| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号说明 | 第14-15页 |
| 第一章 研究背景介绍 | 第15-25页 |
| 1.1 数字图像质量评价的研究背景 | 第15-16页 |
| 1.2 硬拷贝图像质量评价的研究背景 | 第16-19页 |
| 1.2.1 硬拷贝的输出原理 | 第16-18页 |
| 1.2.2 硬拷贝的噪声特点 | 第18-19页 |
| 1.3 人眼视觉方面的研究背景 | 第19-25页 |
| 1.3.1 人眼的基本构造和视觉过程 | 第19-21页 |
| 1.3.2 人眼的视觉特性 | 第21-25页 |
| 第二章 图像质量评价方式 | 第25-37页 |
| 2.1 主观质量评价方法综述 | 第25-26页 |
| 2.2 富士施乐标准下的硬拷贝主观评测流程 | 第26-28页 |
| 2.2.1 测试环境的选择 | 第26页 |
| 2.2.2 被测样本的选择和标准模板的制作 | 第26-27页 |
| 2.2.3 测试人员的选择 | 第27-28页 |
| 2.2.4 主观测量值的处理和分析 | 第28页 |
| 2.3 客观图像质量评价方法 | 第28-35页 |
| 2.3.1 全参考评价方法的研究 | 第29-32页 |
| 2.3.2 半参考评价方法的研究 | 第32页 |
| 2.3.3 无参考评价方法的研究 | 第32-33页 |
| 2.3.4 传统的硬拷贝评价方法研究 | 第33-35页 |
| 2.4 算法性能的标准 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第三章 基于色块模板的传统硬拷贝算法的改进研究 | 第37-65页 |
| 3.1 实验条件和噪声分类 | 第37-39页 |
| 3.2 噪声的建模和仿真过程 | 第39-46页 |
| 3.2.1 随机噪声的模拟和制造 | 第39-42页 |
| 3.2.2 随机噪声模板与自然图像的叠加过程 | 第42-45页 |
| 3.2.3 构造噪声的仿真及样本空间扩张的验证 | 第45-46页 |
| 3.3 随机噪声的定量测定 | 第46-49页 |
| 3.3.1 斑点噪声的定量测定 | 第46-47页 |
| 3.3.2 粒状性噪声的定量测定 | 第47页 |
| 3.3.3 随机噪声模型的建立 | 第47-49页 |
| 3.4 构造噪声的特点以及测量方法 | 第49-58页 |
| 3.4.1 点状噪声的频谱范围预测和计算 | 第49-51页 |
| 3.4.2 花状噪声的频域范围预测和减法原则 | 第51-57页 |
| 3.4.3 构造噪声的综合预测模型 | 第57-58页 |
| 3.5 联合预测模型的分析和建立 | 第58-64页 |
| 3.5.1 构造噪声引入噪声模型 | 第58-62页 |
| 3.5.2 重叠失真的补偿 | 第62-63页 |
| 3.5.3 建模过程总览和效能评价 | 第63-64页 |
| 3.6 本章小结 | 第64-65页 |
| 第四章 基于自然图像的全参考方法研究 | 第65-88页 |
| 4.1 扫描图片的预处理过程 | 第65-71页 |
| 4.1.1 硬拷贝的色彩变换 | 第66-67页 |
| 4.1.2 硬拷贝的扫描图像规范化 | 第67-71页 |
| 4.2 数字图像质量评价算法的可行性分析 | 第71-75页 |
| 4.3 算法改进 1：分割自然图像 | 第75-81页 |
| 4.3.1 图像边缘信息的提取 | 第77页 |
| 4.3.2 图像的初步分割 | 第77-78页 |
| 4.3.3 图像的分块重组过程 | 第78-81页 |
| 4.4 算法改进 2：亮度补偿和自适应VTF的频率补偿 | 第81-84页 |
| 4.4.1 亮度补偿过程 | 第81-82页 |
| 4.4.2 自适应VTF频率补偿过程 | 第82-84页 |
| 4.5 算法改进 3：基于块的评价算法设计 | 第84-87页 |
| 4.6 本章小结 | 第87-88页 |
| 第五章 总结和展望 | 第88-89页 |
| 5.1 主要工作与创新点 | 第88页 |
| 5.2 后续研究工作 | 第88-89页 |
| 参考文献 | 第89-92页 |
| 附录1 | 第92-95页 |
| 附录2 | 第95-97页 |
| 致谢 | 第97-98页 |
| 攻读硕士学位期间已发表或录用的论文 | 第98页 |