| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 研究历史与现状 | 第14-18页 |
| 1.2.1 图像压缩编码 | 第14-16页 |
| 1.2.2 图像质量评价 | 第16-18页 |
| 1.3 论文内容与章节安排 | 第18-21页 |
| 第二章 基于显著性分析的语义图像编码 | 第21-39页 |
| 2.1 移动视觉检索中的图像编码 | 第21-23页 |
| 2.2 基于语义的图像编码方案 | 第23-28页 |
| 2.2.1 整体编码框架 | 第23-25页 |
| 2.2.2 显著性检测 | 第25-26页 |
| 2.2.3 显著区域分割 | 第26-27页 |
| 2.2.4 基于显著区域的ROI编码 | 第27-28页 |
| 2.3 实验与讨论 | 第28-36页 |
| 2.3.1 应用场景：移动视觉检索 | 第29-34页 |
| 2.3.2 拓展应用：基于云的车牌识别 | 第34-36页 |
| 2.4 本章小结 | 第36-39页 |
| 第三章 利用图像语义信息的无参考图像质量评价 | 第39-57页 |
| 3.1 无参考图像质量评价方法概述 | 第40-42页 |
| 3.2 人类视觉机制特性 | 第42-44页 |
| 3.3 利用图像语义信息的无参考图像质量评价方法整体框架 | 第44-45页 |
| 3.4 基于深度卷积神经网络的全局内容感知 | 第45-48页 |
| 3.4.1 卷积神经网络概述 | 第45-47页 |
| 3.4.2 深度卷积神经网络提取高层语义特征 | 第47-48页 |
| 3.5 基于人类视觉特性的局部内容感知 | 第48-51页 |
| 3.5.1 图像视觉显著区域选择 | 第48-49页 |
| 3.5.2 Gabor滤波特征提取 | 第49-51页 |
| 3.6 特征融合与回归学习 | 第51页 |
| 3.7 实验与讨论 | 第51-55页 |
| 3.7.1 LIVE数据集上的实验结果与分析 | 第51-53页 |
| 3.7.2 TID2008数据集上的实验结果与分析 | 第53-55页 |
| 3.8 本章小结 | 第55-57页 |
| 第四章 总结与展望 | 第57-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 在读期间发表的学术论文与取得的研究成果 | 第67页 |