| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4页 |
| 1 绪论 | 第7-15页 |
| 1.1 研究背景及意义 | 第7-8页 |
| 1.2 研究现状 | 第8-13页 |
| 1.2.1 图像质量主观评价方法研究现状 | 第8-9页 |
| 1.2.2 图像质量客观评价方法研究现状 | 第9-11页 |
| 1.2.3 人脸图像质量评价方法研究现状 | 第11-13页 |
| 1.3 本文研究的主要内容及工作 | 第13页 |
| 1.4 本文的组织安排 | 第13-15页 |
| 2 主流的图像质量评价方法及人脸识别算法 | 第15-22页 |
| 2.1 引言 | 第15页 |
| 2.2 图像客观质量评价算法 | 第15-18页 |
| 2.2.1 全参考图像质量评价（FR） | 第15-17页 |
| 2.2.2 无参考图像质量评价（NR） | 第17-18页 |
| 2.3 人脸识别算法 | 第18-21页 |
| 2.3.1 Fisherface方法 | 第18-19页 |
| 2.3.2 LBP方法 | 第19-20页 |
| 2.3.3 基于Gabor特征的AdaGabor方法 | 第20-21页 |
| 2.4 小结 | 第21-22页 |
| 3 基于分类性能的人脸图像质量评价方法 | 第22-39页 |
| 3.1 引言 | 第22页 |
| 3.2 人脸图像质量问题 | 第22-24页 |
| 3.3 基于人脸识别的图像质量评价方法 | 第24-31页 |
| 3.3.1 总体框架 | 第24-25页 |
| 3.3.2 离焦模糊的建模 | 第25-26页 |
| 3.3.3 运动模糊的建模 | 第26-27页 |
| 3.3.4 动态范围的建模 | 第27-28页 |
| 3.3.5 加性噪声的建模 | 第28-29页 |
| 3.3.6 光照变化的建模 | 第29-30页 |
| 3.3.7 姿态变化的建模 | 第30-31页 |
| 3.4 不同降质类型人脸图像分类性能实验结果 | 第31-34页 |
| 3.5 人脸图像质量评价数据库构建 | 第34-35页 |
| 3.6 传统质量评价方法在本文数据库上的性能验证 | 第35-36页 |
| 3.6.1 性能评价指标 | 第35页 |
| 3.6.2 实验结果 | 第35-36页 |
| 3.7 综合性能分析 | 第36-37页 |
| 3.8 小结 | 第37-39页 |
| 4 基于统计特征的无参考人脸图像质量评价方法 | 第39-48页 |
| 4.1 引言 | 第39页 |
| 4.2 基于统计特征的无参考人脸图像质量评价方法 | 第39-44页 |
| 4.2.1 DIIVINE方法的特征提取 | 第41-42页 |
| 4.2.2 针对人脸图像质量评价的特征提取 | 第42-43页 |
| 4.2.3 特征选择与特征加权 | 第43-44页 |
| 4.2.4 分类与回归模型 | 第44页 |
| 4.3 实验及结果 | 第44-47页 |
| 4.3.1 特征抽取、特征选择和特征加权方法的实验结果 | 第45-46页 |
| 4.3.2 基于人脸图像分类性能的图像质量评价方法的实验结果 | 第46-47页 |
| 4.4 小结 | 第47-48页 |
| 5 FACE-IQA方法的验证 | 第48-52页 |
| 5.1 引言 | 第48页 |
| 5.2 实验步骤 | 第48-49页 |
| 5.3 实验结果及分析 | 第49-52页 |
| 6 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 下一步工作 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59页 |
| A. 作者在攻读学位期间发表的论文目录 | 第59页 |
| B. 作者在攻读硕士学位期间参与的科研项目 | 第59页 |
