基于机器学习的图像质量评价方法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 图像质量评价的研究现状 | 第8-11页 |
| 1.2.1 主观图像质量评价 | 第8-9页 |
| 1.2.2 客观图像质量评价 | 第9-11页 |
| 1.3 主要研究内容及章节安排 | 第11-14页 |
| 1.3.1 主要研究内容 | 第11页 |
| 1.3.2 论文结构安排 | 第11-14页 |
| 2 图像质量评价基础 | 第14-22页 |
| 2.1 人眼视觉特征 | 第14-15页 |
| 2.1.1 掩蔽效应 | 第14页 |
| 2.1.2 亮度特性 | 第14-15页 |
| 2.1.3 视觉多通道 | 第15页 |
| 2.2 颜色空间 | 第15-16页 |
| 2.2.1 RGB颜色空间 | 第15-16页 |
| 2.2.2 YIQ与LMN颜色空间 | 第16页 |
| 2.2.3 CIEL~*a~*b~*颜色空间 | 第16页 |
| 2.3 机器学习方法简介 | 第16-18页 |
| 2.3.1 随机森林 | 第17页 |
| 2.3.2 支持向量回归 | 第17-18页 |
| 2.3.3 神经网络 | 第18页 |
| 2.4 图像数据库 | 第18-19页 |
| 2.5 性能评价指标 | 第19-21页 |
| 2.6 本章小结 | 第21-22页 |
| 3 基于掩蔽纹理的全参考型图像质量评价方法 | 第22-38页 |
| 3.1 引言 | 第22-23页 |
| 3.2 特征提取 | 第23-28页 |
| 3.2.1 颜色空间转换 | 第23-24页 |
| 3.2.2 掩蔽纹理特征 | 第24-26页 |
| 3.2.3 梯度特征 | 第26-27页 |
| 3.2.4 颜色特征 | 第27-28页 |
| 3.3 回归模型建立 | 第28-29页 |
| 3.4 实验结果与分析 | 第29-36页 |
| 3.4.1 整体表现结果 | 第30-31页 |
| 3.4.2 感知特征分析 | 第31-32页 |
| 3.4.3 数据库交叉验证 | 第32-34页 |
| 3.4.4 不同的回归方法结果比较 | 第34-35页 |
| 3.4.5 计算复杂性比较 | 第35-36页 |
| 3.5 本章小结 | 第36-38页 |
| 4 基于卷积神经网络的无参考图像质量评价方法 | 第38-44页 |
| 4.1 引言 | 第38页 |
| 4.2 网络结构 | 第38-39页 |
| 4.3 特征提取 | 第39-40页 |
| 4.3.1 卷积特征提取 | 第39页 |
| 4.3.2 特征聚合 | 第39-40页 |
| 4.4 模型训练 | 第40-41页 |
| 4.5 实验结果与分析 | 第41-43页 |
| 4.5.1 整体表现结果对比 | 第41-42页 |
| 4.5.2 回归工具比较 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 5 结论 | 第44-46页 |
| 5.1 结论与展望 | 第44-45页 |
| 5.2 创新点 | 第45-46页 |
| 致谢 | 第46-48页 |
| 参考文献 | 第48-52页 |
| 在校期间研究成果 | 第52页 |
