第一章 绪论 1
1.1 研究背景 1
1.2 研究意义 1
1.3 研究内容 2
1.4 本书结构 3
1.5 本章小结 4
第二章 图像源识别研究现状 5
2.1 引言 5
2.2 图像源识别研究现状 5
2.2.1 基于元数据的方法 5
2.2.2 基于数字水印的方法 6
2.2.3 基于图像特征的方法 7
2.2.4 小结 7
2.3 基于图像特征的图像源识别研究现状 8
2.3.1 图像特征表示 8
2.3.2 基于统计学习的图像源识别 12
2.4 本章小结 13
第三章 有未知模型的图像源识别技术 14
3.1 引言 14
3.2 有未知模型的图像源识别系统框架 15
3.2.1 未知图像源数据识别 16
3.2.2 鲁棒训练集的建立 17
3.2.3 算法复杂度分析 18
3.3 实验结果分析 18
3.3.1 实验数据及设置 18
3.3.2 实验结果及分析 19
3.4 本章小结 37
第四章 抗噪的图像源识别方法 39
4.1 引言 39
4.2 噪声样本影响的理论分析 39
4.3 抗噪的图像源识别系统框架 42
4.4 抗噪的图像源识别系统算法 43
4.4.1 噪声级别评估 43
4.4.2 基于噪声级别的采样 43
4.5 抗噪的图像源识别方法有效性验证 45
4.6 实验结果分析 47
4.6.1 实验数据及特征提取 47
4.6.2 实验评估指标 48
4.6.3 实验结果与分析 48
4.7 本章小结 53
第五章 基于集合约束的图像源识别技术 54
5.1 引言 54
5.2 基于约束的聚类方法 54
5.3 基于集合约束的图像源聚类方法 57
5.4 实验结果及分析 58
5.4.1 实验数据及设置 59
5.4.2 实验结果及分析 59
5.5 本章小结 61
第六章 探索图像源识别的特征耦合与模型耦合 62
6.1 引言 62
6.2 特征耦合与模型耦合问题研究 63
6.2.1 特征耦合 63
6.2.2 模型耦合 64
6.3 捕获特征耦合与模型耦合的方法研究 66
6.3.1 耦合特征表示 66
6.3.2 耦合概率表示 69
6.4 实验结果与分析 71
6.4.1 数据集以及实验设置 71
6.4.2 试验评估指标 73
6.4.3 耦合特征表示的评估 74
6.4.4 耦合概率表示的评估 76
6.4.5 单个模型识别性能评估 79
6.4.6 计算成本评估 82
6.4.7 方法比较 82
6.5 本章小结 83
参考文献 84