幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

網路安全(信息隱藏與數字水印十三五江蘇省高等學校重點教材)

  • 作者：編者:張毅鋒//宋暢|責編:惠雪//高慧元//曾佳佳
  • 出版社：科學
  • ISBN：9787030743084
  • 出版日期：2023/03/01
  • 裝幀：平裝
  • 頁數：267
人民幣：RMB 99 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書總結了作者團隊近十多年來在信息隱藏和數字水印領域取得的科研成果，同時參考了國內外最新科研成果，是一部理論聯繫實際的專業理論著作。書中重點介紹了信息隱藏與數字水印基本理論及原理，並分析了相關的典型演算法，其中數字水印演算法的主要內容包括經典的數字水印演算法、基於視覺模型的數字水印演算法、基於神經網路的零水印演算法等；信息隱藏演算法的主要內容包括二值圖像信息隱藏演算法、無損可逆信息隱藏演算法及加密域可逆信息隱藏演算法。許多演算法以豐富的實例進行說明。
作者介紹
編者:張毅鋒//宋暢|責編:惠雪//高慧元//曾佳佳
目錄
前言
第1章  緒論
  1.1  信息隱藏概述
  1.2  信息隱藏的應用領域
    1.2.1  保密通信
    1.2.2  數字版權保護
    1.2.3  數字指紋
    1.2.4  內容認證
  1.3  數字水印概述
  1.4  數字水印基本原理及應用
    1.4.1  數字水印的基本原理
    1.4.2  數字水印的基本特性
    1.4.3  圖像數字水印經典演算法
    1.4.4  常見數字水印攻擊方法
    1.4.5  數字水印的性能評價
    1.4.6  數字水印的應用
  1.5  可逆信息隱藏概述
    1.5.1  可逆信息隱藏的相關概念
    1.5.2  可逆信息隱藏的關鍵問題
  1.6  可逆信息隱藏演算法分類及發展
  1.7  本章小結
  參考文獻
第2章  基礎理論
  2.1  圖像處理中的變換
    2.1.1  離散餘弦變換
    2.1.2  離散小波變換
    2.1.3  輪廓波變換
  2.2  神經網路基礎知識
    2.2.1  神經網路簡介
    2.2.2  神經網路基本模型
  2.3  混沌映射基礎知識
    2.3.1  混沌的定義
    2.3.2  混沌的特徵及其判別準則
    2.3.3  Baker映射
    2.3.4  Logistic映射
    2.3.5  Arnold映射
    2.3.6  Baker映射與Arnold映射對比
  2.4  高階累積量與奇異值分解
    2.4.1  高階累積量
    2.4.2  奇異值分解
  2.5  粒子群優化演算法
  2.6  壓縮感知理論
    2.6.1  信號稀疏性
    2.6.2  信號觀測
    2.6.3  信號重建
    2.6.4  分塊壓縮感知
  2.7  人類視覺模型基本概念
    2.7.1  人類視覺模型
    2.7.2  Watson感知模型
    2.7.3  顯著性檢測

  2.8  本章小結
  參考文獻
第3章  零水印演算法及其應用
  3.1  基於高階累積量的零水印演算法
    3.1.1  高階累積量
    3.1.2  零水印的構造和檢測演算法
    3.1.3  模擬實驗
  3.2  基於小波變換和奇異值分解的零水印演算法
    3.2.1  魯棒零水印產生
    3.2.2  魯棒零水印提取和版權認證
    3.2.3  閾值選擇
    3.2.4  實驗結果
  3.3  基於神經網路的零水印演算法
    3.3.1  隨機像素點的選取
    3.3.2  神經網路模型
    3.3.3  二值模式的產生
    3.3.4  檢測密鑰的獲取
    3.3.5  水印信號的檢測
    3.3.6  水印的重複嵌入
  3.4  基於神經網路的半脆弱零水印演算法
    3.4.1  演算法描述
    3.4.2  實驗結果
    3.4.3  安全性
  3.5  基於相鄰塊數值關係的魯棒零水印演算法
    3.5.1  DC-RE演算法
    3.5.2  CU-SVD演算法
    3.5.3  CU-SVD-RE演算法
    3.5.4  預處理演算法
    3.5.5  實驗結果
  3.6  基於混沌映射的數字水印演算法
    3.6.1  水印嵌入演算法
    3.6.2  水印提取演算法
    3.6.3  模擬實驗
    3.6.4  實驗結果分析
  3.7  本章小結
  參考文獻
第4章  量化索引調製數字水印演算法
  4.1  量化索引調製數字水印演算法概述
    4.1.1  量化索引調製原理
    4.1.2  抖動調製
    4.1.3  擴展變換抖動調製與擴展變換量化索引調製
    4.1.4  基於視覺模型的自適應QIM
  4.2  基於改進視覺模型的自適應水印演算法
    4.2.1  ST-QIM-B1MW-SS演算法與ST-QIM-B2MW-SS演算法
    4.2.2  ST-QIM-fMW-SS演算法
    4.2.3  ST-QIM-MS-SS演算法
    4.2.4  從幾個特定角度對改進的ST-QIM演算法的研究
  4.3  基於擴展變換的對數水印演算法
    4.3.1  基於擴展變換的數字水印演算法
    4.3.2  擴展變換量化索引調製演算法

