| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究历史与现状 | 第12-18页 |
| 1.3 论文内容与章节安排 | 第18-19页 |
| 第二章 基于视觉感知建模的无参考图像质量评价 | 第19-35页 |
| 2.1 人类视觉系统特性 | 第19-20页 |
| 2.2 基于内在生成机制的无参考图像质量评价方案 | 第20-29页 |
| 2.2.1 图像分解 | 第20-22页 |
| 2.2.2 图像有序部分的特征提取 | 第22-27页 |
| 2.2.3 图像无序部分的特征提取 | 第27-28页 |
| 2.2.4 特征融合与回归学习 | 第28-29页 |
| 2.3 实验与讨论 | 第29-33页 |
| 2.3.1 LIVE数据集上的测试 | 第29-31页 |
| 2.3.2 跨数据集测试 | 第31-32页 |
| 2.3.3 多种失真的图像数据集测试 | 第32-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 基于表征学习的真实失真图像质量评价 | 第35-49页 |
| 3.1 传统图像质量评价数据集的不足之处分析 | 第35-36页 |
| 3.2 真实失真图像质量评价数据集介绍 | 第36页 |
| 3.3 表征学习和卷积神经网络的介绍 | 第36-38页 |
| 3.4 基于视觉感知特性和基于表征学习的研究思路对比 | 第38-39页 |
| 3.5 利用CNN的真实失真图像质量评价方法整体框架 | 第39-45页 |
| 3.5.1 图像预处理 | 第39-40页 |
| 3.5.2 网络结构的设计 | 第40-41页 |
| 3.5.3 数据增广和共享标签 | 第41-43页 |
| 3.5.4 噪声标签和正则化 | 第43-44页 |
| 3.5.5 模型的训练 | 第44-45页 |
| 3.6 实验与分析 | 第45-46页 |
| 3.6.1 LIVE Challenge数据集上的测试 | 第45-46页 |
| 3.6.2 噪声标签的有效性与正则化作用 | 第46页 |
| 3.7 本章小结 | 第46-49页 |
| 第四章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57-59页 |
| 在读期间发表的学术论文与取得的研究成果 | 第59页 |
