| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 全参考图像质量评价方法 | 第10-11页 |
| 1.2.2 部分参考图像质量评价方法 | 第11-12页 |
| 1.2.3 无参考图像质量评价方法 | 第12-14页 |
| 1.2.4 图像质量评价方法应用的难点 | 第14-15页 |
| 1.3 本文研究内容 | 第15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第二章 相关理论基础 | 第17-26页 |
| 2.1 数据库 | 第17-19页 |
| 2.2 评价指标 | 第19-21页 |
| 2.3 图像质量评价的深度学习模型 | 第21-25页 |
| 2.3.1 预处理 | 第21-22页 |
| 2.3.2 深度学习模型 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于CNN和视觉显著性的无参考图像质量评价 | 第26-39页 |
| 3.1 基于CNN的局部图像质量评价 | 第26-31页 |
| 3.1.1 HSV颜色空间 | 第26-27页 |
| 3.1.2 Inception结构 | 第27-28页 |
| 3.1.3 CNN模型 | 第28-30页 |
| 3.1.4 局部图像质量评价 | 第30-31页 |
| 3.2 基于视觉显著性的全局图像质量评价 | 第31-33页 |
| 3.2.1 视觉显著性 | 第31-32页 |
| 3.2.2 全局图像质量评价 | 第32-33页 |
| 3.3 实验结果及分析 | 第33-38页 |
| 3.3.1 有效性实验 | 第33-34页 |
| 3.3.2 稳定性实验 | 第34-35页 |
| 3.3.3 独立性实验 | 第35页 |
| 3.3.4 采样参数对性能的影响 | 第35-37页 |
| 3.3.5 混合失真图像质量评价 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于无参考图像质量评价的去噪算法的参数选择 | 第39-53页 |
| 4.1 基于无参考图像质量评价的图像去噪算法参数选择 | 第40-46页 |
| 4.1.1 无参考图像质量评价方法 | 第40页 |
| 4.1.2 图像去噪算法 | 第40-43页 |
| 4.1.3 参数选择框架 | 第43-46页 |
| 4.2 实验结果及分析 | 第46-52页 |
| 4.2.1 无参考图像质量评价算法性能 | 第46-47页 |
| 4.2.2 图像去噪算法的参数选择 | 第47-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 本文工作总结 | 第53页 |
| 5.2 未来展望 | 第53-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 附录 | 第62-63页 |
| 详细摘要 | 第63-65页 |
