| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 引言 | 第10-11页 |
| 1 绪论 | 第11-17页 |
| ·研究背景及意义 | 第11-14页 |
| ·数字图像以及数字图像处理 | 第11-12页 |
| ·图像质量客观评价的基础 | 第12-13页 |
| ·图像质量评价的研究意义 | 第13-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·本文主要工作内容及创新之处 | 第15页 |
| ·本文的组织结构 | 第15-17页 |
| 2 图像质量评价基础 | 第17-37页 |
| ·人类视觉系统 | 第17-22页 |
| ·人眼视觉心理物理学特征 | 第20-22页 |
| ·图像质量评价分类 | 第22-33页 |
| ·主观评价方法 | 第22-33页 |
| ·客观评价的评价指标 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 3 基于重组DCT变换的半参考图像质量评价 | 第37-46页 |
| ·图像的重组DCT变换 | 第37-39页 |
| ·特征提取 | 第39-41页 |
| ·实验结果与数据分析 | 第41-44页 |
| ·实验数据库 | 第41-42页 |
| ·参数确定 | 第42页 |
| ·模型性能评估 | 第42-44页 |
| ·本章小节 | 第44-46页 |
| 4 基于小波变换的半参考模糊图像质量评价 | 第46-55页 |
| ·高斯模糊图像的特征 | 第46-49页 |
| ·二维离散小波分析 | 第49-51页 |
| ·小波子带能量特征提取 | 第51-53页 |
| ·实验结果及分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 5 基于支持向量机的半参考图像质量评价算法 | 第55-70页 |
| ·支持向量机的理论基础 | 第55-60页 |
| ·支持向量分类（ Support Vector Classification） | 第56-58页 |
| ·支持向量回归（ Support Vector Regression） | 第58-60页 |
| ·图像的特征提取 | 第60-67页 |
| ·统计特性特征提取 | 第60-65页 |
| ·能量特征提取 | 第65-67页 |
| ·实验结果及数据分析 | 第67-69页 |
| ·支持向量机训练和测试 | 第67-68页 |
| ·模型性能评估 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 6 总结与展望 | 第70-73页 |
| ·本文工作总结 | 第70-71页 |
| ·本文下一步研究工作 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 在学研究成果 | 第77-78页 |
| 致谢 | 第78页 |