| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第14-22页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.3 论文结构安排 | 第20-21页 |
| 1.4 本章小结 | 第21-22页 |
| 2 统计学理论和支持向量机 | 第22-34页 |
| 2.1 机器学习问题 | 第22-23页 |
| 2.2 统计学习理论 | 第23-25页 |
| 2.3 支持向量机 | 第25-30页 |
| 2.4 支持向量回归机 | 第30-32页 |
| 2.5 本章小结 | 第32-34页 |
| 3 色度在评价润饰图像时对传统图像质量评价算法的修正 | 第34-45页 |
| 3.1 色度相似性 | 第35-39页 |
| 3.2 传统图像质量评价算法 | 第39-40页 |
| 3.3 色度修正算法 | 第40页 |
| 3.4 实验结果 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 4 基于支持向量机特征训练的润饰图像质量评价 | 第45-53页 |
| 4.1 结构相似性 | 第45-48页 |
| 4.2 支持向量机的模型预测过程 | 第48页 |
| 4.3 质量评价方法 | 第48-49页 |
| 4.4 实验结果 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 5 总结与工作展望 | 第53-55页 |
| 5.1 研究工作总结 | 第53页 |
| 5.2 工作展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 作者简历 | 第60-62页 |
| 学位论文数据集 | 第62页 |