| 致谢 | 第6-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8页 |
| 1 绪论 | 第14-19页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 国内外研究热度 | 第15页 |
| 1.2.2 国内外研究进展 | 第15-18页 |
| 1.3 本文的主要内容 | 第18-19页 |
| 2 无参考图像质量评价技术基础 | 第19-30页 |
| 2.1 基本概念 | 第19页 |
| 2.2 特征描述方法 | 第19-22页 |
| 2.2.1 梯度算子 | 第20页 |
| 2.2.2 纹理特征技术 | 第20-21页 |
| 2.2.3 直方图的数字特征 | 第21-22页 |
| 2.3 机器学习技术 | 第22-25页 |
| 2.3.1 回归分析 | 第22-23页 |
| 2.3.2 贝叶斯分类器 | 第23-24页 |
| 2.3.3 决策树分类器 | 第24-25页 |
| 2.4 高性能计算方法 | 第25-30页 |
| 2.4.1 Cache优化 | 第25-26页 |
| 2.4.2 指令集优化 | 第26-30页 |
| 3 无参考图像质量评价的算法研究 | 第30-48页 |
| 3.1 算法性能的评估方法 | 第30-31页 |
| 3.2 融合梯度信息与HVS滤波器的无参考清晰度评价算法 | 第31-37页 |
| 3.2.1 算法GI-F的流程 | 第31-32页 |
| 3.2.2 梯度信息与MMD算子的计算 | 第32-33页 |
| 3.2.3 HVS滤波器模型 | 第33-35页 |
| 3.2.4 算法的一致性性能评估 | 第35-36页 |
| 3.2.5 算法的实时性性能评估 | 第36-37页 |
| 3.2.6 算法小结 | 第37页 |
| 3.3 基于高级视觉特性的无参考图像清晰度评价方法 | 第37-44页 |
| 3.3.1 彩色变化率谱图 | 第38-39页 |
| 3.3.2 结构信息冗余去除 | 第39-40页 |
| 3.3.3 神经冲动预测 | 第40-42页 |
| 3.3.4 SINI指标 | 第42页 |
| 3.3.5 算法性能评估 | 第42-44页 |
| 3.3.6 算法小结 | 第44页 |
| 3.4 失真分类算法 | 第44-48页 |
| 3.4.1 特征选择方法 | 第44-45页 |
| 3.4.2 基于JPEG压缩失真块效应的特征工程 | 第45-48页 |
| 4 基于Android的无参考图像质量评价系统 | 第48-53页 |
| 4.1 Open CV4Android开发环境 | 第48-49页 |
| 4.1.1 Android系统简介 | 第48-49页 |
| 4.1.2 Open CV4Android环境 | 第49页 |
| 4.2 图像质量评价系统设计实现 | 第49-51页 |
| 4.2.1 流程设计 | 第50页 |
| 4.2.2 代码实现 | 第50-51页 |
| 4.3 实验结果及分析 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 面向视频监控的无参考视频图像质量评价系统 | 第53-65页 |
| 5.1 系统设计 | 第53-54页 |
| 5.2 软件设计 | 第54-59页 |
| 5.2.1 NVR码流获取与解码流程 | 第55-56页 |
| 5.2.2 视频质量评价算法流程 | 第56页 |
| 5.2.3 数据结构 | 第56-57页 |
| 5.2.4 代码实现要点 | 第57-59页 |
| 5.3 各评价算法模块研究与实现 | 第59-63页 |
| 5.3.1 视觉模糊度算法研究与实现 | 第59页 |
| 5.3.2 视觉对比度算法研究与实现 | 第59-60页 |
| 5.3.3 色偏检测的研究与实现 | 第60-62页 |
| 5.3.4 无参考视频图像质量评价指标的计算 | 第62-63页 |
| 5.4 算法的性能评估与实验结果 | 第63-65页 |
| 5.4.1 算法性能评估 | 第63-64页 |
| 5.4.2 实验结果介绍 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 主要结论 | 第65页 |
| 6.2 研究展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 附录A | 第73-74页 |
| 作者简历 | 第74页 |