摘要
第1章绪论
1.1研究背景
1.2研究的目的和意义
1.3研究内容、方法和整体框架
1.3.1研究内容
1.3.2基于空间分布的图像质量评价方法
1.3.3基于稀疏表示的图像质量评价方法
1.3.4基于深度卷积神经网络的图像质量评价方法
1.3.5框架结构
1.4研究的创新
第2章文献综述与相关理论
2.1文献综述
2.1.1国外研究现状
2.1.2国内研究现状
2.1.3文献评述
2.2相关理论
2.2.1 RGB颜色空间与灰度图像
2.2.2 HSV颜色空间
2.2.3经验累积分布函数ECDF
2.2.4相关性度量指标
2.2.5图像数据库
2.2.6稀疏表示
2.2.7深度学习卷积神经网络
2.2.8深度学习框架
第3章基于空间分布的全参考图像质量评价
3.1方法概述
3.1.1 5种方法进行矩阵变换
3.1.2基于变换后的像素矩阵度量图像差异
3.1.3计算客观质量评价与主观评价的相关性
3.2实证分析
3.2.1实证分析
3.2.2 H矩阵和S矩阵做图像质量评价
3.2.3不同系数度量相关性
3.3本章小结
第4章基于稀疏表示的全参考图像质量评价
4.1.1算法介绍
4.1.2算法在图像中的应用展示
4.2框架介绍
4.2.1图像矩阵变换
4.2.2训练字典矩阵
4.2.3图像质量评分
4.3实证分析
4.3.3数据库图像矩阵变换
4.3.4实验结果
4.4实验结果分析
4.5本章小结
第5章基于卷积神经网络的全参考图像质量评价
5.1框架介绍
5.1.1符号释义
5.1.2框架介绍
5.2实证分析
5.2.1图像矩阵变换
5.2.2图像特征提取
5.2.3图像质量评分
5.2.4与人眼感知的一致性
5.3实验结果分析
5.3.1效果评价
5.4本章小结
第6章总结与展望
6.1总结
6.2展望
6.2.1工作改进
6.2.2应用方向
参考文献
致谢
声明