    4.3.3  基於視覺模型的擴展變換水印演算法
    4.3.4  基於擴展變換的對數水印演算法
    4.3.5  擴展變換對數水印演算法中參數μ的取值分析
    4.3.6  基於JPEG量化表改進的擴展變換對數水印演算法
    4.3.7  實驗模擬與分析
    4.3.8  擴展變換對數水印演算法中參數μ的影響
    4.3.9  演算法性能比較
  4.4  基於視覺模型的多級混合分塊DCT域水印演算法
    4.4.1  DCT能量聚集特性
    4.4.2  基於視覺模型的多級混合分塊DCT域水印演算法流程
    4.4.3  實驗模擬與分析
  4.5  基於混合變換和子塊相關的改進STDM演算法
    4.5.1  演算法的理論背景
    4.5.2  基於DWT和DCT組合變換的兩種演算法
    4.5.3  兩種演算法的性能分析
    4.5.4  模擬實驗結果及討論
  4.6  基於視覺顯著性和輪廓波變換對數量化索引調製水印演算法
    4.6.1  改進的對數量化索引調製水印演算法
    4.6.2  量化步長的選擇
    4.6.3  嵌入位置的選擇
    4.6.4  水印嵌入演算法
    4.6.5  水印提取演算法
    4.6.6  實驗模擬與分析
    4.6.7  不可感知性
    4.6.8  視覺顯著性以及輪廓波變換的有效性
    4.6.9  魯棒性
  4.7  本章小結
  參考文獻
第5章  基於壓縮感知的數字水印演算法
  5.1  基於分塊壓縮感知的圖像半脆弱零水印演算法
    5.1.1  水印的構造
    5.1.2  水印的檢測
    5.1.3  篡改恢復
    5.1.4  水印檢測原理及保密性分析
    5.1.5  模擬實驗及分析
  5.2  角度量化索引調製及其改進演算法
    5.2.1  角度量化索引調製演算法
    5.2.2  改進演算法
  5.3  基於分塊壓縮感知的角度量化索引調製水印演算法
    5.3.1  測量矩陣的選擇
    5.3.2  水印嵌入演算法
    5.3.3  水印提取演算法
    5.3.4  演算法性能分析
    5.3.5  壓縮比的影響
    5.3.6  實驗模擬及分析
  5.4  基於壓縮感知雜訊重構的DWT-DCT域水印演算法
    5.4.1  基於DWT-DCT變換的水印演算法
    5.4.2  正交匹配追蹤重構演算法
    5.4.3  基於OMP雜訊重構的DWT-DCT域水印演算法
    5.4.4  實驗模擬與分析

  5.5  本章小結
  參考文獻
第6章  二值圖像信息隱藏演算法
  6.1  二值圖像信息隱藏常見演算法
  6.2  基於分塊嵌入的二值圖像信息隱藏演算法
    6.2.1  分塊嵌入的基本概念
    6.2.2  信息嵌入和提取過程
    6.2.3  分塊方式選擇
    6.2.4  可翻轉像素點選取準則
  6.3  二值圖像信息隱藏演算法性能指標
    6.3.1  嵌入容量
    6.3.2  視覺失真度量化
    6.3.3  計算複雜度
  6.4  模擬實驗及分析
    6.4.1  連通性保持二值圖像信息隱藏演算法步驟
    6.4.2  模擬實驗結果分析
  6.5  本章小結
  參考文獻
第7章  可逆信息隱藏演算法
  7.1  可逆信息隱藏演算法概述
  7.2  基於差值擴展的可逆信息隱藏演算法
  7.3  基於直方圖平移的可逆信息隱藏演算法
    7.3.1  可逆信息隱藏演算法嵌入過程
    7.3.2  嵌入演算法的偽代碼
    7.3.3  提取演算法的偽代碼
    7.3.4  嵌入和提取流程圖
    7.3.5  嵌入圖像相對於原始圖像的PSNR下界
    7.3.6  應用
    7.3.7  計算複雜度
    7.3.8  實驗結果和比較
  7.4  基於預測誤差擴展的可逆信息隱藏演算法
  7.5  基於差值直方圖平移的可逆信息隱藏演算法
    7.5.1  差值直方圖
    7.5.2  演算法描述
    7.5.3  二維差值直方圖平移演算法
  7.6  基於多直方圖平移的可逆信息隱藏演算法
    7.6.1  預測誤差直方圖平移演算法
    7.6.2  圖像像素值預測
    7.6.3  信息的嵌入與可逆提取
    7.6.4  多直方圖平移演算法
    7.6.5  MATLAB模擬實驗結果分析
  7.7  本章小結
  參考文獻
第8章  密文域可逆信息隱藏演算法
  8.1  概述
  8.2  密文域可逆信息隱藏框架
  8.3  VRBE演算法
    8.3.1  不可分離的VRBE演算法
    8.3.2  可分離的VRBE演算法
  8.4  VRAE演算法

    8.4.1  VRAE：明文域數據提取
    8.4.2  VRAE：密文域數據提取
    8.4.3  VRAE：雙域中數據提取
  8.5  本章小結
  參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032