| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·图像质量评价研究的意义 | 第7-8页 |
| ·客观图像质量评价方法性能的指标 | 第8-9页 |
| ·人类视觉系统的研究 | 第9-10页 |
| ·LIVE 的主观图像质量评价库 | 第10-12页 |
| ·本文的内容与安排 | 第12-15页 |
| 第二章 客观图像质量评价方法的发展状况研究 | 第15-25页 |
| ·客观图像质量评估的分类 | 第15-18页 |
| ·基于 SSIM 模型的全参考客观图像质量方法及其派生方法 | 第18-22页 |
| ·机器学习类盲图像质量评估方法 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 图像的视觉特征 | 第25-33页 |
| ·视觉特征的寻找方法和优劣比较方法 | 第25-26页 |
| ·已经找到的视觉特征 | 第26-29页 |
| ·视觉特征的相关性测试 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 图像分割 | 第33-39页 |
| ·图像分割技术基础 | 第33页 |
| ·图像分割技术分类 | 第33-35页 |
| ·图像分割在视觉特征提取中应用 | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 人工神经网络 | 第39-47页 |
| ·常见的人工神经网络 | 第39页 |
| ·广义回归神经网络 | 第39-41页 |
| ·均衡广义回归神经网络 | 第41-43页 |
| ·神经网络的性能对比测试 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 基于感兴趣区域和人工神经网络的盲图像质量评价 | 第47-57页 |
| ·盲图像质量评价研究现状 | 第47-48页 |
| ·基于感兴趣区域分割视觉特征和人工神经网络的盲图像质量评价 | 第48-54页 |
| ·本文方法与其他 BIQA 方法的性能对比 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第七章 结束语 | 第57-59页 |
| ·总结 | 第57-58页 |
| ·展望 | 第58-59页 |
| 致谢 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 研究成果 | 第67-69页 |
| 附录 A | 第69-99页 |
