| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 图像质量评价方法简介 | 第10-15页 |
| 1.2.1 图像质量主观评价方法 | 第10-12页 |
| 1.2.2 图像质量客观评价方法 | 第12-15页 |
| 1.3 机器学习简介 | 第15-18页 |
| 1.3.1 浅层学习 | 第16-17页 |
| 1.3.2 深度学习 | 第17-18页 |
| 1.4 基于机器学习的图像质量评价方法简介 | 第18-19页 |
| 1.4.1 基于浅层学习的图像质量评价方法研究现状 | 第18-19页 |
| 1.4.2 基于深度学习的图像质量评价方法研究现状 | 第19页 |
| 1.5 本文主要工作及章节安排 | 第19-21页 |
| 第二章 人类视觉系统 | 第21-26页 |
| 2.1 视觉生理学 | 第21-23页 |
| 2.2 视觉心理学 | 第23-26页 |
| 2.2.1 亮度特性 | 第23-24页 |
| 2.2.2 视觉敏感度带通特性 | 第24-25页 |
| 2.2.3 掩盖效应 | 第25页 |
| 2.2.4 视觉注意机制 | 第25-26页 |
| 第三章 四类重要的全参考质量评价方法 | 第26-35页 |
| 3.1 基于图像像素统计误差的评价方法 | 第26-27页 |
| 3.2 基于人类视觉系统的评价方法 | 第27-29页 |
| 3.3 基于图像结构特征的评价方法 | 第29-31页 |
| 3.4 基于信息论的评价方法 | 第31-32页 |
| 3.5 衡量图像质量客观评价算法的三个一致性指标 | 第32-35页 |
| 3.5.1 Pearson相关系数 | 第33-34页 |
| 3.5.2 Spearman相关系数 | 第34页 |
| 3.5.3 均方根误差 | 第34-35页 |
| 第四章 基于图像失真类型的全参考图像质量评价方法 | 第35-49页 |
| 4.1 图像质量评价数据库LIVE及TID2008 | 第35-37页 |
| 4.1.1 LIVE图像库 | 第36页 |
| 4.1.2 TID2008图像库 | 第36-37页 |
| 4.2 基于KNN的图像失真类型分类器 | 第37-41页 |
| 4.2.1 K最近邻 | 第37-38页 |
| 4.2.2 DCT特征提取 | 第38-40页 |
| 4.2.3 图像失真类型分类器 | 第40-41页 |
| 4.3 基于多元线性回归的图像质量评价融合算法 | 第41-42页 |
| 4.4 实验结果 | 第42-48页 |
| 4.4.1 分类器性能 | 第43页 |
| 4.4.2 质量评价模型性能 | 第43-46页 |
| 4.4.3 质量评价模型的泛化能力 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 基于卷积神经网络的无参考图像质量评价方法 | 第49-60页 |
| 5.1 卷积神经网络简介 | 第49-54页 |
| 5.1.1 局部连接 | 第50页 |
| 5.1.2 权值共享 | 第50-51页 |
| 5.1.3 多卷积核 | 第51页 |
| 5.1.4 非线性映射 | 第51-52页 |
| 5.1.5 池化 | 第52页 |
| 5.1.6 多层卷积神经网络 | 第52-54页 |
| 5.2 基于卷积神经网络的无参考图像质量评价方法 | 第54-56页 |
| 5.3 实验结果 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结和展望 | 第60-62页 |
| 6.1 研究内容总结 | 第60-61页 |
| 6.2 研究工作展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 发表论文和参加科研情况说明 | 第67-68页 |
| 致谢 | 第68-69页 |
