基于稀疏字典学习的立体图像质量评价

本文提出了一种基于稀疏字典学习的双通道立体图像质量评价方法.其中,一个通道结合视觉注意机制得到初始立体显著图,用中央偏移和中心凹特性对其进行优化得到最终的显著图,然后,对其进行稀疏字典训练获得显著字典;另一个通道将参考立体图像对进行SIFT特征变换,然后,对其进行稀疏字典训练获得SIFT字典.在测试阶段,利用已训练字典对参考图像和失真图像进行稀疏编码获得稀疏系数,并定义稀疏系数相似度指标以衡量参考图像和失真图像之间的信息差异;最后将两个通道的质量分数进行加权得到立体图像质量的客观分数.实验在两个公开LIVE库上进行测试,实验结果表明,本文算法的评价结果与主观评分具有更好的一致性,更加符合人类视觉系统的感知.     

基于视觉感知特征融合的图像质量评价

在图像压缩,图像恢复和图像传输等领域中真实评价输出图像的视觉质量是一项重要的工作。图像质量评价(IQA)旨在开发一种与人眼视觉感知紧密相关的方法。本文提出一个新的图像质量评价模型VFDP,该模型首先在视觉显著性特征基础上,结合颜色特征和梯度特征来描述局部图像质量。其中,本文采用新的计算梯度特征相似性方法,该方法融合参考图像与对应失真图像的亮度通道,并计算该通道的梯度图与参考/失真图像梯度图之间的相似性。最后采用平均偏差加权的方法对视觉显著特征,颜色特征与改进的梯度特征融合,得到图像质量评价结果。在TID2013、TID2008与LIVE数据库测试,结果表明VFDP所预测的PLCC与SROCC值优于8种主流算法预测的结果,其预测结果与人眼主观评价有较好的一致性。     

基于视觉显著性与对比度特性的图像质量评价

提出1种用于客观图像质量评价的新方法.分别对参考图像与失真图像进行高斯金字塔分解;对于分解后的每1层图像,采用基于相位谱的视觉显著图来计算2幅图像中每个对应像素点间的相似性,同时采用梯度图表示图像的对比度特性.视觉显著性和对比度特性互为补充,分别反映了人类视觉系统的不同特性,将2者加权相乘可获得单尺度的质量评价值;最后对各层结果进行综合可获得失真图像的客观质量评价值.在LIVE、TID 2008、CSIQ、IVC 4个公开的图像质量评价数据库上进行了大量的实验,结果表明,与其他相关的图像质量评价方法相比,提出的客观质量评价方法与人类主观评价的结果具有更好的一致性.     

基于梯度幅度和梯度方向直方图的全参考图像质量评价算法

为了提高全参考图像质量评价算法的性能,提出了一种基于梯度幅度和梯度方向直方图的图像质量评价算法.梯度方向直方图可以描述图像中局部物体表象和形状,梯度幅度能精细地反应图像中微小细节的反差和纹理变化.分别计算参考图像和失真图像的梯度幅度和梯度方向直方图,然后计算梯度幅度相似度图和梯度方向直方图相似度图,最后通过标准方差加权的方式得到图像的预测质量分数.在LIVE,TID2008和IVC三个图像数据库上的实验结果表明,所提算法的预测结果与人的主观判断具有较好的一致性.     

采用形状一致性特征的盲图像质量评价方法

针对基于学习的盲图像质量评价方法评估性能易受训练样本库内容和学习策略影响的问题,提出一种无需训练学习的、采用条件直方图形状一致性特征的盲图像质量评价(SCCH)方法。该方法首先计算失真图像中相邻区分归一化变换系数的联合条件直方图,从中提取形状一致性特征;接着依尺度分解特征矢量,并利用公开数据库构造特征属性-主观评分字典;最后将特征子矢量一范数与字典中各特征属性比较排序,对字典中主观得分进行插值以计算失真图像质量评分。在两大公开数据库的实验结果表明,SCCH方法与图像质量主观评分的线性相关系数值大于0.82,稳定保持在较高水平。与传统盲图像质量评价方法相比,SCCH方法无需训练学习,质量评分公式形式简单,质量评价系统容易实现。     

基于小波域数字水印的图像质量评价方法

为了进一步提高部分参考型图像质量评价方法的准确性和水印隐藏性,提出了一种基于小波域数字水印的图像质量评价方法.首先结合人类视觉系统的特性检测原始图像的纹理丰富区域,获得水印嵌入指示图;然后将原始图像进行3层小波分解,根据水印嵌入指示图,在每个小波系数块内嵌入自定义水印,运用量化参数自动调节系统确保数字水印的隐藏性;最后通过失真图像的水印复原率实现对图像的客观质量评价.与传统的图像客观质量评价方法(PSNR)和部分参考型图像质量评价方法(RRIQA)的对比实验表明,文中提出的方法在预测精确性上分别高出8.5%和4.4%,单调性上分别高出5.4%和2.2%,一致性上分别高出5.7%和3.4%.     

