基于特征学习的模糊图像质量评价与检测分割研究

声明

摘要

第1章绪论

1．1选题背景及研究意义

1．2模糊图像整体评价

1．2．1模糊图像主观质量评价

1．2．2模糊图像客观质量评价

1．3局部模糊区域检测

1．3．1基于人工构造特征的传统算法

1．3．2传统算法面临的挑战

1．3．3基于深度学习的新兴算法

1．3．4现有深度学习算法尚存的不足

1．4论文主要研究内容与章节安排

1．4．1论文主要研究内容

1．4．2论文结构安排

第2章基于频率域构造特征的模糊图像质量评估

2．1引言

2．2模糊与再模糊理论

2．3离散余弦变换

2．3．1一维离散余弦变换

2．3．2二维离散余弦变换

2．4模糊图像质量评价指标

2．4．1模糊强度值

2．4．2再模糊核的选取

2．5标准数据库和算法性能评估指标

2．5．1标准数据库

2．5．2算法性能评估指标

2．6实验结果

2．7本章小结

第3章基于深度稠密特征的模糊图像质量分类

3．1引言

3．2模糊图像质量多分类评级

3．3密集连接卷积神经网络

3．3．1数据库

3．3．2密集连接卷积神经网络

3．3．3二元分类

3．3．4多元分类

3．4网络结构与参数训练

3．5算法性能评估指标

3．6实验结果

3．6．1二元分类结果

3．6．2多元分类结果

3．6．6抗噪性能

3．7本章讨论及小结

第4章基于列率域构造特征的模糊图像检测与分割

4．1引言

4．2图像局部模糊检测与分割算法

4．3沃尔什—哈达玛变换

4．3．1沃尔什函数

4．3．2离散沃尔什—哈达玛变换

4．4基于DWHT特征的模糊强度分布图提取

4．4．1全局模糊强度

4．4．2局部模糊强度

4．4．3模糊强度分布图提取

4．5模糊区域分割

4．5．1 K-Means均值聚类

4．5．2区域生长

4．6参数精调

4．6．1邻域尺寸

4．6．2范数选择

4．7局部模糊检测与区域分割结果

4．7．1数据库

4．7．2评估指标

4．7．3视觉分割结果

4．7．4量化分割性能

4．7．5讨论

4．8本章小结

第5章基于多尺度融合特征的复杂场景模糊检测与分割

5．1引言

5．2 M形网络

5．2．1 M-net整体结构

5．2．2多输入金字塔

5．2．2多级损失金字塔

5．2．3跳跃连接

5．3金字塔式M形集成模型

5．4模型训练

5．4．1算法性能评估指标

5．4．2数据集

5．4．3训练策略

5．5模型实验

5．5．1消融实验

5．5．2实验结果

5．5．3讨论

5．6本章小结

第6章总结与展望

6．1本文贡献与创新

6．2未来工作展望

参考文献

致谢

在读期间发表的学术论文与取得的其他研究成果