| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 全参考质量评价方法 | 第11-12页 |
| 1.2.2 部分参考质量评价方法 | 第12-14页 |
| 1.2.3 无参考质量评价方法 | 第14页 |
| 1.3 人类视觉系统特性 | 第14-17页 |
| 1.3.1 视觉心理物理学特性 | 第14-15页 |
| 1.3.2 视觉的心理学特性 | 第15-17页 |
| 1.3.3 视觉注意机制 | 第17页 |
| 1.4 图像视觉的美学研究 | 第17-18页 |
| 1.5 论文研究内容和主要结构 | 第18-21页 |
| 第二章 无参考图像质量评价方法的研究 | 第21-37页 |
| 2.1 通用型无参考图像质量评价方法 | 第21-22页 |
| 2.1.1 全局型框架 | 第21页 |
| 2.1.2 两阶段型框架 | 第21-22页 |
| 2.2 基于自然场景统计特性的无参考图像质量评价方法 | 第22-32页 |
| 2.2.1 自然场景统计特性 | 第22-23页 |
| 2.2.2 基于空域自然统计特性的无参考质量评价方法 | 第23-26页 |
| 2.2.3 基于频域和空域的自然统计特性无参考质量评价方法 | 第26-28页 |
| 2.2.4 基于DCT域的自然统计特性无参考质量评价方法 | 第28-30页 |
| 2.2.5 基于小波域自然统计特性的无参考质量评价方法 | 第30-31页 |
| 2.2.6 基于Controurlet域自然统计特性的无参考质量评价方法 | 第31-32页 |
| 2.3 基于颜色空间特征图的无参考真实图像质量评价方法 | 第32-35页 |
| 2.3.1 特征介绍 | 第32-34页 |
| 2.3.2 质量预测的深度学习模型 | 第34-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第三章 基于自然统计和人类审美特性的通用型无参考真实图像质量评价方法 | 第37-51页 |
| 3.1 图像库介绍 | 第37页 |
| 3.2 支持向量机介绍 | 第37-38页 |
| 3.3 通用型无参考真实图像质量评价模型 | 第38-49页 |
| 3.3.1 特征提取 | 第38-43页 |
| 3.3.2 特征优化 | 第43-46页 |
| 3.3.3 特征参数处理方法 | 第46页 |
| 3.3.4 算法仿真与性能比较 | 第46-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第四章 主运动模糊真实失真图像专用模型研究 | 第51-59页 |
| 4.1 背景及图像库介绍 | 第51页 |
| 4.2 模型框架 | 第51-57页 |
| 4.2.1 特征提取 | 第51-55页 |
| 4.2.2 特征参数处理方法 | 第55页 |
| 4.2.3 模型仿真与性能分析 | 第55-57页 |
| 4.3 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
