欢迎光临中图网 请 | 注册
> >
隐写学原理与技术

隐写学原理与技术

出版社:科学出版社出版时间:2018-10-01
开本: 24cm 页数: 337页
中 图 价:¥108.8(7.3折) 定价  ¥149.0 登录后可看到会员价
加入购物车 收藏
运费6元,满69元免运费
?快递不能达地区使用邮政小包,运费14元起
云南、广西、海南、新疆、青海、西藏六省,部分地区快递不可达
本类五星书更多>

隐写学原理与技术 版权信息

  • ISBN:9787030591173
  • 条形码:9787030591173 ; 978-7-03-059117-3
  • 装帧:平装胶订
  • 册数:暂无
  • 重量:暂无
  • 所属分类:>

隐写学原理与技术 本书特色

隐写的主要作用是保护保密通信与保密存储的事实不被发现,而隐写分析的主要作用是发现这类事实。随着网络与多媒体应用的普及,隐写与隐写分析的研究发展很快,它们之间的对抗不断进入更高级的阶段,有必要进行系统的描述与全新的总结。本书将隐写与隐写分析作为一个新学科——隐写学进行了系统阐述,主要内容包括隐写与隐写分析的发展背景、主要性能指标、基本的消息嵌入方法、隐写分布特性保持、矩阵编码、专用隐写分析、湿纸编码、基于±1的分组隐写编码、通用隐写分析、高维特征通用隐写分析、**嵌入理论、校验子格编码、自适应隐写、选择信道感知隐写分析与基于深度学习的隐写分析,其中各个子领域的内容也概括了**的主要研究成果。此外,本书各章的小结与*后一章给出进一步阅读和思考的方向,除*后一章外,每章配有用于巩固知识的思考与实践,附录部分给出了相关的基础知识介绍及实验方案,有助于读者全面学习并形成研究能力。

隐写学原理与技术 内容简介

本书描述隐写与隐写分析领域的主要理论和关键技术, 主要内容有数字隐写基本原理与方法、隐写编码、专用隐写分析、通用隐写分析、自适应隐写、主要的图像与视音频隐写实例等 ; 本书还包括了相关国际前沿科技的主要进展情况。

