| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-36页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 图像与视频质量评价的研究现状 | 第13-25页 |
| 1.2.1 主观评价方法 | 第14-15页 |
| 1.2.2 客观评价方法 | 第15-25页 |
| 1.3 验证数据库和验证方法 | 第25-32页 |
| 1.3.1 图像数据库 | 第25-29页 |
| 1.3.2 视频数据库 | 第29-30页 |
| 1.3.3 验证方法 | 第30-32页 |
| 1.4 论文的主要工作和结构安排 | 第32-36页 |
| 第二章 基于特征学习的无参考视频质量评价 | 第36-50页 |
| 2.1 引言 | 第36-37页 |
| 2.2 基于特征学习的无参考视频质量评价方法 | 第37-44页 |
| 2.2.1 帧图像特征提取 | 第37-40页 |
| 2.2.2 帧图像质量评价 | 第40-42页 |
| 2.2.3 符合人类视觉感知的时域平滑与池化 | 第42-44页 |
| 2.3 实验结果与分析 | 第44-49页 |
| 2.3.1 实验设计 | 第44页 |
| 2.3.2 具体实现 | 第44-45页 |
| 2.3.3 实验结果 | 第45-49页 |
| 2.4 本章小结 | 第49-50页 |
| 第三章 基于图像块信息聚合的无参考图像质量评价 | 第50-96页 |
| 3.1 引言 | 第50-51页 |
| 3.2 相关工作 | 第51-54页 |
| 3.2.1 无参考图像质量评价 | 第51-53页 |
| 3.2.2 图像特征聚合 | 第53-54页 |
| 3.3 基于局部特征聚合的无参考图像质量评价方法 | 第54-66页 |
| 3.3.1 LGFA算法 | 第54-61页 |
| 3.3.2 实验结果与分析 | 第61-66页 |
| 3.3.3 LGFA算法小结 | 第66页 |
| 3.4 基于高阶统计信息聚合的无参考图像质量评价方法 | 第66-94页 |
| 3.4.1 HOSA算法 | 第66-74页 |
| 3.4.2 自然图像和混合图像实验 | 第74-88页 |
| 3.4.3 文本图像实验 | 第88-94页 |
| 3.4.4 HOSA算法小结 | 第94页 |
| 3.5 本章小结 | 第94-96页 |
| 第四章 基于图像像素信息聚合的无参考图像质量评价 | 第96-116页 |
| 4.1 引言 | 第96-97页 |
| 4.2 基于图像像素信息聚合的无参考图像质量评价方法 | 第97-108页 |
| 4.2.1 LBP基础知识 | 第97-100页 |
| 4.2.2 灰度图像的统计信息 | 第100-104页 |
| 4.2.3 灰度图像的联合统计信息 | 第104-107页 |
| 4.2.4 彩色图像的统计信息 | 第107-108页 |
| 4.2.5 质量评价模型 | 第108页 |
| 4.3 实验结果与分析 | 第108-115页 |
| 4.3.1 实验设计 | 第108页 |
| 4.3.2 具体实现 | 第108-110页 |
| 4.3.3 实验结果 | 第110-115页 |
| 4.4 本章小结 | 第115-116页 |
| 第五章 基于统计性指标融合的图像质量评价 | 第116-124页 |
| 5.1 引言 | 第116页 |
| 5.2 基于统计性指标融合的图像质量评价方法 | 第116-121页 |
| 5.2.1 图像质量图 | 第117-119页 |
| 5.2.2 统计性指标 | 第119-120页 |
| 5.2.3 指标融合 | 第120-121页 |
| 5.3 实验结果与分析 | 第121-123页 |
| 5.3.1 实验设计 | 第121页 |
| 5.3.2 具体实现 | 第121-122页 |
| 5.3.3 实验结果 | 第122-123页 |
| 5.4 本章小结 | 第123-124页 |
| 第六章 总结与展望 | 第124-128页 |
| 6.1 工作总结 | 第124-125页 |
| 6.2 未来研究展望 | 第125-128页 |
| 附录A 缩略语表 | 第128-130页 |
| 参考文献 | 第130-144页 |
| 致谢 | 第144-146页 |
| 攻读学位期间发表的学术论文目录 | 第146-147页 |