基于结构相似度图像质量评价算法的研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 研究背景及选题意义 | 第11-12页 |
| 1.2 图像质量评价方法的研究现状 | 第12-19页 |
| 1.2.1 图像质量主观评价方法 | 第12-15页 |
| 1.2.2 图像质量客观评价方法 | 第15-19页 |
| 1.3 图像质量客观评价方法存在的问题 | 第19-20页 |
| 1.4 本文的研究内容及章节安排 | 第20-23页 |
| 1.4.1 本文的主要研究内容 | 第20页 |
| 1.4.2 本文的章节安排 | 第20-23页 |
| 第2章 图像质量评价相关理论基础 | 第23-33页 |
| 2.1 人类视觉系统及其视觉特性 | 第23-28页 |
| 2.1.1 视觉生理学 | 第23-24页 |
| 2.1.2 视觉心理物理学 | 第24-28页 |
| 2.2 图像质量评价方法性能验证 | 第28-32页 |
| 2.2.1 实验平台介绍 | 第28页 |
| 2.2.2 实验数据库 | 第28-31页 |
| 2.2.3 性能评价标准 | 第31-32页 |
| 2.3 本文小结 | 第32-33页 |
| 第3章 改进的基于结构相似度的全参考评价算法 | 第33-71页 |
| 3.1 引言 | 第33-34页 |
| 3.2 几种典型的全参考评价算法 | 第34-43页 |
| 3.2.1 基于像素域误差的图像质量评价算法 | 第34-36页 |
| 3.2.2 基于HVS仿生学的图像质量评价算法 | 第36-37页 |
| 3.2.3 基于结构相似度的图像质量评价算法分析 | 第37-43页 |
| 3.3 基于梯度结构相似度的全参考评价算法 | 第43-47页 |
| 3.3.1 梯度信息的提取 | 第43-45页 |
| 3.3.2 算法描述 | 第45页 |
| 3.3.3 算法实现 | 第45-47页 |
| 3.4 基于视觉显著性加权的全参考评价算法 | 第47-53页 |
| 3.4.1 基于相位谱的视觉显著性图的提取 | 第47-50页 |
| 3.4.2 算法描述 | 第50页 |
| 3.4.3 算法实现 | 第50-53页 |
| 3.5 实验结果与分析 | 第53-69页 |
| 3.5.1 主客观评价结果一致性测试实验 | 第53-66页 |
| 3.5.2 客观评价模型的合理性测试实验 | 第66-67页 |
| 3.5.3 客观评价模型的灵敏度测试实验 | 第67-68页 |
| 3.5.4 客观评价模型的复杂度分析 | 第68-69页 |
| 3.6 本文小结 | 第69-71页 |
| 第4章 基于彩色图像的图像质量评价算法 | 第71-77页 |
| 4.1 引言 | 第71页 |
| 4.2 颜色空间的选择 | 第71-73页 |
| 4.2.1 RGB颜色空间 | 第71页 |
| 4.2.2 YIQ和YUV颜色空间 | 第71-72页 |
| 4.2.3 HSI颜色空间 | 第72-73页 |
| 4.3 彩色图像质量评价模型的建立 | 第73-74页 |
| 4.4 实验结果与分析 | 第74-76页 |
| 4.5 本文小结 | 第76-77页 |
| 第5章 总结与展望 | 第77-79页 |
| 5.1 总结 | 第77页 |
| 5.2 展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 作者简介 | 第84页 |
