基于统计学习的一种立体图像质量客观评价方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文主要研究内容 | 第12页 |
| 1.4 论文的结构安排 | 第12-14页 |
| 第二章 人眼视觉系统和主观质量评价介绍 | 第14-20页 |
| 2.1 人眼结构 | 第14-16页 |
| 2.2 视觉特性 | 第16-17页 |
| 2.3 人眼立体视觉 | 第17-18页 |
| 2.4 主观质量评价概述 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 理论知识介绍 | 第20-50页 |
| 3.1 主成分分析 | 第20-26页 |
| 3.1.1 PCA 基本原理 | 第20-22页 |
| 3.1.2 PCA 的数学实现过程 | 第22-25页 |
| 3.1.3 PCA 的性质 | 第25-26页 |
| 3.2 独立成分分析 | 第26-34页 |
| 3.2.1 ICA 的数学模型 | 第26-27页 |
| 3.2.2 ICA 的独立性度量标准 | 第27-29页 |
| 3.2.3 ICA 的预处理 | 第29-30页 |
| 3.2.4 FastICA 的算法介绍 | 第30-32页 |
| 3.2.5 ICA 算法的两种运算结构 | 第32-34页 |
| 3.3 神经网络方法简介 | 第34-44页 |
| 3.3.1 人工神经网络方法 | 第34-35页 |
| 3.3.2 基本 SVM | 第35-40页 |
| 3.3.3 多分类 SVM | 第40-42页 |
| 3.3.4 libsvm 的使用介绍 | 第42-44页 |
| 3.4 PCA 和 ICA 在人脸库上的应用 | 第44-46页 |
| 3.4.1 常用的人脸库 | 第44页 |
| 3.4.2 常见的分类函数 | 第44-45页 |
| 3.4.3 实验结果和比较 | 第45-46页 |
| 3.5 PCA 和 SVM 在人眼注视中的应用 | 第46-49页 |
| 3.5.1 实验数据 | 第46-47页 |
| 3.5.2 利用 SVM 进行识别 | 第47-48页 |
| 3.5.3 实验结果与分析 | 第48-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 实验过程和结果分析 | 第50-58页 |
| 4.1 实验的整体构架 | 第50-51页 |
| 4.2 实验数据 | 第51-52页 |
| 4.3 实验步骤 | 第52-54页 |
| 4.3.1 提取立体图像特征空间 | 第52-53页 |
| 4.3.2 SVM 网络的训练和测试 | 第53-54页 |
| 4.4 实验及结果分析 | 第54-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结和展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 发表论文和参加科研情况说明 | 第63-64页 |
| 致谢 | 第64页 |
