| 论文创新点 | 第5-9页 |
| 摘要 | 第9-11页 |
| ABSTRACT | 第11-13页 |
| 1 绪论 | 第14-26页 |
| 1.1 研究背景和意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-24页 |
| 1.2.1 主观图像质量评价 | 第15-17页 |
| 1.2.2 客观图像质量评价 | 第17-24页 |
| 1.3 本文的内容安排 | 第24-26页 |
| 2 图像质量评价基础 | 第26-44页 |
| 2.1 人眼视觉系统 | 第26-35页 |
| 2.1.1 多通道效应 | 第26-32页 |
| 2.1.2 视觉注意机制 | 第32-34页 |
| 2.1.3 视觉对比敏感度 | 第34-35页 |
| 2.2 图像质量评价数据库 | 第35-37页 |
| 2.3 常见图像失真类型 | 第37-40页 |
| 2.4 算法性能衡量准则 | 第40-42页 |
| 2.4.1 性能指标评价 | 第40-41页 |
| 2.4.2 gMAD竞争排名 | 第41-42页 |
| 2.5 本章小结 | 第42-44页 |
| 3 人眼视觉感知的全参考图像质量评价算法 | 第44-72页 |
| 3.1 基于视觉显著性的梯度相似度图像质量评价 | 第44-57页 |
| 3.1.1 引言 | 第44-46页 |
| 3.1.2 基于视觉显著性的梯度相似度图像质量评价算法 | 第46-50页 |
| 3.1.3 实验验证及分析 | 第50-57页 |
| 3.2 基于特征相似度的全参考图像质量评价 | 第57-70页 |
| 3.2.1 引言 | 第57-59页 |
| 3.2.2 基于特征相似度的全参考图像质量评价算法 | 第59-65页 |
| 3.2.3 实验验证及分析 | 第65-70页 |
| 3.3 本章小结 | 第70-72页 |
| 4 无参考图像质量评价算法 | 第72-102页 |
| 4.1 基于Riesz变换和二维本征模态分解的无参考噪声图像质量评价 | 第72-87页 |
| 4.1.1 引言 | 第72-73页 |
| 4.1.2 基于Riesz变换和二维本征模态分解的无参考噪声图像质量评价算法 | 第73-82页 |
| 4.1.3 实验验证及分析 | 第82-87页 |
| 4.2 基于图像熵的无参考图像质量评价 | 第87-100页 |
| 4.2.1 引言 | 第88-89页 |
| 4.2.2 基于图像熵的无参考图像质量评价算法 | 第89-92页 |
| 4.2.3 实验验证及分析 | 第92-100页 |
| 4.3 本章小结 | 第100-102页 |
| 5 图像质量评价引导的深度学习去噪算法 | 第102-118页 |
| 5.1 引言 | 第102-104页 |
| 5.2 图像质量评价引导的深度学习去噪算法 | 第104-108页 |
| 5.2.1 算法框图 | 第104-105页 |
| 5.2.2 去噪网络 | 第105-106页 |
| 5.2.3 图像质量评价网络 | 第106-107页 |
| 5.2.4 损失函数 | 第107-108页 |
| 5.3 实验验证及分析 | 第108-116页 |
| 5.3.1 网络训练 | 第108-112页 |
| 5.3.2 模型参数选择 | 第112-114页 |
| 5.3.3 算法对比实验 | 第114-116页 |
| 5.4 本章小结 | 第116-118页 |
| 6 总结与展望 | 第118-122页 |
| 6.1 总结 | 第118-119页 |
| 6.2 展望 | 第119-122页 |
| 参考文献 | 第122-142页 |
| 攻博期间发表的科研成果目录 | 第142-144页 |
| 致谢 | 第144-145页 |
