| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 课题研究背景与意义 | 第8-9页 |
| 1.2 课题研究现状 | 第9-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第二章 课题相关研究概述 | 第16-27页 |
| 2.1 视觉显著性研究 | 第16-17页 |
| 2.2 全参考图像质量评估研究 | 第17-19页 |
| 2.2.1 二维图像全参考图像质量评估 | 第17-18页 |
| 2.2.2 三维图像全参考图像质量评估 | 第18-19页 |
| 2.3 图像质量评估数据集 | 第19-24页 |
| 2.3.1 LIVE2005数据集 | 第19-21页 |
| 2.3.2 TID2008数据集 | 第21-22页 |
| 2.3.3 TID2013数据集 | 第22-23页 |
| 2.3.4 LIVE 3D PHASE Ⅱ | 第23-24页 |
| 2.4 性能评估方法 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 融合显著性检测的二维图像质量评估算法 | 第27-36页 |
| 3.1 前言 | 第27页 |
| 3.2 TID2013S图像数据集 | 第27-29页 |
| 3.3 算法框架 | 第29-30页 |
| 3.4 实验 | 第30-35页 |
| 3.4.1 融合显著性标准图的实验 | 第30-33页 |
| 3.4.2 融合显著图的实验 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于成对偏好特征机器学习和排名的二维图像质量评估算法 | 第36-52页 |
| 4.1 前言 | 第36-37页 |
| 4.2 机器学习和排名方法 | 第37-38页 |
| 4.3 算法框架 | 第38-43页 |
| 4.3.1 图像特征提取 | 第39-41页 |
| 4.3.2 成对偏好特征模型 | 第41-42页 |
| 4.3.3 图像质量预测 | 第42-43页 |
| 4.4 实验 | 第43-51页 |
| 4.4.1 不同图像对比数量实验 | 第43-45页 |
| 4.4.2 与其他指标的比较实验 | 第45-48页 |
| 4.4.3 单失真类型实验 | 第48-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 融合深度信息的三维图像质量评估算法 | 第52-58页 |
| 5.1 前言 | 第52-53页 |
| 5.2 算法框架 | 第53-56页 |
| 5.2.1 三维图像特征提取 | 第54-56页 |
| 5.2.2 偏好特征组合和质量预测 | 第56页 |
| 5.3 实验 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 总结与展望 | 第58-60页 |
| 论文工作总结 | 第58-59页 |
| 未来工作展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-67页 |
| 个人简历 | 第67-68页 |
| 在学期间的研究成果及发表的学术论文 | 第68页 |