学习盲图像质量评价方法研究
发布时间：2021-09-16 21:29
图像质量客观评价是指通过设计合理的算法使计算机自动精确地预测图像的感知质量。图像质量的评价结果可以为图像处理算法的参数优化、图像处理系统的性能评估和图像处理设备的质量检测提供重要的指标和依据,已成为图像处理领域的研究热点之一。其中,盲图像质量评价是指在没有参考图像的情况下对任意输入图像的视觉质量进行精确预测。由于在绝大多数的实际应用场景中,测试图像对应的参考图像是无法或难以得到的,因此对于盲图像质量评价的研究至关重要。本文针对盲图像质量评价问题,开展了系统深入的研究工作,旨在利用机器学习方法提高盲图像质量评价的特征表达能力、质量预测精度以及模型学习效率。研究内容主要针对图像特征提取、质量预测建模、学习框架设计、主观实验验证等四个方面展开。论文工作围绕国家杰出青年科学基金资助项目“多媒体信息处理与分析”、国家自然科学基金重点项目“面向多元空间融合的视觉计算与图像质量评价”、国家自然科学基金资助项目“基于广义稀疏表示的异质人脸图像变换和质量评价”、教育部“创新团队发展计划”资助项目“视觉计算与协同认知”、陕西省重点科技创新团队资助项目“西安电子科技大学计算理论与影像信息学创新团队”等项目的...
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：153 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 选题背景与意义
1.2 图像质量评价的研究进展与现状
1.2.1 图像质量主观评价
1.2.2 图像质量客观评价
1.4 本文的主要工作及章节安排
第二章 基于多核学习的盲图像质量评价
2.1 引言
2.2 基于自然场景统计特性的视觉特征提取
2.2.1 非高斯特性
2.2.2 局部相关特性
2.2.3 指数衰减特性
2.3 基于多核学习的盲图像质量预测方法
2.3.1 多核学习
2.3.2 基于全局框架的盲图像质量预测方法
2.3.3 基于两步框架的盲图像质量预测方法
2.3.4 算法实现细节
2.4 实验结果及分析
2.4.1 一致性实验
2.4.2 失真分类精度
2.4.3 数据库独立性实验
2.4.4 混合失真
2.5 本章小结
第三章 基于主动学习的盲图像质量评价
3.1 引言
3.2 主动特征学习框架
3.2.1 预处理
3.2.2 主动字典学习框架
3.2.3 局部特征编码
3.2.4 局部特征综合
3.3 基于支撑向量回归的盲图像质量预测方法
3.4 实验结果及分析
3.4.1 数据集
3.4.2 有效性实验
3.4.3 一致性实验
3.4.4 主动特征学习参数对性能的影响
3.5 本章小结
第四章 基于排序学习的盲图像质量评价
4.1 引言
4.2 主观图像质量偏好数据获取
4.3 基于排序学习的盲图像质量预测方法
4.3.1 基于自然场景统计特性的图像特征提取
4.3.2 训练数据集
4.3.3 基于MKLGL的偏好学习
4.3.4 质量分数预测
4.4 实验结果及分析
4.4.1 鲁棒性实验
4.4.2 稳定性实验
4.4.3 一致性实验
4.4.4 独立性实验
4.4.5 扩展性实验
4.5 本章小结
第五章 主观图像质量偏好数据库的建立
5.1 引言
5.2 基于松弛策略的图像质量成对比较方法
5.3 主观图像质量成对比较实验
5.3.1 测试环境
5.3.2 测试材料
5.3.3 观测者的选择和训练
5.3.4 主观实验过程
5.3.5 实验数据的收集和处理
5.4 实验结果及分析
5.4.1 合理性实验
5.4.2 有效性实验
5.5 本章小结
第六章 总结和展望
6.1 研究结论
6.2 研究展望
参考文献
致谢
作者简介
1. 基本情况
2. 教育背景
3. 攻读博士学位期间的研究成果
本文编号：3397329
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：153 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 选题背景与意义
1.2 图像质量评价的研究进展与现状
1.2.1 图像质量主观评价
1.2.2 图像质量客观评价
1.4 本文的主要工作及章节安排
第二章 基于多核学习的盲图像质量评价
2.1 引言
2.2 基于自然场景统计特性的视觉特征提取
2.2.1 非高斯特性
2.2.2 局部相关特性
2.2.3 指数衰减特性
2.3 基于多核学习的盲图像质量预测方法
2.3.1 多核学习
2.3.2 基于全局框架的盲图像质量预测方法
2.3.3 基于两步框架的盲图像质量预测方法
2.3.4 算法实现细节
2.4 实验结果及分析
2.4.1 一致性实验
2.4.2 失真分类精度
2.4.3 数据库独立性实验
2.4.4 混合失真
2.5 本章小结
第三章 基于主动学习的盲图像质量评价
3.1 引言
3.2 主动特征学习框架
3.2.1 预处理
3.2.2 主动字典学习框架
3.2.3 局部特征编码
3.2.4 局部特征综合
3.3 基于支撑向量回归的盲图像质量预测方法
3.4 实验结果及分析
3.4.1 数据集
3.4.2 有效性实验
3.4.3 一致性实验
3.4.4 主动特征学习参数对性能的影响
3.5 本章小结
第四章 基于排序学习的盲图像质量评价
4.1 引言
4.2 主观图像质量偏好数据获取
4.3 基于排序学习的盲图像质量预测方法
4.3.1 基于自然场景统计特性的图像特征提取
4.3.2 训练数据集
4.3.3 基于MKLGL的偏好学习
4.3.4 质量分数预测
4.4 实验结果及分析
4.4.1 鲁棒性实验
4.4.2 稳定性实验
4.4.3 一致性实验
4.4.4 独立性实验
4.4.5 扩展性实验
4.5 本章小结
第五章 主观图像质量偏好数据库的建立
5.1 引言
5.2 基于松弛策略的图像质量成对比较方法
5.3 主观图像质量成对比较实验
5.3.1 测试环境
5.3.2 测试材料
5.3.3 观测者的选择和训练
5.3.4 主观实验过程
5.3.5 实验数据的收集和处理
5.4 实验结果及分析
5.4.1 合理性实验
5.4.2 有效性实验
5.5 本章小结
第六章 总结和展望
6.1 研究结论
6.2 研究展望
参考文献
致谢
作者简介
1. 基本情况
2. 教育背景
3. 攻读博士学位期间的研究成果
本文编号：3397329
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3397329.html