基于视觉特性的无参考型遥感图像质量评价方法

影响遥感图像成像质量的主要是模糊和噪声这2种失真因素,二者在空域和频域互相影响互相抑制,因此很难对同时存在这2种失真的遥感图像进行客观图像质量评价。该文利用人类视觉系统对模糊和噪声两种激励的响应特性不同,结合结构相似性度量方法,提出了一种基于视觉特性的无参考型图像质量评价方法。该方法同时考虑了模糊和噪声两方面因素,它不需要参考图像作为图像质量评价依据。实验结果表明:该方法的评价结果与全参考型图像质量评价方法的结果具有较高的相关性,是一种准确可靠的无参考型图像质量评价方法,并且易于实现。     

基于网格与韦泊统计特性的立体图像质量评价

针对立体图像失真会改变图像对比度、边缘和结构等信息的特性,提出一种无参考立体图像质量评价方法.首先,利用韦泊分布的尺度参数β和形状参数η分别描述合成图、左右视图及视差图的梯度图像特征;然后用网格强度及其规律性分别描述合成图、左右视图及视差图的网格图像特征;最后,将所得特征输入支持向量回归(SVR)网络中训练模型,获得特征到质量分数之间映射关系的模型,从而预测立体图像质量.通过利用LIVE-3D I数据库和LIVE-3DⅡ数据库进行性能测试,证明了本文提出的方法与人眼视觉特性具有很高的一致性,且性能优于目前主流的图像质量评价算法.     

沃尔什哈达玛变换域的无参考图像质量评价

图像失真会改变图像低频成份和图像高频成份的统计信息,基于这种特性,提出了一种新颖的无参考混合失真图像质量评价方法.首先对图像进行局部沃尔什哈达玛变换,将空域图像转换为局部沃尔什哈达玛变换图;然后在局部沃尔什哈达玛变换图上进行特征提取,即分别提取反映图像低频成份的零列率项和反映图像高频成份的非零列率项的旋转不变局部二值模式统计特征;最后利用支持向量回归网络训练特征,获得特征到质量分数的映射关系模型.在两个混合失真数据库(MLIVE数据库和MDID2013数据库)上对所提出的算法进行性能验证,实验结果表明,提出的算法具有很好的主客观评价一致性,性能优于目前现有较优秀的全参考图像质量评价算法和无参考图像质量评价算法.     

分区域多标准的全参考图像质量评价算法

图像质量评价在图像采集、图像压缩、图像传输等领域有着广泛的应用,一直是图像处理领域的研究热点之一.本文提出了一种模拟人的视觉感知过程中的对不同区域敏感度不同的特点,针对待评图像进行分区域采用不同标准的全参考型图像质量评价算法.该算法首先对图像颜色空间由RGB转换到YIQ,使之更符合人类视觉特性;再对其亮度空间进行数学形态学的膨胀计算预处理,并用边缘检测算子标记出图像中所有的边缘像素点;根据5×5的邻域内是否包含边缘点将图像分为纹理区和平滑区域.针对包含边缘特征的纹理区域的结构参数采用梯度进行描述,参考图像和失真图像在像素点的方差表述像素点失真的敏感性;对于平滑区域的像素点采用对比度作为表征结构信息的变量,并使用基于视觉显著性的综合策略;结合失真和参考图像的视觉显著性矩阵、结构相似性矩阵SCR(x)、色彩饱和度相似性矩阵,可分别得到纹理区和平滑区的图像质量评价分区域结果.取两个分区域结果的均值,可得到最后的全图像质量评价指标SMC-IQA.该算法在CSIQ、TID2008和TID2013等3个通用的图像质量评价数据库上进行了实验.实验结果表明与主流的图像质量评测方法相比较,本文所提出的分区域多标准的全参考图像质量评价算法与主观评价的结果具有更好的一致性,更符合人类视觉系统的特性.     

基于视觉感知高度相关的图像质量评价

评估并监控图像质量是数字图像处理技术的基础工作。客观图像质量评价(IQA)旨在通过计算机开发与人眼视觉感知密切相关的算法。本文充分模拟人眼视觉系统(HVS)和大脑机制,提出了一种新的基于机器学习的全参考型图像质量评价模型CGDR。该模型融合了图像的色度特征、梯度特征、对比敏感度函数(CSF)特征以及Gauss差分(DOG)频带特征。其中,改进后的梯度算法不仅包含更丰富的相邻信息和多方向边缘信息,同时强调了参考图像和失真图像的边缘相关性。在三个基准图像数据库上的实验结果表明,CGDR的预测性能优于八种主流方法,跨数据库测试体现出其强大的鲁棒性,预测结果能够与人眼主观感知保持高度一致性。     

