基于内容稀疏表示的无参考立体图像质量评价
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第9-15页 |
| 1.1 选题背景及研究意义 | 第9-10页 |
| 1.2 国内外研究现状及存在的问题 | 第10-13页 |
| 1.2.1 国内外的研究现状 | 第10-12页 |
| 1.2.2 立体图像质量评价领域存在的问题 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 2 视觉系统及基础知识简述 | 第15-22页 |
| 2.1 人类视觉系统 | 第15-16页 |
| 2.1.1 亮度及对比敏感度 | 第15-16页 |
| 2.1.2 视觉掩盖特性 | 第16页 |
| 2.1.3 视觉注意机制 | 第16页 |
| 2.2 双目视觉特性 | 第16-18页 |
| 2.2.1 视觉舒适度特性 | 第17页 |
| 2.2.2 双目融合及抑制特性 | 第17-18页 |
| 2.3 立体图像基础 | 第18-19页 |
| 2.3.1 数字平面图像概述 | 第18页 |
| 2.3.2 数字立体图像概述 | 第18-19页 |
| 2.4 立体图像数据库及算法性能指标 | 第19-21页 |
| 2.4.1 数据库 | 第19-20页 |
| 2.4.2 性能指标 | 第20-21页 |
| 2.5 本章小结 | 第21-22页 |
| 3 基于自编码器的过完备字典设计 | 第22-33页 |
| 3.1 冗余字典构造 | 第22-23页 |
| 3.2 压缩感知 | 第23-24页 |
| 3.3 重构方法 | 第24-26页 |
| 3.3.1 凸松弛算法 | 第24页 |
| 3.3.2 贪婪算法 | 第24-25页 |
| 3.3.3 基于自然计算的优化算法 | 第25-26页 |
| 3.4 基于脊波框架下冗余字典构造 | 第26-27页 |
| 3.4.1 脊波理论 | 第26页 |
| 3.4.2 脊波冗余字典框架模型 | 第26-27页 |
| 3.5 基于自编码器的过完备字典构造 | 第27-30页 |
| 3.5.1 自编码器简述 | 第27-29页 |
| 3.5.2 过完备字典构造 | 第29-30页 |
| 3.6 仿真实验与分析 | 第30-32页 |
| 3.7 本章小结 | 第32-33页 |
| 4 基于卷积神经网络的无参考图像区域划分 | 第33-44页 |
| 4.1 基础知识简介 | 第33-36页 |
| 4.1.1 卷积神经网络 | 第33-35页 |
| 4.1.2 图像匹配 | 第35-36页 |
| 4.2 图像区域划分方法 | 第36-37页 |
| 4.2.1 三区域划分 | 第36页 |
| 4.2.2 四区域划分 | 第36-37页 |
| 4.3 边缘检测方法 | 第37-39页 |
| 4.3.1 Sobel算子检测 | 第37-38页 |
| 4.3.2 全局内嵌边缘检测 | 第38-39页 |
| 4.4 基于卷积神经网络的无参考图像区域划分 | 第39-43页 |
| 4.4.1 改进的边缘检测算法 | 第39-41页 |
| 4.4.2 改进的区域划分算法 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 5 基于内容稀疏表示的无参考立体图像质量评价 | 第44-54页 |
| 5.1 相关图构建 | 第44-45页 |
| 5.1.1 独眼图 | 第44-45页 |
| 5.1.2 绝对视差图 | 第45页 |
| 5.2 不同区域过完备字典构建 | 第45-46页 |
| 5.3 图像区域划分 | 第46-47页 |
| 5.4 内容稀疏表示 | 第47-48页 |
| 5.5 回归预测模型构建 | 第48-50页 |
| 5.5.1 深度置信网络简介 | 第49页 |
| 5.5.2 模糊深度置信网络 | 第49-50页 |
| 5.6 实验结果与分析 | 第50-53页 |
| 5.6.1 实验环境 | 第50页 |
| 5.6.2 数据样本划分 | 第50页 |
| 5.6.3 实验结果分析 | 第50-53页 |
| 5.7 本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| 6.1 本文工作总结 | 第54-55页 |
| 6.2 未来工作展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60页 |
