声明
1 绪论
1.1 本文的研究背景及意义
1.2 图像质量评价的研究现状
1.2.1 主观图像质量评价
1.2.2 客观图像质量评价
1.2.3 衡量算法性能的指标
1.3 本文的主要研究内容及创新性工作
1.3.1 创新性工作
1.3.2 本文主要研究内容
2 屏幕图像质量评价研究现状
2.1 屏幕图像质量评价研究意义
2.2 屏幕图像质量评价数据库介绍
2.3屏幕图像视觉质量评价模型研究
2.3.1 基于传统方法的屏幕图像质量评价
2.3.2 基于卷积神经网络的屏幕图像质量评价
2.4 本章小结
3 基于高阶导数变化的屏幕图像全参考质量评价
3.1 图像质量评价的权重策略
3.1.1 闵可夫斯基/平均加权策略
3.1.2 标准方差加权策略
3.1.3 局部质量/失真加权策略
3.1.4 信息内容加权策略
3.1.5 显著性加权策略
3.1.6 最大加权策略
3.1.7 权重策略小结
3.2 基于高阶导数变化模型的屏幕图像质量评价方法框架
3.3基于高阶导数变化模型的屏幕图像质量评价方法
3.3.1质量图计算
3.3.2加权方法
3.4 实验分析
3.4.2 权重策略比较分析
3.4.3 质量评价策略比较分析
3.5 本章小结
4 基于方向选择机制的无参考屏幕图像质量评价
4.1 人脑的方向选择机制
4.2 基于方向选择机制的无参考屏幕图像质量评价方法
4.2.1方向特征提取
4.2.2结构特征提取
4.2.3质量预测的回归模型
4.3 实验分析
4.3.1算法性能比较与分析
4.3.2特征验证
4.3.3 跨数据库验证
4.4 参数设置
4.5 本章小结
5 基于深度神经网络的屏幕图像质量评价
5.1可辨别的图像对
5.2 无监督学习框架
5.3 深度神经网络
5.4 神经网络框架
5.5 实验分析
5.5.1 实验数据
5.5.2 性能分析
5.5.3 交叉验证
5.5.4 参数设置
5.6 本章小结
6 总结与展望
6.1 研究总结
6.2 研究展望
致谢
参考文献
附录1 攻读学位期间发表的论文目录
