| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究背景与意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.4 论文结构 | 第12-13页 |
| 第二章 颜色校正、图像显示适应和图像质量评估方法 | 第13-20页 |
| 2.1 颜色校正算法 | 第13-15页 |
| 2.1.1 参数化校正算法 | 第13-14页 |
| 2.1.2 非参数化校正算法 | 第14-15页 |
| 2.1.3 校正算法对比分析 | 第15页 |
| 2.2 图像显示适应算法与评估方法 | 第15-17页 |
| 2.2.1 图像显示适应算法 | 第15-16页 |
| 2.2.2 图像显示适应评估方法 | 第16-17页 |
| 2.3 图像质量评估方法 | 第17-19页 |
| 2.3.1 基于像素差的评估方法 | 第17-18页 |
| 2.3.2 基于HVS的评估方法 | 第18-19页 |
| 2.4 本章总结 | 第19-20页 |
| 第三章 颜色校正评估数据集的建立 | 第20-27页 |
| 3.1 引言 | 第20页 |
| 3.2 原始图像对的获取 | 第20-22页 |
| 3.3 目标图像的创建 | 第22-23页 |
| 3.4 颜色校正结果图像的生成 | 第23-24页 |
| 3.5 主观实验 | 第24-26页 |
| 3.5.1 设计 | 第24-25页 |
| 3.5.2 参与者 | 第25页 |
| 3.5.3 实验环境 | 第25-26页 |
| 3.5.4 评估过程 | 第26页 |
| 3.6 本章小结 | 第26-27页 |
| 第四章 与主观感知相一致的颜色校正评估方法 | 第27-43页 |
| 4.1 引言 | 第27-28页 |
| 4.2 与主观感知相一致的颜色校正评估方法 | 第28-35页 |
| 4.2.1 算法设计 | 第28-29页 |
| 4.2.2 匹配图像 | 第29-30页 |
| 4.2.3 颜色对比度相似性评估 | 第30-32页 |
| 4.2.4 基于全局均值的颜色差值评估 | 第32-33页 |
| 4.2.5 基于区域最大差值的评估 | 第33-35页 |
| 4.2.6 融合评估 | 第35页 |
| 4.3 实验分析 | 第35-42页 |
| 4.3.1 直接使用参考图像进行评估 | 第37-38页 |
| 4.3.2 使用匹配图像进行评估 | 第38-40页 |
| 4.3.3 使用理想图像进行评估 | 第40页 |
| 4.3.4 在数据集CCID2014,CID2013,TID2013和CSIQ上评估 | 第40-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 基于机器学习的颜色校正评估方法 | 第43-56页 |
| 5.1 引言 | 第43页 |
| 5.2 基于机器学习的颜色校正评估方法 | 第43-47页 |
| 5.2.1 算法设计 | 第43-44页 |
| 5.2.2 基于图像配准的FR-IQA特征的提取 | 第44-46页 |
| 5.2.3 IRQA特征的提取 | 第46-47页 |
| 5.2.4 机器学习算法 | 第47页 |
| 5.3 实验分析 | 第47-55页 |
| 5.3.1 基于图像配准的FR-IQA特征集的评估 | 第48-49页 |
| 5.3.2 基于IRQA特征集的评估 | 第49-51页 |
| 5.3.3 综合FR-IQA和IRQA特征集的评估 | 第51-53页 |
| 5.3.4 TID2013数据集上的评估 | 第53-54页 |
| 5.3.5 时间性能评估 | 第54-55页 |
| 5.3.6 结论 | 第55页 |
| 5.4 本章小结 | 第55-56页 |
| 第六章 智能颜色校正算法 | 第56-64页 |
| 6.1 引言 | 第56-57页 |
| 6.2 颜色校正算法最优参数自动选取 | 第57-60页 |
| 6.3 颜色校正结果自适应融合算法 | 第60-63页 |
| 6.3.1 融合权重图求解过程 | 第60-61页 |
| 6.3.2 融合过程 | 第61页 |
| 6.3.3 实验分析 | 第61-63页 |
| 6.4 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-70页 |
| 在学期间的研究成果及发表的学术论文 | 第70页 |
