图像篡改检测中的投影核方法 |
论文目录 | | | 摘要 | 第1-8页 | | ABSTRACT | 第8-11页 | | 符号表 | 第11-12页 | | 第一章 前言 | 第12-25页 | | · 研究背景及意义 | 第12-14页 | | · 数字图像取证技术概述 | 第14-16页 | | · 图像篡改检测技术 | 第16-23页 | | · 概述 | 第16-17页 | | · 研究现状 | 第17-22页 | | · 面临的问题 | 第22-23页 | | · 论文的研究内容及其贡献 | 第23-24页 | | · 论文结构安排 | 第24-25页 | | 第二章 基于图像噪声特性的篡改检测I：向量投影核方法 | 第25-41页 | | · 引言 | 第25-26页 | | · 现有基于图像噪声特性的篡改检测方法 | 第26-27页 | | · 基于子空间投影方法的图像篡改检测框架 | 第27-29页 | | · 向量子空间投影方法 | 第29-36页 | | · 子空间方法简介 | 第29-30页 | | · 基于PCA的图像篡改检测 | 第30-33页 | | · 基于 2DPCA的图像篡改检测 | 第33-36页 | | · 向量子空间投影核方法 | 第36-40页 | | · 核方法简介 | 第36-38页 | | · 基于KPCA的图像篡改检测 | 第38-40页 | | · 本章小结 | 第40-41页 | | 第三章 基于图像噪声特性的篡改检测II：张量投影核方法 | 第41-67页 | | · 引言 | 第41页 | | · 张量子空间投影方法 | 第41-56页 | | · 二阶张量空间简介 | 第42-46页 | | · 基于T2DPCA的图像篡改检测 | 第46-49页 | | · 基于IT2DPCA的图像篡改检测 | 第49-56页 | | · 张量子空间投影核方法 | 第56-65页 | | · 基于KT2DPCA的图像篡改检测 | 第56-62页 | | · 基于IKT2DPCA的图像篡改检测 | 第62-65页 | | · 本章小结 | 第65-67页 | | 第四章 基于模糊痕迹特性的篡改检测投影核方法 | 第67-92页 | | · 引言 | 第67-68页 | | · 现有图像模糊篡改检测方法 | 第68-69页 | | · 基于图像边缘变化特性的图像高斯模糊篡改检测 | 第68-69页 | | · 基于二次模糊的图像模糊篡改检测 | 第69页 | | · 基于像素线性相关性的图像模糊篡改检测 | 第69-80页 | | · 图像像素线性相关性 | 第69-72页 | | · 线性组合系数估计：最小二乘法 | 第72-78页 | | · 线性组合系数估计：奇异值分解 | 第78-80页 | | · 基于多特征融合的图像模糊篡改检测 | 第80-90页 | | · 算法思想 | 第81-82页 | | · 特征提取 | 第82-84页 | | · 基于PCA的图像模糊篡改检测 | 第84-89页 | | · 基于KPCA的图像模糊篡改检测 | 第89-90页 | | · 本章小结 | 第90-92页 | | 第五章 基于信息融合的合成篡改检测投影核方法 | 第92-106页 | | · 引言 | 第92-93页 | | · 现有基于信息融合的篡改检测方法 | 第93-97页 | | · 基于特征融合的图像拼接检测 | 第93页 | | · 基于决策融合的JPEG压缩检测 | 第93-97页 | | · 基于KDA与证据理论的合成篡改检测 | 第97-105页 | | · 问题提出 | 第97页 | | · 算法思想 | 第97-98页 | | · 特征提取 | 第98-100页 | | · 基于KDA的特征融合 | 第100-101页 | | · 基于证据理论的决策融合 | 第101-103页 | | · 实验结果 | 第103-105页 | | · 本章小结 | 第105-106页 | | 第六章 总结与展望 | 第106-109页 | | · 本文总结与创新工作 | 第106-107页 | | · 展望 | 第107-109页 | | 致谢 | 第109-110页 | | 参考文献 | 第110-116页 | | 附录 | 第116-118页 | | 附件 | 第118页 |
|
|
|
| |
