基于集成学习的图像质量评价
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·研究背景与意义 | 第8-9页 |
| ·研究进展与现状 | 第9-10页 |
| ·论文研究内容与安排 | 第10-12页 |
| 第二章 图像质量评价概述 | 第12-28页 |
| ·引言 | 第12-13页 |
| ·主观图像质量评价 | 第13-15页 |
| ·图像客观质量评价 | 第15-26页 |
| ·传统客观图像质量评价 | 第16-24页 |
| ·基于机器学习的客观图像质量评价 | 第24-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 基于奇异值分解与集成学习的图像质量评价 | 第28-50页 |
| ·引言 | 第28-29页 |
| ·奇异值分解与图像特征 | 第29-31页 |
| ·奇异值分解 | 第29页 |
| ·图像奇异值分解 | 第29-31页 |
| ·图像特征域提取 | 第31-35页 |
| ·图像相位一致性 | 第31-34页 |
| ·图像梯度 | 第34-35页 |
| ·SVM 与集成学习 | 第35-40页 |
| ·支持矢量机 | 第35-37页 |
| ·集成学习 | 第37-40页 |
| ·基于奇异值分解和集成学习的图像质量评价 | 第40-44页 |
| ·视觉特征提取 | 第41-42页 |
| ·失真类型预测 | 第42-43页 |
| ·图像质量预测 | 第43-44页 |
| ·实验结果与分析 | 第44-48页 |
| ·实验所用数据库 | 第44-45页 |
| ·实验结果分析 | 第45-48页 |
| ·本章小结 | 第48-50页 |
| 第四章 基于视觉编码的图像质量评价 | 第50-60页 |
| ·引言 | 第50-51页 |
| ·视觉特征编码 | 第51-53页 |
| ·矢量量化编码 | 第51页 |
| ·稀疏编码 | 第51-52页 |
| ·局部受限线性编码 | 第52页 |
| ·硬编码和软编码 | 第52-53页 |
| ·K-MEANS 聚类 | 第53-54页 |
| ·基于视觉稀疏编码的图像质量评价 | 第54-56页 |
| ·局部特征提取 | 第55页 |
| ·码本构建 | 第55页 |
| ·局部特征编码 | 第55-56页 |
| ·特征合并 | 第56页 |
| ·实验结果与分析 | 第56-59页 |
| ·实验所用数据库 | 第56页 |
| ·实验参数选择 | 第56-57页 |
| ·实验结果分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| ·总结 | 第60-61页 |
| ·展望 | 第61-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 研究成果 | 第68-69页 |
