| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 图像质量评价方法的国内外研究现状 | 第9-12页 |
| 1.2.1 主观评价方法 | 第9-10页 |
| 1.2.2 客观评价方法 | 第10-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文组织结构 | 第13-14页 |
| 2 模糊图像无参考质量评价方法概述 | 第14-21页 |
| 2.1 图像模糊类别 | 第14-15页 |
| 2.2 模糊图像无参考质量评价方法及分析 | 第15-18页 |
| 2.2.1 基于边缘的模糊图像无参考质量评价方法 | 第15-16页 |
| 2.2.2 基于构造模糊副本的模糊图像无参考质量评价方法 | 第16-17页 |
| 2.2.3 基于机器学习的无参考模糊图像质量评价方法 | 第17-18页 |
| 2.3 图像客观质量评价方法的性能指标 | 第18-19页 |
| 2.4 图像数据库 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 图像描述及特征提取 | 第21-29页 |
| 3.1 图像描述模型 | 第21页 |
| 3.2 结构特征 | 第21-23页 |
| 3.3 纹理特征 | 第23-26页 |
| 3.3.1 LBP纹理描述 | 第23-24页 |
| 3.3.2 Tamura纹理特征分析 | 第24-26页 |
| 3.4 边缘特征 | 第26-28页 |
| 3.5 本章小结 | 第28-29页 |
| 4 基于区域划分的模糊图像无参考质量评价方法 | 第29-40页 |
| 4.1 图像区域划分方法 | 第29-33页 |
| 4.1.1 三区域划分方法 | 第29-31页 |
| 4.1.2 四区域划分方法 | 第31-33页 |
| 4.2 支持向量回归模型 | 第33-34页 |
| 4.3 实验及结果分析 | 第34-39页 |
| 4.3.1 实验步骤 | 第35页 |
| 4.3.2 实验参数确定 | 第35-37页 |
| 4.3.3 实验结果分析 | 第37-39页 |
| 4.4 本章小结 | 第39-40页 |
| 5 改进的模糊图像无参考质量评价方法 | 第40-52页 |
| 5.1 改进的模糊图像无参考质量评价方法 | 第40-41页 |
| 5.1.1 改进算法思想 | 第40-41页 |
| 5.1.2 改进算法流程 | 第41页 |
| 5.2 纹理区域获取 | 第41-43页 |
| 5.3 特征相似度计算 | 第43-44页 |
| 5.3.1 纹理相似度 | 第43页 |
| 5.3.2 结构相似度 | 第43页 |
| 5.3.3 边缘相似度 | 第43-44页 |
| 5.4 实验及结果分析 | 第44-51页 |
| 5.4.1 实验步骤 | 第44页 |
| 5.4.2 实验参数确定 | 第44-45页 |
| 5.4.3 实验结果分析 | 第45-51页 |
| 5.5 本章小结 | 第51-52页 |
| 6 总结与展望 | 第52-54页 |
| 6.1 工作总结 | 第52页 |
| 6.2 未来展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58页 |