隐写学原理与技术 目录

目录前言第1章 绪言 11.1 从密码到信息隐藏与隐写 11.1.1 密码方法的一些局限 11.1.2 信息隐藏基本概念 21.1.3 隐写与隐写分析对抗模型 51.2 隐写的应用发展 91.3 隐写安全指标 111.3.1 基于分布偏差的指标 111.3.2 基于抗隐写分析性能的指标 121.4 本书内容安排 131.5 小结 14思考与实践 14第2章 图像编码与基本嵌入方法 152.1 空域编码图像 152.1.1 光栅格式 152.1.2 调色板格式 172.2 变换域编码图像 172.3 基本嵌入方法 192.3.1 LSB替换 202.3.2 LSB匹配与加减 1212.3.3 调色板图像嵌入 212.3.4 量化调制 232.4 小结 25思考与实践 25第3章 隐写分布特性保持 263.1 分布保持问题 263.1.1 LSBR分布问题与χ2分析 263.1.2 分布保持及其困难性 293.2 基于调整修改方式的方法 313.2.1 F3隐写 313.2.2 F4隐写 323.3 基于预留区的方法 333.3.1 预留补偿区的分布恢复 333.3.2 预留“死区”的分布保持 383.3.3 预留补偿区的二阶分布恢复 413.4 基于统计模型的方法 443.4.1 HPDM隐写 443.4.2 MB隐写 453.5 小结 49思考与实践 50第4章 矩阵编码 514.1 线性分组纠错码的启发 514.2 矩阵编码的一般描述 534.2.1 矩阵编码嵌入与提取 534.2.2 矩阵编码的一些性质 544.3 典型的矩阵编码隐写 564.3.1 F5隐写 564.3.2 MME隐写 584.4 小结 60思考与实践 60第5章 专用隐写分析 615.1 对空域隐写的专用分析 615.1.1 RS分析 615.1.2 对彩色图像的RQP分析 665.1.3 SPA分析 685.1.4 直方图特征函数质心分析 705.2 对JPEG隐写的专用分析 735.2.1 对OutGuess的块效应分析 735.2.2 对MB的直方图分析 765.2.3 对F 5隐写的校准分析 785.3 对调色板图像隐写的专用分析 825.3.1 奇异颜色分析 825.3.2 颜色混乱度分析 835.4 小结 85思考与实践 86第6章 湿纸编码 876.1 湿点与干点 876.2 湿纸编码算法 896.2.1 编码原理 896.2.2 消息容量分析 906.2.3 一个基本算法 916.3 典型的湿纸编码隐写 946.3.1 量化扰动 946.3.2 抗收缩JPEG隐写 946.3.3 双层隐写 956.4 小结 95思考与实践 96第7章 基于±1的分组隐写编码 977.1 一个特例——LSBM-R 977.2 基于和差覆盖集的GLSBM 997.2.1 GLSBM基本构造方法 997.2.2 和差覆盖集的生成 1027.3 小结 103思考与实践 104第8章 通用隐写分析 1058.1 通用隐写分析基本过程 1058.2 通用空域隐写分析 1068.2.1 小波高阶统计特征分析 1078.2.2 SPAM特征分析 1088.3 通用JPEG隐写分析 1108.3.1 Markov特征分析 1118.3.2 融合校准特征分析 1138.4 通用盲隐写分析简介 1168.4.1 隐写分析的多种工作模式 1178.4.2 算法去失配 1188.4.3 载体去失配 1198.5 通用定量隐写分析简介 1208.6 小结 122思考与实践 123第9章 高维特征通用隐写分析 1249.1 FLD集成分类器 1249.1.1 基本构造 1259.1.2 参数设置 1269.2 富模型高维特征隐写分析 1279.2.1 空域富模型特征分析 1279.2.2 JPEG富模型特征分析 1339.3 随机投影与相位感知分析 1389.3.1 随机投影特征分析 1389.3.2 相位感知特征分析 1419.3.3 相位感知随机投影特征分析 1539.4 小结 155思考与实践 156第10章 *优嵌入理论 15710.1 一般情况 15710.1.1 PLS与DLS问题 15710.1.2 *优修改分布的性质 15810.2 加性模型 16110.2.1 加性模型下的*优嵌入 16110.2.2 加性模型*优修改分布求解 16410.3 *优嵌入模拟 16610.3.1 基于Gibbs抽样的模拟 16610.3.2 基于子格迭代的模拟 16810.4 小结 170思考与实践 170第11章 校验子格编码 17111.1 STC基本思想 17111.2 STC算法 17311.3 双层STC 17711.3.1 基于三元嵌入分解 17811.3.2 基于两层嵌入综合 18311.4 小结 186思考与实践 186第12章 自适应隐写 18712.1 限负载自适应隐写 18712.1.1 基本框架 18712.1.2 图像空域自适应隐写 18912.1.3 JPEG域自适应隐写 19812.2 限失真自适应隐写 20112.2.1 基本框架 20112.2.2 限平均失真隐写 20212.2.3 限平均统计量失真隐写 20512.3 非加性模型自适应隐写 20812.3.1 子格嵌入与失真修正 20912.3.2 联合失真及其分解 21412.4 小结 216思考与实践 217第13章 选择信道感知隐写分析 21813.1 空域图像选择信道感知分析 21813.1.1 基于区域选择的方法 21913.1.2 基于特征权重的方法 21913.2 JPEG图像选择信道感知分析 22413.3 小结 226思考与实践 226第14章 基于深度学习的隐写分析 22714.1 深度卷积神经网络简介 22714.2 针对空域隐写的CNN分析 23114.2.1 基本框架的形成 23114.2.2 支持选择信道感知的CNN分析 23614.3 针对JPEG域隐写的CNN分析 23914.3.1 混合深度学习网络 23914.3.2 支持相位感知的CNN分析 24114.4 小结 244思考与实践 246第15章 其他与后记 24715.1 其他进展 24715.2 部分问题 252参考文献 256附录A 部分基础知识提要 274A.1 数学与统计学 274A.1.1 群、子群与陪集 274A.1.2 环与域 276A.1.3 线性回归及其误差估计 277A.1.4 Lagrange乘子法*优化求解 279A.2 信息论与编码 280A.2.1 信息量单位与转换 281A.2.2 Fisher信息 281A.2.3 KL散度性质 283A.2.4 Huffman编码 285A.2.5 线性分组纠错码 286A.3 模式识别 290A.3.1 分类问题与判别函数 290A.3.2 Bayes分类器 291A.3.3 线性分类器 292A.3.4 支持向量机 295A.3.5 神经网络基础 299A.4 信号处理与检测 304A.4.1 离散Fourier变换 304A.4.2 离散余弦变换 305A.4.3 离散小波变换 306A.4.4 *小均方误差直方图修正 307A.4.5 假设检验 308附录B 实验 313B.1 图像隐写工具的使用 313B.2 图像专用隐写分析 316B.3 JPEG图像通用隐写分析 318B.4 空域图像自适应隐写 320B.5 JPEG图像自适应隐写 322B.6 富模型空域图像隐写分析 324B.7 选择信道感知隐写分析 326B.8 空域图像CNN隐写分析 328名词索引 331
展开全部
商品评论(0条)
暂无评论……
书友推荐
编辑推荐
返回顶部
中图网
在线客服