發(fā)布時(shí)間：2024-05-09 00:18

　　近年來(lái),隨著信息技術(shù)和互聯(lián)網(wǎng)的高速發(fā)展,大量敏感數(shù)據(jù),包括軍事、政治、商業(yè)等國(guó)家、企業(yè)或個(gè)人的重要數(shù)據(jù)在網(wǎng)絡(luò)上傳輸,數(shù)字信息的安全問(wèn)題正逐步受到重視。因此,為了保障數(shù)字信息的安全,亟需采取必要的保護(hù)措施。數(shù)字隱寫(xiě)術(shù)是信息隱藏中的一類方法,是隱蔽通信或隱蔽存儲(chǔ)的一種重要形式。其主要目標(biāo)是將秘密信息隱藏在某個(gè)數(shù)字載體(如圖像、視頻、音頻、3D模型、文本等)之中并傳送給接收方,而不引起第三方的注意。面對(duì)復(fù)雜多樣的隱寫(xiě)分析者,如何進(jìn)一步提升隱寫(xiě)的安全性,從而創(chuàng)造更為安全的隱蔽通信手段成為了當(dāng)前隱寫(xiě)技術(shù)研究的重要內(nèi)容。然而,相比于圖像隱寫(xiě),3D隱寫(xiě)的研究尚處于初等階段,仍有很多關(guān)鍵的科學(xué)問(wèn)題需要分析和解決。本文研究的3D(3D網(wǎng)格、3D貼圖、深度圖像等)隱寫(xiě)是基于新型載體的隱寫(xiě)術(shù),豐富了隱寫(xiě)數(shù)據(jù)類型,有望提供更安全的隱蔽通信方式,是隱寫(xiě)術(shù)的重要發(fā)展趨勢(shì)之一。因此,研究有效的3D隱寫(xiě)方法具有重要的意義和價(jià)值。本文圍繞3D隱寫(xiě)的三個(gè)關(guān)鍵問(wèn)題開(kāi)展研究:3D網(wǎng)格隱寫(xiě)研究、3D紋理圖像貼圖隱寫(xiě)研究和3D深度圖像隱寫(xiě)研究。這三個(gè)方面的研究?jī)?nèi)容相輔相成,旨在實(shí)現(xiàn)高安全性的3D隱寫(xiě)方法。現(xiàn)將這三個(gè)方面的主要工作...

【文章頁(yè)數(shù)】：123 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 自然圖像隱寫(xiě)
        1.2.2 3D網(wǎng)格模型隱寫(xiě)
        1.2.3 紋理圖像隱寫(xiě)
        1.2.4 深度圖像隱寫(xiě)
    1.3 論文的研究?jī)?nèi)容與創(chuàng)新點(diǎn)
    1.4 論文的結(jié)構(gòu)安排
第2章 基本理論與方法
    2.1 隱蔽通信基本模型
    2.2 評(píng)價(jià)指標(biāo)
        2.2.1 隱寫(xiě)評(píng)價(jià)指標(biāo)
        2.2.2 隱寫(xiě)分析評(píng)價(jià)指標(biāo)與典型的分類器
    2.3 3D網(wǎng)格模型基本形式
    2.4 紋理圖像基本形式
    2.5 深度圖像基本形式
    2.6 本章小結(jié)
第3章 3D網(wǎng)格模型隱寫(xiě)方法
    3.1 引言
    3.2 3D網(wǎng)格模型隱寫(xiě)安全性分析
        3.2.1 通用型隱寫(xiě)分析框架
        3.2.2 網(wǎng)格離散曲面鄰域
        3.2.3 法向投票張量
        3.2.4 隱寫(xiě)分析特征設(shè)計(jì)
        3.2.5 MMD安全性能評(píng)價(jià)
        3.2.6 隱寫(xiě)分析特征的可視化
        3.2.7 子分類器的選擇
        3.2.8 不同數(shù)據(jù)庫(kù)的隱寫(xiě)分析性能表現(xiàn)
        3.2.9 統(tǒng)計(jì)顯著性檢驗(yàn)
        3.2.10 專用隱寫(xiě)分析器的設(shè)計(jì)
    3.3 基于最小化失真框架的3D網(wǎng)格模型隱寫(xiě)
        3.3.1 自適應(yīng)隱寫(xiě)的最小化失真模型
        3.3.2 3D網(wǎng)格結(jié)構(gòu)分解
        3.3.3 從隱寫(xiě)分析特征到隱寫(xiě)算法的設(shè)計(jì)
        3.3.4 失真函數(shù)構(gòu)造
        3.3.5 嵌入策略
        3.3.6 映射函數(shù)g(x)的確定
        3.3.7 單層位平面隱寫(xiě)的性能比較
        3.3.8 不同數(shù)據(jù)庫(kù)的抗檢測(cè)性能比較
        3.3.9 帶噪3D網(wǎng)格實(shí)驗(yàn)
    3.4 本章小結(jié)
第4章 3D紋理合成隱寫(xiě)方法
    4.1 引言
    4.2 紋理圖像合成隱寫(xiě)安全性分析
        4.2.1 紋理圖像合成隱寫(xiě)算法
        4.2.2 鏡像重構(gòu)攻擊
        4.2.3 重構(gòu)攻擊實(shí)驗(yàn)結(jié)果與評(píng)估
        4.2.4 統(tǒng)計(jì)最優(yōu)性特征構(gòu)造
        4.2.5 隱寫(xiě)分析實(shí)驗(yàn)結(jié)果與評(píng)估
    4.3 基于3D紋理貼圖的隱寫(xiě)方法
        4.3.1 增強(qiáng)型紋理合成隱寫(xiě)算法設(shè)計(jì)
        4.3.2 安全性分析
        4.3.3 隱寫(xiě)分析實(shí)驗(yàn)與評(píng)估
        4.3.4 3D紋理貼圖實(shí)驗(yàn)
    4.4 本章小結(jié)
第5章 3D深度圖像隱寫(xiě)方法
    5.1 引言
    5.2 深度圖像隱寫(xiě)算法
        5.2.1 算法框架
        5.2.2 網(wǎng)絡(luò)結(jié)構(gòu)
        5.2.3 目標(biāo)損失函數(shù)
        5.2.4 訓(xùn)練策略
    5.3 實(shí)驗(yàn)結(jié)果
        5.3.1 實(shí)驗(yàn)環(huán)境配置和細(xì)節(jié)
        5.3.2 與基準(zhǔn)方法的對(duì)比
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 未來(lái)工作展望
        6.2.1 3D網(wǎng)格隱寫(xiě)算法
        6.2.2 3D網(wǎng)格隱寫(xiě)分析算法
        6.2.3 3D紋理貼圖
參考文獻(xiàn)
致謝
在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果



本文編號(hào)：3968036