| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-23页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-22页 |
| 1.2.1 全参考质量评价算法 | 第11-17页 |
| 1.2.1.1 MSE/PSNR算法 | 第11页 |
| 1.2.1.2 基于HVS的算法 | 第11-14页 |
| 1.2.1.3 基于结构相似度的SSIM算法 | 第14-16页 |
| 1.2.1.4 基于信息论提出的信息保真度算法 | 第16-17页 |
| 1.2.2 半参考质量评价算法 | 第17-18页 |
| 1.2.2.1 基于原始图像特征的方法 | 第17-18页 |
| 1.2.2.2 基于数字水印的方法 | 第18页 |
| 1.2.2.3 基于Wavelet域特征的方法 | 第18页 |
| 1.2.3 无参考质量评价算法 | 第18-22页 |
| 1.2.3.1 基于自然场景统计特性的方法 | 第19-20页 |
| 1.2.3.2 基于机器学习训练的方法 | 第20-22页 |
| 1.3 论文研究内容及章节安排 | 第22-23页 |
| 第二章 通用型无参考图像质量评价算法的研究 | 第23-43页 |
| 2.1 引言 | 第23页 |
| 2.2 自然场景的统计特性 | 第23-25页 |
| 2.2.1 自相似性 | 第24页 |
| 2.2.2 非高斯性 | 第24页 |
| 2.2.3 边缘主导性 | 第24-25页 |
| 2.2.4 高维奇异性 | 第25页 |
| 2.3 自然场景统计特征的提取 | 第25-39页 |
| 2.3.1 基于小波系数的对数域均值的自然图像特征 | 第25-32页 |
| 2.3.2 基于小波系数的尺度、方向及子带间的相关性的自然图像特征 | 第32-33页 |
| 2.3.3 基于小波域的隐马尔科夫树模型的自然场景特性 | 第33-34页 |
| 2.3.4 基于Curvelet系数的自然场景统计特征 | 第34-36页 |
| 2.3.5 基于Contourlet系数的自然场景统计特征 | 第36-39页 |
| 2.4 多尺度几何分析 | 第39-43页 |
| 第三章 Contourlet域的自然场景统计特性 | 第43-51页 |
| 3.1 Contourlet变换理论基础 | 第43-44页 |
| 3.2 Contourlet域提取的特征 | 第44-51页 |
| 3.2.1 Contourlet域对数幅值分布特征 | 第44-46页 |
| 3.2.2 Contourlet域方向能量分布特征 | 第46-48页 |
| 3.2.3 Contourlet域纹理区域结构特征 | 第48-51页 |
| 第四章 通用型无参考的图像质量评价算法及性能分析 | 第51-62页 |
| 4.1 引言 | 第51-52页 |
| 4.2 基于MVG模型的全局框架实现的图像质量评价算法 | 第52-57页 |
| 4.2.1 算法框架及流程 | 第52-53页 |
| 4.2.2 算法性能比较及分析 | 第53-55页 |
| 4.2.3 参数选取及影响 | 第55-57页 |
| 4.3 基于两阶段框架实现的图像质量评价算法 | 第57-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 全文总结 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表论文目录 | 第68页 |
