| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 符号对照表 | 第13-16页 |
| 缩略语对照表 | 第16-22页 |
| 第一章 绪论 | 第22-36页 |
| 1.1 研究背景与意义 | 第22-24页 |
| 1.2 研究进展与现状 | 第24-33页 |
| 1.2.1 主观图像质量评价 | 第24-25页 |
| 1.2.2 客观图像质量评价 | 第25-33页 |
| 1.3 面临的挑战 | 第33-34页 |
| 1.4 本文的主要工作及章节安排 | 第34-36页 |
| 第二章 人类视觉系统及其视觉特性 | 第36-44页 |
| 2.1 引言 | 第36页 |
| 2.2 人类视觉系统的生理特性 | 第36-39页 |
| 2.3 视觉感知特性 | 第39-42页 |
| 2.4 本章小结 | 第42-44页 |
| 第三章 基于DCT域熵差异的部分参考图像质量评价 | 第44-64页 |
| 3.1 引言 | 第44-45页 |
| 3.2 离散余弦变换介绍 | 第45-47页 |
| 3.3 基于DCT域熵差异的部分参考图像质量评价方法 | 第47-52页 |
| 3.3.1 二维DCT系数矩阵重组和合并 | 第47-49页 |
| 3.3.2 DCT域熵特征提取 | 第49-51页 |
| 3.3.3 图像质量评价 | 第51-52页 |
| 3.4 实验结果和分析 | 第52-63页 |
| 3.4.1 特征有效性分析 | 第52-54页 |
| 3.4.2 实验设置 | 第54-57页 |
| 3.4.3 算法性能分析 | 第57-62页 |
| 3.4.4 对JPEG压缩失真图像的评价性能分析 | 第62-63页 |
| 3.5 小结 | 第63-64页 |
| 第四章 基于改良NSS模型的无参考图像质量评价 | 第64-86页 |
| 4.1 引言 | 第64-65页 |
| 4.2 自然场景统计特性 | 第65-66页 |
| 4.3 失真图像的统计特性分析 | 第66-69页 |
| 4.4 基于改良NSS模型的无参考图像质量评价方法 | 第69-74页 |
| 4.4.1 特征提取 | 第69-74页 |
| 4.4.2 学习模型 | 第74页 |
| 4.5 实验结果和分析 | 第74-84页 |
| 4.5.1 分类准确率 | 第75-76页 |
| 4.5.2 算法性能比较 | 第76-80页 |
| 4.5.3 拟合误差对性能的影响 | 第80-82页 |
| 4.5.4 两步策略的合理性分析 | 第82-83页 |
| 4.5.5 算法复杂度 | 第83-84页 |
| 4.6 小结 | 第84-86页 |
| 第五章 基于词包模型和局部量化模式的无参考图像质量评价 | 第86-108页 |
| 5.1 引言 | 第86-87页 |
| 5.2 相关工作介绍 | 第87-90页 |
| 5.2.1 词包模型 | 第87-88页 |
| 5.2.2 图像局部模式 | 第88-90页 |
| 5.3 图像的视觉模式分析 | 第90-94页 |
| 5.4 基于词包模型和局部量化模式的无参考图像质量评价方法 | 第94-98页 |
| 5.4.1 LQP算子提取 | 第94-96页 |
| 5.4.2 词典构建 | 第96-98页 |
| 5.4.3 基于词包模型的特征表示 | 第98页 |
| 5.4.4 回归模型 | 第98页 |
| 5.5 实验结果和分析 | 第98-106页 |
| 5.5.1 特征有效性分析 | 第99页 |
| 5.5.2 算法性能比较 | 第99-104页 |
| 5.5.3 交叉验证 | 第104页 |
| 5.5.4 词典尺寸对性能的影响 | 第104-105页 |
| 5.5.5 算法复杂度 | 第105-106页 |
| 5.6 小结 | 第106-108页 |
| 第六章 总结与展望 | 第108-112页 |
| 6.1 研究总结 | 第108-109页 |
| 6.2 研究展望 | 第109-112页 |
| 参考文献 | 第112-126页 |
| 致谢 | 第126-128页 |
| 作者简介 | 第128-129页 |
