| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-16页 |
| 1.1 课题研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 图像质量评价的发展 | 第8-10页 |
| 1.2.2 图像识别技术的发展 | 第10-12页 |
| 1.3 主要研究内容 | 第12-14页 |
| 1.3.1 基于图像纹理的图像质量评价 | 第12-13页 |
| 1.3.2 图像分块与图像的质量评价 | 第13页 |
| 1.3.3 基于相似图像的质量评价 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 相关理论与技术概述 | 第16-23页 |
| 2.1 特征选择 | 第16-20页 |
| 2.1.1 Gabor滤波 | 第16-18页 |
| 2.1.2 小波变换 | 第18页 |
| 2.1.3 峰值信噪比PSNR | 第18-19页 |
| 2.1.4 结构相似性SSIM | 第19-20页 |
| 2.2 回归分析 | 第20-21页 |
| 2.2.1 决策树 | 第20页 |
| 2.2.2 线性回归 | 第20-21页 |
| 2.3 相关工具简介 | 第21-22页 |
| 2.3.1 Numpy | 第21页 |
| 2.3.2 Scipy | 第21-22页 |
| 2.3.3 Scikit-learn | 第22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于图像纹理的图像质量评价框架 | 第23-36页 |
| 3.1 研究方案 | 第26-27页 |
| 3.2 图像数据处理 | 第27-29页 |
| 3.3 训练与测试 | 第29-30页 |
| 3.4 实验结果分析 | 第30-35页 |
| 3.4.1 不同分块大小对评价准确度的影响 | 第30页 |
| 3.4.2 有无纹理特征对评价准确度的影响 | 第30-32页 |
| 3.4.3 不同Gabor滤波参数对评价准确度的影响 | 第32-33页 |
| 3.4.4 训练集所占比例对结果的影响 | 第33页 |
| 3.4.5 提出的算法与SSIM的比较 | 第33页 |
| 3.4.6 不同失真类型的评价准确度的对比 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 相似图像质量评价 | 第36-50页 |
| 4.1 实验素材 | 第37-39页 |
| 4.2 离散小波系数 | 第39-40页 |
| 4.3 回归算法的训练与测试 | 第40-41页 |
| 4.4 实验结果分析 | 第41-49页 |
| 4.4.1 不同视频评价准确度的比较 | 第41-42页 |
| 4.4.2 不同训练样本集评价准确度的比较 | 第42-44页 |
| 4.4.3 不同分块大小评价准确度的比较 | 第44-45页 |
| 4.4.4 不同失真类型评价准确度的比较 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 结论与展望 | 第50-52页 |
| 5.1 结论 | 第50-51页 |
| 5.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 个人简历 | 第57页 |