基于多元混合模型的无参考3D图像质量评价研究
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第7-15页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 3D图像质量评价概述 | 第8-11页 |
| 1.2.1 3D图像质量主观评价标准 | 第8-9页 |
| 1.2.2 3D图像质量客观评价算法 | 第9-11页 |
| 1.3 3D图像质量评价方法的国内外研究现状 | 第11-13页 |
| 1.4 本文主要研究内容和结构安排 | 第13-15页 |
| 第2章 人眼视觉特性 | 第15-23页 |
| 2.1 人眼生理结构 | 第15-16页 |
| 2.2 人眼视觉系统概述 | 第16-20页 |
| 2.2.1 视觉形成机理 | 第16-17页 |
| 2.2.2 视觉基本特性 | 第17-18页 |
| 2.2.3 立体视觉深度线索 | 第18-20页 |
| 2.3 影响视觉舒适度的因素 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 第3章 机器学习和深度学习基础 | 第23-31页 |
| 3.1 机器学习 | 第23-26页 |
| 3.1.1 感知机 | 第23-24页 |
| 3.1.2 SVM | 第24-26页 |
| 3.2 深度学习 | 第26-30页 |
| 3.2.1 人工神经网络 | 第26-27页 |
| 3.2.2 卷积神经网络 | 第27-29页 |
| 3.2.3 深度卷积神经网络 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 3D图像质量客观评价算法 | 第31-47页 |
| 4.1 算法概述 | 第31-32页 |
| 4.2 多通道图像分解 | 第32-33页 |
| 4.3 融合图和差分图 | 第33-34页 |
| 4.4 特征提取 | 第34-37页 |
| 4.4.1 统计特征提取方法 | 第34-35页 |
| 4.4.2 结构特征提取方法 | 第35-37页 |
| 4.5 3D图像质量评价 | 第37-38页 |
| 4.6 实验结果以及分析 | 第38-44页 |
| 4.6.1 实验数据和结果 | 第38-40页 |
| 4.6.2 数据结果分析 | 第40-44页 |
| 4.7 本章小结 | 第44-47页 |
| 第5章 深度学习应用于3D图像质量评价 | 第47-55页 |
| 5.1 算法概述 | 第47-48页 |
| 5.2 深度卷积神经网络设计 | 第48-51页 |
| 5.2.1 特征表示网络 | 第49页 |
| 5.2.2 特征筛选网络 | 第49-51页 |
| 5.3 实验结果以及分析 | 第51-52页 |
| 5.4 本章小结 | 第52-55页 |
| 第6章 总结与展望 | 第55-56页 |
| 参考文献 | 第56-61页 |
| 发表论文和参加科研情况说明 | 第61-63页 |
| 致谢 | 第63页 |
