| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 选题背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文主要工作及章节安排 | 第10-12页 |
| 第二章 图像质量评价基础知识 | 第12-23页 |
| 2.1 人眼视觉生理学特征 | 第12-13页 |
| 2.2 人眼视觉心理学特征 | 第13-17页 |
| 2.3 图像质量评价算法介绍 | 第17-20页 |
| 2.3.0 主观图像质量评价 | 第17-18页 |
| 2.3.1 全参考图像质量评价 | 第18-19页 |
| 2.3.2 半参考图像质量评价 | 第19-20页 |
| 2.4 图像质量评价算法的性能 | 第20-23页 |
| 第三章 基于信息熵的半参考图像质量评价算法 | 第23-39页 |
| 3.1 图像的多分辨率分解 | 第23-27页 |
| 3.1.1 小波变换的多分辨率分解 | 第23-25页 |
| 3.1.2 重组离散余弦变换的多分辨率分解 | 第25-27页 |
| 3.2 提出的半参考图像质量评价算法 | 第27-34页 |
| 3.2.1 改进的重组DCT变换 | 第27-28页 |
| 3.2.2 基于信息熵的视觉质量分析 | 第28-32页 |
| 3.2.3 基于信息熵的图像质量评价算法 | 第32-34页 |
| 3.3 实验结果 | 第34-37页 |
| 3.3.1 小波变换与改进的重组DCT变换实验效果对比 | 第35页 |
| 3.3.2 提出的算法性能的比较与分析 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第四章 基于支持向量回归的图像质量评价算法 | 第39-51页 |
| 4.1 支持向量机基础 | 第39-42页 |
| 4.1.1 核函数 | 第40页 |
| 4.1.2 支持向量分类与回归 | 第40-42页 |
| 4.2 图像的特征提取 | 第42-47页 |
| 4.2.1 广义高斯函数特征 | 第42-46页 |
| 4.2.2 信息熵特征 | 第46-47页 |
| 4.3 实验与结果分析 | 第47-49页 |
| 4.3.1 支持向量机模型训练 | 第47-48页 |
| 4.3.2 实验结果分析 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 结论和展望 | 第51-53页 |
| 5.1 主要结论 | 第51-52页 |
| 5.2 研究展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 在学期间的研究成果 | 第57-58页 |
| 致谢 | 第58页 |