| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-13页 |
| 1 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状及发展趋势 | 第14-17页 |
| 1.2.1 研究现状 | 第14-17页 |
| 1.2.2 发展趋势 | 第17页 |
| 1.3 本文的研究内容与结构 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 2 图像质量评价的相关知识 | 第19-34页 |
| 2.1 图像质量及其定义 | 第19-21页 |
| 2.1.1 图像的定义 | 第19页 |
| 2.1.2 图像质量的定义 | 第19-20页 |
| 2.1.3 常用的图像统计参量 | 第20-21页 |
| 2.2 图像质量评价方法介绍 | 第21-25页 |
| 2.2.1 主观评价方法 | 第21-22页 |
| 2.2.2 客观评价方法 | 第22-25页 |
| 2.3 人眼视觉系统简介 | 第25-29页 |
| 2.3.1 人眼视觉系统的生理特性 | 第25-26页 |
| 2.3.2 人眼视觉系统心理特性 | 第26-29页 |
| 2.4 图像质量评价数据库 | 第29-31页 |
| 2.5 图像质量客观评价方法的性能验证 | 第31-33页 |
| 2.6 本章小结 | 第33-34页 |
| 3 基于奇异值分解的结构相似度图像质量评价 | 第34-51页 |
| 3.1 基于人类视觉系统的图像质量评价方法存在的不足 | 第34-35页 |
| 3.2 结构相似性理论 | 第35-37页 |
| 3.3 奇异值分解 | 第37-39页 |
| 3.3.1 奇异值分解定理 | 第37页 |
| 3.3.2 奇异值分解性质 | 第37-38页 |
| 3.3.3 图像的奇异值分解 | 第38-39页 |
| 3.4 结构相似度模型 | 第39-42页 |
| 3.5 基于梯度的奇异值分解的结构相似度模型 | 第42-44页 |
| 3.6 GSSSIM算法仿真分析 | 第44-50页 |
| 3.7 本章小结 | 第50-51页 |
| 4 基于小波变换和奇异值分解的结构相似度图像质量评价 | 第51-65页 |
| 4.1 小波变换 | 第51-53页 |
| 4.1.1 连续小波变换 | 第51-52页 |
| 4.1.2 离散小波变换 | 第52-53页 |
| 4.1.3 多分辨率与人类视觉系统 | 第53页 |
| 4.2 小波全参考图像质量评价 | 第53-58页 |
| 4.2.1 WSSSIM算法实现 | 第53-55页 |
| 4.2.2 WSSSIM算法仿真分析 | 第55-58页 |
| 4.3 小波无参考图像质量评价 | 第58-63页 |
| 4.3.1 图像的高频特性 | 第59-60页 |
| 4.3.2 SSSIM算法实现 | 第60-62页 |
| 4.3.3 SSSIM算法仿真分析 | 第62-63页 |
| 4.4 本章小结 | 第63-65页 |
| 5 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65-66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 作者简历 | 第70-72页 |
| 学位论文数据集 | 第72页 |