| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 专业名词缩略表 | 第10-11页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 图像质量评价方法 | 第12-14页 |
| 1.2.1 图像质量评价方法分类 | 第12-13页 |
| 1.2.2 图像评价方法研究现状 | 第13-14页 |
| 1.3 本文主要研究内容及组织结构 | 第14-16页 |
| 第二章 特征学习理论基础 | 第16-24页 |
| 2.1 字典学习理论基础 | 第16-18页 |
| 2.1.1 稀疏表示问题 | 第16-17页 |
| 2.1.2 字典求取方法 | 第17-18页 |
| 2.1.3 正交匹配追踪方法(OMP) | 第18页 |
| 2.2 深度学习理论基础 | 第18-22页 |
| 2.2.1 深度学习历史及工作原理 | 第19-20页 |
| 2.2.2 网络模型重要层介绍 | 第20页 |
| 2.2.3 模型优化问题 | 第20-22页 |
| 2.3 字典学习与深度学习的异同 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于区别性字典的含噪声/伪影图像质量评价 | 第24-39页 |
| 3.1 区别性稀疏表示 | 第24-27页 |
| 3.1.1 Fisher判别方法 | 第25-26页 |
| 3.1.2 区别性字典构建 | 第26-27页 |
| 3.2 字典特征量化质量评价方法 | 第27-28页 |
| 3.3 实验结果与分析 | 第28-38页 |
| 3.3.1 Benchmark标准数据集测试(自然图像) | 第28-32页 |
| 3.3.2 医学图像数据集测试(CT/DR) | 第32-37页 |
| 3.3.3 参数及算法所需时间分析 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于字典方法的模糊图像质量评价 | 第39-48页 |
| 4.1 区别性字典评价方法 | 第39页 |
| 4.2 模糊字典评价方法 | 第39-41页 |
| 4.3 实验结果与分析 | 第41-47页 |
| 4.3.1 区别性字典评价方法结果 | 第41-44页 |
| 4.3.2 模糊字典评价方法结果 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 基于深度学习的图像质量评价 | 第48-58页 |
| 5.1 基于深度卷积神经网络的质量评价方法 | 第48-49页 |
| 5.2 深度卷积神经网络应用于图像后处理问题 | 第49-51页 |
| 5.3 卷积网络特征可视化 | 第51-53页 |
| 5.4 实验结果与分析 | 第53-57页 |
| 5.4.1 自然图像测试(高斯白噪声情况) | 第53-54页 |
| 5.4.2 CT图像结果 | 第54-56页 |
| 5.4.3 算法所需时间以及参数分析 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.1.1 基于字典学习的图像质量评价 | 第58页 |
| 6.1.2 基于深度学习的图像质量评价 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 作者简介 | 第65页 |