近些年,我國(guó)的通信技術(shù)取得了迅速的發(fā)展,所需傳遞的信息量,也日益增多,為此,有關(guān)信息方面的要求,也變得不斷提升。在諸多信息載體中,圖像憑借著包含信息豐富的獨(dú)特屬性,使之在信息交互領(lǐng)域的重要性日益凸顯。而在圖像信息交互環(huán)節(jié),圖像質(zhì)量就受到極大的重視,所以,對(duì)于圖像視頻信息的應(yīng)用而言,對(duì)圖像質(zhì)量評(píng)價(jià)技術(shù)進(jìn)行研究,無(wú)疑就有著十分顯著的意義。當(dāng)前,有關(guān)圖像質(zhì)量的評(píng)價(jià)方法,主要有主觀與客觀兩種。對(duì)于前者,就是基于人的主觀感受而形成的最終評(píng)價(jià),這種方式具有較高的準(zhǔn)確性與可靠性,然而卻需要耗用頗多的人力與時(shí)間,這使得應(yīng)用范圍不廣。而對(duì)于后者,則是借助于數(shù)學(xué)模型以及相關(guān)計(jì)算機(jī)技術(shù),對(duì)那些失真之圖進(jìn)行科學(xué)評(píng)價(jià)。本論文對(duì)經(jīng)典客觀評(píng)價(jià)算法進(jìn)行了深入分析,發(fā)現(xiàn)它們所用到的一個(gè)關(guān)鍵因子即梯度因子采用的是傳統(tǒng)的梯度模板,但是由于只采用了兩個(gè)方向的模板,只能檢測(cè)水平跟垂直兩個(gè)方向的邊緣,檢測(cè)到的邊緣方向有限,為此本論文提出用擴(kuò)展梯度算子代替?zhèn)鹘y(tǒng)梯度算子來(lái)進(jìn)行圖像質(zhì)量評(píng)價(jià)。本次研究所涉及到的內(nèi)容有:第一,分析了基于結(jié)構(gòu)相似度的全參考圖像質(zhì)量評(píng)價(jià)方法（SSIM算法）與基于梯度的結(jié)構(gòu)相似度全參考圖像質(zhì)量評(píng)價(jià)方法（GSSI... 

【文章來(lái)源】：廣東工業(yè)大學(xué)廣東省

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文的主要研究?jī)?nèi)容
    1.4 本章小結(jié)
第二章 圖像質(zhì)量評(píng)價(jià)的相關(guān)知識(shí)
    2.1 圖像質(zhì)量及其定義
        2.1.1 圖像的定義
        2.1.2 圖像質(zhì)量的定義
    2.2 圖像質(zhì)量的主觀評(píng)價(jià)方法
        2.2.1 主觀評(píng)分標(biāo)準(zhǔn)
        2.2.2 圖像質(zhì)量主觀評(píng)價(jià)方法的優(yōu)缺點(diǎn)
    2.3 圖像質(zhì)量的客觀評(píng)價(jià)方法
        2.3.1 客觀評(píng)價(jià)方法的分類(lèi)
        2.3.2 圖像質(zhì)量客觀評(píng)價(jià)方法的優(yōu)缺點(diǎn)
    2.4 人眼視覺(jué)系統(tǒng)
        2.4.1 人眼視覺(jué)系統(tǒng)的生理特性
        2.4.2 人眼視覺(jué)系統(tǒng)的心理特性
    2.5 本章小結(jié)
第三章 基于擴(kuò)展梯度算子的結(jié)構(gòu)相似度圖像質(zhì)量評(píng)價(jià)指標(biāo)
    3.1 基于人類(lèi)視覺(jué)系統(tǒng)的圖像質(zhì)量評(píng)價(jià)方法存在的不足
    3.2 結(jié)構(gòu)相似性理論
    3.3 基于梯度的結(jié)構(gòu)相似度
    3.4 基于擴(kuò)展梯度算子的結(jié)構(gòu)相似度
    3.5 本章小結(jié)
第四章 基于超像素下的擴(kuò)展梯度算子的相似度評(píng)價(jià)指標(biāo)
    4.1 超像素分割與SLIC算法簡(jiǎn)介
    4.2 SPSIM算法簡(jiǎn)介
    4.3 MSPSIM算法的提出
    4.4 本章小結(jié)
第五章 實(shí)驗(yàn)結(jié)果及分析
    5.1 圖像數(shù)據(jù)庫(kù)
    5.2 算法評(píng)價(jià)指標(biāo)
    5.3 E-GSSIM算法性能分析
    5.4 MSPSIM算法性能分析
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于梯度幅度和梯度方向直方圖的全參考圖像質(zhì)量評(píng)價(jià)算法[J]. 王同罕,賈惠珍,舒華忠.  東南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[2]圖像融合質(zhì)量評(píng)價(jià)方法研究綜述[J]. 楊艷春,李嬌,王陽(yáng)萍.  計(jì)算機(jī)科學(xué)與探索. 2018(07)
[3]結(jié)合視覺(jué)注意力機(jī)制和圖像銳度的無(wú)參圖像質(zhì)量評(píng)價(jià)方法[J]. 王凡,倪晉平,董濤,郭榮禮.  應(yīng)用光學(xué). 2018(01)
[4]數(shù)字圖像質(zhì)量評(píng)價(jià)綜述[J]. 張偌雅,李珍珍.  現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版). 2017(29)
[5]基于視覺(jué)相似性的去色圖像質(zhì)量評(píng)估[J]. 王蔓,顏佳,吳敏淵.  計(jì)算機(jī)應(yīng)用. 2017(10)
[6]快速提升的結(jié)構(gòu)相似度IQA算法[J]. 高麗霞,劉國(guó)軍,張選德.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2017(07)
[7]基于視覺(jué)注意的全參考彩色圖像質(zhì)量評(píng)價(jià)方法[J]. 溫陽(yáng),夏小妹,楊琳.  計(jì)算機(jī)測(cè)量與控制. 2017(06)
[8]基于色彩特征的無(wú)參考彩色圖像質(zhì)量評(píng)價(jià)[J]. 聞武,左凌軒.  計(jì)算機(jī)科學(xué). 2017(S1)
[9]圖像質(zhì)量評(píng)價(jià)綜述[J]. 何南南,解凱,李桐,葉宇?yuàn)?  北京印刷學(xué)院學(xué)報(bào). 2017(02)
[10]采用邊緣信息的屏幕圖像質(zhì)量評(píng)價(jià)[J]. 符穎,曾煥強(qiáng),倪張凱,陳婧,蔡燦輝.  信號(hào)處理. 2017(04)



本文編號(hào)：3182763