法步骤 | 第43-47页 |
| 4.2.1 SLIC算法 | 第43-45页 |
| 4.2.2 谱聚类算法 | 第45-46页 |
| 4.2.3 特征点提取 | 第46页 |
| 4.2.4 特征点匹配算法 | 第46-47页 |
| 4.3 实验结果和性能分析 | 第47-49页 |
| 4.4 算法比较分析 | 第49页 |
| 4.5 本章总结 | 第49-51页 |
| 5.总结与展望 | 第51-52页 |
| 5.1 论文总结 | 第51页 |
| 5.2 有待进一步研究的问题 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 | 第57页 |
