| Abstract | 第5-7页 |
| 摘要 | 第8-14页 |
| 符号对照表 | 第14-16页 |
| 缩略语对照表 | 第16-26页 |
| 1. Introduction | 第26-52页 |
| 1.1 Background | 第26-32页 |
| 1.1.1 Image Quality Assessment | 第26-29页 |
| 1.1.2 Visual Attention | 第29-31页 |
| 1.1.3 Visual Attention based Quality Metric | 第31-32页 |
| 1.2 Related Works | 第32-47页 |
| 1.2.1 Image Quality Assessment | 第32-43页 |
| 1.2.2 Visual Attention | 第43-46页 |
| 1.2.3 Visual Attention based Quality Metric | 第46-47页 |
| 1.3 Challenges and Contributions | 第47-49页 |
| 1.3.1 Challenges | 第47-48页 |
| 1.3.2 Contributions | 第48-49页 |
| 1.4 Organization | 第49-52页 |
| 2. Evaluating Image Quality by Fuzzy Theory | 第52-72页 |
| 2.1 Background | 第52-53页 |
| 2.2 Natural Scene Statistics | 第53-62页 |
| 2.3 RR-IQA based on Fuzzy Classification | 第62-68页 |
| 2.3.1 Feature Extraction | 第63-65页 |
| 2.3.2 MOS Fuzzification | 第65-67页 |
| 2.3.3 Fuzzy Classification | 第67-68页 |
| 2.3.4 Defuzzification | 第68页 |
| 2.4 Experiment and Analysis | 第68-71页 |
| 2.5 Summary | 第71-72页 |
| 3. Modelling Deep Architecture for Quality Perception | 第72-96页 |
| 3.1 Background | 第72-76页 |
| 3.2 BIQA via Deep Learning | 第76-82页 |
| 3.2.1 Image Representation | 第76-77页 |
| 3.2.2 Discriminative Deep Model | 第77-79页 |
| 3.2.3 Quality Pooling | 第79-81页 |
| 3.2.4 Parameter Setting | 第81-82页 |
| 3.3 Experiment and Analysis | 第82-94页 |
| 3.4 Summary | 第94-96页 |
| 4. Predicting Visual Attention via Information Divergence | 第96-116页 |
| 4.1 Background | 第96-98页 |
| 4.2 Saliency Detection via Information Divergence | 第98-104页 |
| 4.2.2 Sparse Feature Extraction | 第99-102页 |
| 4.2.3 Information Divergence Computation | 第102-104页 |
| 4.3 Experiment and Analysis | 第104-114页 |
| 4.4 Summary | 第114-116页 |
| 5. Guiding Quality Evaluation by Visual Attention | 第116-128页 |
| 5.1 Background | 第116-117页 |
| 5.2 Saliency-guided Deep Framework for IQA | 第117-123页 |
| 5.2.1 Saliency-guided Image Representation | 第117-120页 |
| 5.2.2 Deep Architecture | 第120-122页 |
| 5.2.3 Quality Pooling | 第122-123页 |
| 5.3 Experiment and Analysis | 第123-126页 |
| 5.4 Summary | 第126-128页 |
| 6. Learning Features for Quality Assessment | 第128-142页 |
| 6.1 Background | 第128-129页 |
| 6.2 Saliency-guided Feature Learning for IQA | 第129-136页 |
| 6.2.1 Saliency-guided Feature Learning | 第130-131页 |
| 6.2.2 Saliency-guided Feature Extraction | 第131-132页 |
| 6.2.3 Deep Architecture | 第132-134页 |
| 6.2.4 Quality Pooling | 第134-136页 |
| 6.3 Experiment and Analysis | 第136-140页 |
| 6.4 Summary | 第140-142页 |
| 7. Conclusions and Future Works | 第142-146页 |
| 7.1 Conclusions | 第142-143页 |
| 7.2 Future Works | 第143-146页 |
| Reference | 第146-160页 |
| Acknowledgement | 第160-162页 |
| 作者简介 | 第162-164页 |
