首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

结合空域多尺度滤波与深度学习的图像质量盲评价

摘要第4-5页
Abstract第5-6页
第一章 绪论第11-33页
    1.1 研究背景和意义第11-14页
    1.2 国内外研究现状第14-31页
        1.2.1 全参考方法第15-18页
        1.2.2 半参考方法第18-19页
        1.2.3 无参考方法第19-20页
        1.2.4 神经网络第20-28页
        1.2.5 基于卷积神经网络的无参考方法第28-30页
        1.2.6 基于卷积神经网络的无参考方法现存的问题第30-31页
    1.3 本文主要内容和创新点第31-32页
    1.4 本文的结构安排第32-33页
第二章 图像质量评价基础第33-41页
    2.1 人类视觉系统的生理特性第33-37页
        2.1.1 眼球结构第33-35页
        2.1.2 视觉通路第35页
        2.1.3 感受野第35-37页
    2.2 视觉心理物理学第37-40页
        2.2.1 亮度非线性特征第37-38页
        2.2.2 对比度敏感特性第38-39页
        2.2.3 多通道特性第39页
        2.2.4 遮蔽效应第39-40页
    2.3 图像失真类型概述第40-41页
第三章 结合空域多尺度滤波与深度学习的图像质量盲评价第41-55页
    3.1 空域下的自然场景统计第41-48页
        3.1.1 去均值对比度归一化第41-42页
        3.1.2 多尺度滤波第42-48页
    3.2 模型结构第48-51页
        3.2.1 模型具体参数第49-50页
        3.2.2 模型的感受野第50页
        3.2.3 图像块的重叠第50-51页
    3.3 图像块分数回归第51-52页
    3.4 统计特征提取和图像主观分数回归第52-55页
第四章 实验和分析第55-73页
    4.1 数据库介绍第55页
    4.2 评价指标第55-57页
        4.2.1 皮尔逊线性相关系数第56页
        4.2.2 斯皮尔曼等级相关系数第56-57页
    4.3 实验设置第57-58页
    4.4 实验结果与分析第58-61页
    4.5 跨数据库测试评价第61-70页
    4.6 特征可视化第70-73页
第五章 总结与展望第73-75页
    5.1 总结第73页
    5.2 未来展望第73-75页
参考文献第75-81页
致谢第81-83页
攻读硕士学位期间发表论文情况第83页

论文共83页,点击 下载论文
上一篇:基于自匹配注意力机制的命名实体关系识别模型
下一篇:基于轨迹数据的出租车路线推荐和公交车调度算法研究