| 中文摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 图像质量评估方法研究现状 | 第14-19页 |
| 1.2.1 主观质量评价方法 | 第15-16页 |
| 1.2.2 客观质量评价方法 | 第16-19页 |
| 1.3 本文创新点 | 第19-20页 |
| 1.4 论文的组织结构 | 第20-22页 |
| 第二章 理论知识介绍 | 第22-36页 |
| 2.1 人工神经网络 | 第22-30页 |
| 2.1.1 神经元 | 第22-25页 |
| 2.1.2 神经网络模型 | 第25-26页 |
| 2.1.3 反向传播算法 | 第26-30页 |
| 2.2 卷积神经网络 | 第30-35页 |
| 2.2.1 卷积神经网络结构 | 第30-33页 |
| 2.2.2 卷积网络结构特征 | 第33-35页 |
| 2.3 本章小结 | 第35-36页 |
| 第三章 基于单一信息的立体图像质量评估 | 第36-48页 |
| 3.1 单一信息卷积网络设计 | 第36-41页 |
| 3.1.1 图像块预处理 | 第37-39页 |
| 3.1.2 卷积层 | 第39-40页 |
| 3.1.3 池化层 | 第40页 |
| 3.1.4 多层感知机 | 第40-41页 |
| 3.2 网络实现细节 | 第41-42页 |
| 3.2.1 网络结构框图 | 第41-42页 |
| 3.2.2 训练过程 | 第42页 |
| 3.3 数据库介绍 | 第42-43页 |
| 3.4 实验与分析 | 第43-46页 |
| 3.4.1 图像质量评估算法评价参数介绍 | 第43-44页 |
| 3.4.2 实验结果 | 第44-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于复合信息的立体图像质量评估 | 第48-66页 |
| 4.1 三通道卷积网络设计 | 第48-49页 |
| 4.2 平面图像到立体图像的迁移学习 | 第49-52页 |
| 4.3 数据库介绍 | 第52-55页 |
| 4.3.1 LIVE 2D自然图像数据库 | 第52-53页 |
| 4.3.2 LIVE立体图像库Phase-Ⅱ | 第53-54页 |
| 4.3.3 IVC立体图像库 | 第54-55页 |
| 4.4 实验结果及分析 | 第55-64页 |
| 4.4.1 复合信息模型对立体图像质量的评价 | 第55-58页 |
| 4.4.2 不同失真类型图像的效果 | 第58-59页 |
| 4.4.3 LIVE 3D Phase-Ⅱ交叉验证 | 第59-61页 |
| 4.4.4 IVC数据库交叉验证 | 第61-62页 |
| 4.4.5 卷积核对算法的影响 | 第62-63页 |
| 4.4.6 利用平面图像进行迁移学习的影响 | 第63-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 本文的工作总结 | 第66-67页 |
| 5.2 工作展望 | 第67-68页 |
| 参考文献 | 第68-75页 |
| 致谢 | 第75-77页 |
| 攻读学位期间发表的学术论文和参加科研情况 | 第77-78页 |
| 学位论文评阅及答辩情况表 | 第78页 |