为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
图像质量评价（IQA）在过去的几十年中受到图像应用领域的研究人员的重视。图像质量评价（IQA）对优化图像处理和图像通信至关重要。 IQA指标被分类为主观指标和客观指标。做为传统的客观图像质量评价IQA指标，均方误差（MSE）和与他相关的变体包括信噪比（SNR）和峰值信噪比（PSNR），直接在图像的强度上进行操作，以定义失真信号和原始的能量。然而，它们无法与人类视觉系统（HVS）相关联，因为它们忽视了原始信号的特征，导致它们仅在评估具有相同内容和失真类型的图像时才起作用。为了开发符合主观保真度评定的IQA指标， HVS的特征应该被考虑。有助于HVS处理视觉信息数据的视觉注意力（VA）是HVS调整机制中的一个重要方面。最近，很多强调HVS区别地响应不同视觉特征的IQA指标已经被提出，例如视觉信噪比（VSNR）和稀疏学习方法（SLW）。为了可靠地模仿人类观看行为来预测图像质量，本文开发了一种结合视觉注意力的心理特征（即内部生成机制和感知掩蔽）和生理特征（即视觉掩蔽和显着性）的IQA模型。大脑的内部生成机制（IGM）主动预测图像中的简单结构，而忽略复杂的结构。根据IGM的感知原理和人眼对边缘的敏感度，利用贝叶斯预测模型和边缘特征将输入图像分为边缘区域，简单结构区域和复杂结构区域。具有各自感知特征的每个区域通过不同的特征和评价指标分别评估。所有地区的评估结果是通过关于视觉显着性和感知掩蔽的整体综合结合起来的。整体综合和局部保真度测量在被提出的指标中是互补的。从四个大型数据库的实验结果来看，所提出的评价指标被证明具有很好的预测精度和稳定性。