学习盲图像质量评价方法研究
摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
符号对照表 | 第13-17页 |
缩略语对照表 | 第17-25页 |
第一章 绪论 | 第25-43页 |
1.1 选题背景与意义 | 第25-27页 |
1.2 图像质量评价的研究进展与现状 | 第27-39页 |
1.2.1 图像质量主观评价 | 第27-34页 |
1.2.2 图像质量客观评价 | 第34-39页 |
1.4 本文的主要工作及章节安排 | 第39-43页 |
第二章 基于多核学习的盲图像质量评价 | 第43-73页 |
2.1 引言 | 第43-44页 |
2.2 基于自然场景统计特性的视觉特征提取 | 第44-53页 |
2.2.1 非高斯特性 | 第44-47页 |
2.2.2 局部相关特性 | 第47-49页 |
2.2.3 指数衰减特性 | 第49-53页 |
2.3 基于多核学习的盲图像质量预测方法 | 第53-58页 |
2.3.1 多核学习 | 第53-55页 |
2.3.2 基于全局框架的盲图像质量预测方法 | 第55-56页 |
2.3.3 基于两步框架的盲图像质量预测方法 | 第56-57页 |
2.3.4 算法实现细节 | 第57-58页 |
2.4 实验结果及分析 | 第58-71页 |
2.4.1 一致性实验 | 第60-63页 |
2.4.2 失真分类精度 | 第63-64页 |
2.4.3 数据库独立性实验 | 第64-65页 |
2.4.4 混合失真 | 第65-71页 |
2.5 本章小结 | 第71-73页 |
第三章 基于主动学习的盲图像质量评价 | 第73-85页 |
3.1 引言 | 第73页 |
3.2 主动特征学习框架 | 第73-79页 |
3.2.1 预处理 | 第74-75页 |
3.2.2 主动字典学习框架 | 第75-78页 |
3.2.3 局部特征编码 | 第78-79页 |
3.2.4 局部特征综合 | 第79页 |
3.3 基于支撑向量回归的盲图像质量预测方法 | 第79-80页 |
3.4 实验结果及分析 | 第80-82页 |
3.4.1 数据集 | 第80页 |
3.4.2 有效性实验 | 第80-81页 |
3.4.3 一致性实验 | 第81-82页 |
3.4.4 主动特征学习参数对性能的影响 | 第82页 |
3.5 本章小结 | 第82-85页 |
第四章 基于排序学习的盲图像质量评价 | 第85-119页 |
4.1 引言 | 第85-88页 |
4.2 主观图像质量偏好数据获取 | 第88-89页 |
4.3 基于排序学习的盲图像质量预测方法 | 第89-99页 |
4.3.1 基于自然场景统计特性的图像特征提取 | 第89-96页 |
4.3.2 训练数据集 | 第96页 |
4.3.3 基于MKLGL的偏好学习 | 第96-97页 |
4.3.4 质量分数预测 | 第97-99页 |
4.4 实验结果及分析 | 第99-117页 |
4.4.1 鲁棒性实验 | 第101-106页 |
4.4.2 稳定性实验 | 第106页 |
4.4.3 一致性实验 | 第106-112页 |
4.4.4 独立性实验 | 第112-114页 |
4.4.5 扩展性实验 | 第114-117页 |
4.5 本章小结 | 第117-119页 |
第五章 主观图像质量偏好数据库的建立 | 第119-133页 |
5.1 引言 | 第119页 |
5.2 基于松弛策略的图像质量成对比较方法 | 第119-121页 |
5.3 主观图像质量成对比较实验 | 第121-125页 |
5.3.1 测试环境 | 第121-122页 |
5.3.2 测试材料 | 第122-123页 |
5.3.3 观测者的选择和训练 | 第123页 |
5.3.4 主观实验过程 | 第123-124页 |
5.3.5 实验数据的收集和处理 | 第124-125页 |
5.4 实验结果及分析 | 第125-130页 |
5.4.1 合理性实验 | 第125-128页 |
5.4.2 有效性实验 | 第128-130页 |
5.5 本章小结 | 第130-133页 |
第六章 总结和展望 | 第133-137页 |
6.1 研究结论 | 第133-134页 |
6.2 研究展望 | 第134-137页 |
参考文献 | 第137-147页 |
致谢 | 第147-151页 |
作者简介 | 第151-153页 |
1. 基本情况 | 第151页 |
2. 教育背景 | 第151页 |
3. 攻读博士学位期间的研究成果 | 第151-153页 |