| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-18页 |
| ·研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-15页 |
| ·论文的主要内容和结构 | 第15-18页 |
| ·研究内容 | 第15-17页 |
| ·论文结构 | 第17-18页 |
| 第2章 图像质量评价的基础理论 | 第18-29页 |
| ·人类视觉系统 | 第18-23页 |
| ·人类视觉统的感知原理 | 第18页 |
| ·人类视觉系统的生理基础 | 第18-21页 |
| ·人类视觉心理物理学特性 | 第21-23页 |
| ·主观图像质量评价方法 | 第23-24页 |
| ·客观图像质量评价方法的性能评估 | 第24-28页 |
| ·常用的图像数据库 | 第24-26页 |
| ·性能评估准则 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于梯度奇异值分解的图像结构相似度评价 | 第29-41页 |
| ·传统结构相似度算法分析 | 第29-31页 |
| ·梯度奇异值分解的结构相似度 | 第31-37页 |
| ·图像的梯度特征提取 | 第31-32页 |
| ·奇异值分解 | 第32-33页 |
| ·图像梯度奇异值相似度 | 第33-37页 |
| ·实验结果及分析 | 第37-40页 |
| ·评价数据库选择 | 第37页 |
| ·拟合图分析 | 第37-39页 |
| ·客观数据分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于小波分析的图像稀疏保真度评价 | 第41-57页 |
| ·小波变换的原理 | 第41-42页 |
| ·基于快速独立分量分析(FastICA)的图像稀疏保真度 | 第42-48页 |
| ·独立分量分析(ICA) | 第43-44页 |
| ·快速独立分量分析(FastICA) | 第44-45页 |
| ·基于快速独立分量分析(FastICA)的图像特征提取 | 第45-47页 |
| ·图像稀疏保真度 | 第47-48页 |
| ·视觉加权的稀疏保真度 | 第48-52页 |
| ·图像稀疏保真度 | 第48-50页 |
| ·图像区间的划分及加权 | 第50页 |
| ·视觉加权图像稀疏保真度 | 第50-51页 |
| ·算法性能分析与参数的确定 | 第51-52页 |
| ·实验结果与分析 | 第52-56页 |
| ·拟合图分析 | 第52-53页 |
| ·客观数据分析 | 第53-56页 |
| ·算法复杂度分析 | 第56页 |
| ·本章小结 | 第56-57页 |
| 第5章 基于自然统计特征分布的无参考图像质量评价 | 第57-72页 |
| ·自然统计特征的提取与分析 | 第57-62页 |
| ·图像自然统计特性 | 第57-58页 |
| ·图像自然统计特征的提取 | 第58-62页 |
| ·基于支持向量回归(SVR)的图像质量分类预测 | 第62-65页 |
| ·支持向量回归的基本思想 | 第62-64页 |
| ·基于支持向量回归的图像质量预测 | 第64-65页 |
| ·基于支持向量机分类的图像质量评价模型 | 第65-67页 |
| ·支持向量机分类的基本原理 | 第65-67页 |
| ·基于支持向量机分类的图像质量评价 | 第67页 |
| ·实验结果与分析 | 第67-71页 |
| ·一致性实验 | 第67-69页 |
| ·客观对比实验 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 第6章 总结与展望 | 第72-74页 |
| ·全文总结 | 第72-73页 |
| ·展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 附录 A 自然图像的五种失真对比图 | 第80-81页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第81页 |