| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第16-26页 |
| 1.1 研究背景及意义 | 第16-19页 |
| 1.2 图像质量评价研究现状 | 第19-23页 |
| 1.2.1 主观图像质量评价 | 第19页 |
| 1.2.2 客观图像质量评价 | 第19-23页 |
| 1.3 本文的研究内容与贡献 | 第23-25页 |
| 1.3.1 基于图像分解的结构相似度模型 | 第23-24页 |
| 1.3.2 基于全局统计和局部结构信息的全参图像质量评价算法 | 第24页 |
| 1.3.3 基于扩散速度的结构相似度算法 | 第24页 |
| 1.3.4 基于图像质量优化显著性结构区域的QR码美化算法 | 第24-25页 |
| 1.4 论文的组织结构 | 第25-26页 |
| 第2章 基于感知的图像质量评价基础 | 第26-35页 |
| 2.1 基于感知的图像质量评价模型介绍 | 第26-27页 |
| 2.2 人类视觉系统的基本组织结构 | 第27-30页 |
| 2.2.1 人眼结构 | 第27-28页 |
| 2.2.2 视觉通路 | 第28-30页 |
| 2.3 人类视觉系统的心理物理学基础 | 第30-32页 |
| 2.3.1 对比敏感度函数 | 第30页 |
| 2.3.2 视觉掩蔽效应 | 第30-31页 |
| 2.3.3 多通道模型 | 第31页 |
| 2.3.4 增益控制 | 第31-32页 |
| 2.4 视觉特征 | 第32-34页 |
| 2.4.1 纹理 | 第32页 |
| 2.4.2 形状 | 第32-33页 |
| 2.4.3 显著性区域 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于图像分解模型的结构相似度图像质量评价 | 第35-53页 |
| 3.1 概述 | 第35-37页 |
| 3.2 基于图像分解的结构相似度模型 | 第37-42页 |
| 3.2.1 研究动机 | 第37-39页 |
| 3.2.2 算法框架 | 第39页 |
| 3.2.3 基于TV-flow的图像分解模型 | 第39-40页 |
| 3.2.4 基于图像分解的结构相似度模型 | 第40-42页 |
| 3.2.5 扩展的色彩图像质量评价 | 第42页 |
| 3.3 实验结果和分析 | 第42-52页 |
| 3.3.1 数据库和评价标准 | 第42-44页 |
| 3.3.2 算法参数确定 | 第44-45页 |
| 3.3.3 性能评估 | 第45-48页 |
| 3.3.4 统计显著性分析 | 第48-49页 |
| 3.3.5 失真类型性能比较 | 第49-50页 |
| 3.3.6 算法复杂度比较 | 第50-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第4章 基于全局统计和局部结构特征的质量评价 | 第53-69页 |
| 4.1 引言 | 第53-55页 |
| 4.2 基于全局统计特征和局部特征相似度的图像质量评价模型 | 第55-60页 |
| 4.2.1 全局统计特征相似度 | 第55-58页 |
| 4.2.2 基于主要结构的局部结构相似度模型 | 第58页 |
| 4.2.3 梯度和色彩相似度 | 第58-59页 |
| 4.2.4 基于主要结构的融合策略 | 第59-60页 |
| 4.3 实验和分析 | 第60-68页 |
| 4.3.1 实验数据集和评价方法 | 第61页 |
| 4.3.2 参数确定 | 第61页 |
| 4.3.3 整体性能测试 | 第61-63页 |
| 4.3.4 失真类型性能评价 | 第63-65页 |
| 4.3.5 全局统计相似度验证 | 第65-66页 |
| 4.3.6 统计显著性 | 第66-67页 |
| 4.3.7 算法运行效率分析 | 第67-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第5章 基于扩散速度结构的图像质量评价方法 | 第69-83页 |
| 5.1 引言 | 第69-71页 |
| 5.1.1 相关研究背景 | 第69-70页 |
| 5.1.2 研究动机 | 第70-71页 |
| 5.2 基于扩散速度的图像质量评价 | 第71-75页 |
| 5.2.1 图像扩散速度 | 第72-73页 |
| 5.2.2 梯度特征 | 第73-74页 |
| 5.2.3 扩散速度相似度（DSSIM） | 第74-75页 |
| 5.3 实验和分析 | 第75-81页 |
| 5.3.1 实验设置 | 第75-76页 |
| 5.3.2 整体性能测试 | 第76-78页 |
| 5.3.3 失真类型性能评价 | 第78-80页 |
| 5.3.4 统计显著性 | 第80-81页 |
| 5.3.5 算法时间复杂度 | 第81页 |
| 5.4 本章小结 | 第81-83页 |
| 第6章 图像质量评价在QR码美化算法中的应用 | 第83-97页 |
| 6.1 引言 | 第83-85页 |
| 6.2 标准QR码简介 | 第85页 |
| 6.3 基于显著性加权随机优化的QR美化方法 | 第85-91页 |
| 6.3.1 图像显著性区域检测及半色调处理 | 第86-88页 |
| 6.3.2 统计码字的值及权重 | 第88-89页 |
| 6.3.3 基于图像质量的优化方法 | 第89-91页 |
| 6.3.4 模块灰度调整及色彩渲染 | 第91页 |
| 6.4 实验与分析 | 第91-96页 |
| 6.4.1 性能检测实验 | 第92-93页 |
| 6.4.2 解码实验 | 第93-95页 |
| 6.4.3 算法计算时间实验 | 第95-96页 |
| 6.5 本章小结 | 第96-97页 |
| 总结与展望 | 第97-100页 |
| 参考文献 | 第100-109页 |
| 致谢 | 第109-110页 |
| 附录A 攻读学位期间所发表的学术论文 | 第110-111页 |
| 附录B 攻读博士学位期间主要参与的课题 | 第111-112页 |
| 附录C 申请专利 | 第112页 |
