| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-21页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-20页 |
| 1.2.1 主观视频质量评价方法 | 第13-15页 |
| 1.2.2 客观视频质量评价方法 | 第15-20页 |
| 1.2.2.1 无参考视频质量评价方法 | 第16-17页 |
| 1.2.2.2 全参考视频质量评价方法 | 第17-18页 |
| 1.2.2.3 部分参考视频质量评价方法 | 第18-20页 |
| 1.3 论文的主要工作和组织结构 | 第20-21页 |
| 2 预备知识 | 第21-32页 |
| 2.1 人类视觉系统 | 第21-24页 |
| 2.1.1 生理学结构 | 第21页 |
| 2.1.2 视觉系统的基本特性 | 第21-24页 |
| 2.2 人工神经网络 | 第24-27页 |
| 2.2.1 神经元 | 第25页 |
| 2.2.2 感知机和多层网络 | 第25-27页 |
| 2.3 深度卷积神经网络 | 第27-32页 |
| 2.3.1 卷积 | 第28页 |
| 2.3.2 池化 | 第28-32页 |
| 3 基于深度网络的图像质量评价 | 第32-45页 |
| 3.1 引言 | 第32-34页 |
| 3.2 基于多任务AlexNet的图像质量评价方法 | 第34-37页 |
| 3.2.1 数据预处理 | 第34-35页 |
| 3.2.2 端到端的多任务AlexNet卷积神经网络 | 第35-36页 |
| 3.2.3 失真类型识别和质量分数计算 | 第36-37页 |
| 3.3 实验 | 第37-45页 |
| 3.3.1 数据库介绍 | 第37-38页 |
| 3.3.2 实验设置 | 第38-39页 |
| 3.3.3 评价标准 | 第39-40页 |
| 3.3.4 实验结果及分析 | 第40-45页 |
| 4 基于深度网络的视频质量评价 | 第45-56页 |
| 4.1 引言 | 第45-46页 |
| 4.2 基于多任务AlexNet的视频质量评价方法 | 第46-48页 |
| 4.2.1 微调多任务AlexNet卷积神经网络 | 第46-47页 |
| 4.2.2 时间滞后池化模型 | 第47-48页 |
| 4.3 基于深度特征融合的视频质量评价方法 | 第48-53页 |
| 4.3.1 提取视频特征 | 第49-50页 |
| 4.3.2 支持向量回归 | 第50-53页 |
| 4.4 实验 | 第53-56页 |
| 4.4.1 数据库介绍 | 第53页 |
| 4.4.2 实验设置 | 第53-54页 |
| 4.4.3 实验结果及分析 | 第54-56页 |
| 5 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56页 |
| 5.2 展望 | 第56-58页 |
| 参考文献 | 第58-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士期间完成的主要工作 | 第67页 |