中文文本屏幕内容图像通用视频编码标准编码感知失真研究

为了探索最新一代通用视频编码标准(versatile video coding, VVC)对中文文本屏幕内容图像(text screen content image, TSCI)感知质量的影响,设计图像主观观测实验并基于VVC混合编码框架原理研究了中文TSCI的VVC编码感知失真。构建中文文本屏幕内容图像数据库(Chinese text screen content image dataset, CT-SCID),设计图像主观观测实验,分析VVC引起的中文TSCI感知失真类型及其发展路径;结合VVC的混合编码框架原理,理论分析并实验验证影响VVC编码的中文TSCI感知失真程度的因素;总结当前代表性的屏幕内容图像质量评价方法在中文TSCI VVC编码感知失真评测上的性能表现。实验结果表明：字体大小和对比度是影响中文TSCI VVC编码感知质量的重要因素,且中文TSCI的字体越小、对比度越低时,图像的感知质量等级越低;当前代表性的屏幕内容图像质量评价方法均无法给出完全符合人眼感知特性的质量评价结果。研究对于后续开发适用于中文TSCI的感知质量评价方法、高效编码方法等具有指导意义。     

基于双重注意力和分层感知表征的IQA方法

图像质量评价在图像处理领域有着广泛的应用．基于深度学习的方法以多通道特征的形式获取图像信息,但在特征下采样过程中会丢失局部空间细节,导致对于图像信息的表征能力不足．针对以上问题,本文基于人类视觉系统的分层感知机制,提出了一种全参考图像质量评价方法,采用Siamese结构的卷积神经网络实现非线性映射,从不同尺度和视觉复杂度表征图像信息,并通过双重注意力模拟人类在评价图像质量时对视觉注意力的调控过程．此方法在特征提取阶段引入空间注意力机制,对特征图的二维空间位置赋以权重,计算人在感知图像失真信息时对空间区域的注意力差别．在特征融合阶段利用分组通道注意力模块显式建模通道间的依赖关系,对感知差异特征进行自适应的校准,使网络关注对于图像质量评价影响大的通道特征．实验结果表明,该方法在LIVE、TID2013和CSIQ3个公开数据集上的斯皮尔曼相关系数分别达到0.975、0.938和0.963,在应对复杂失真类型图像时的性能提升显著,与人类主观评价的一致性良好．     

一种奇异值与其向量联合评估图像质量的测度

提出一种新的利用奇异值分解来评估全参考图像质量的测度.该测度联合使用奇异向量和奇异值,试图从能量和一种新的结构来评估图像失真.理论分析表明,该测度不仅能评估图像的局部误差,而且能评价图像的全局误差.仿真实验表明,与传统的算法相比,该测度能更有效地评估失真图像,尤其是噪声图像的质量,且与人眼的主观评价更加一致.     

基于边缘信息的图像质量评价研究

针对传统客观图像质量评价方法没有考虑人眼的视觉信息这一问题,本文提出了一种基于边缘信息的图像质量评价方法。该方法考虑到人眼对图像的边缘信息敏感,运用Prewitt算子提取参考图像与失真图像的边缘信息,对两图像的边缘信息做均方误差,来衡量失真图像的质量,实验结果表明,该方法比传统评价方法更接近于图像的实际质量。     

基于失真类型预测的图像质量评价方法

目的克服单个图像质量评价方法针对各种失真类型的性能表现不均衡的问题。方法首先从多个角度测量参考与测试图像的视觉相似性(包括人眼视觉系统,低层次视觉处理和本地纹理),接着分别利用粗糙集和支持向量机完成特征简化与图像失真类型预测,并最终根据测试图像所遭受的失真类型选取适当的质量评价算法。结果提出一种基于失真类型预测的图像质量评价算法。结论该算法在整体性能上要优于传统的图像质量评价算法,更好地体现了主客观评价的一致性;针对单个失真类型开发性能优的质量评价方法,可以进一步提升该算法的性能。     

基于双字典自适应学习算法的低采样率CT重建

在医疗诊断中,稀疏采样能减少CT扫描过程中辐射对患者的伤害.但直接对稀疏采样后的投影数据进行重建,会使CT重建后的图像出现失真、伪影等问题.为保证低采样率下重建图像的质量,提出了双字典自适应学习算法,参照Sparse-Land模型的双字典学习框架,将K-SVD算法与双字典学习算法框架相结合得到补全投影数据,利用FBP算法进行重建得到高质量的重建图像.实验结果表明,在低采样率下使用所提方法进行CT重建的图像质量优于COMP双字典学习算法和MOD双字典学习算法,并且此方法有效提高了CT图像重建在低采样率时的性能.     

基于深度学习模型的图像质量评价方法

为了有效提取与视觉感知质量高度相关的图像特征,改进图像质量评价方法,在深度学习的框架下,提出一个全新的卷积神经网络IQF-CNN结构,能自动学习判别性更强的图像质量特征,并利用学习的特征进行图像质量评价.同时,该算法采用局部亮度系数归一化、dropout等技术进一步提高网络学习能力.实验结果表明:该算法能较准确地评估五种常用的图像失真,尤其在JPEG压缩、JPEG2000压缩和高斯模糊图像失真上与人眼主观感知质量具有很高的一致性,整体性能比较优于其他经典评价方法.     

一种失真模糊图像的无参考质量评价方法

针对现有的无参考质量评价方法对失真模糊图像不能有效评价这一现象,提出了一种针对失真模糊图像的无参考质量评价方法。该方法将结构相似度(structural Similarity,SSIM)全参考质量评价方法应用到无参考质量评价中,不仅扩宽了SSIM方法的应用范围,也解决了SSIM方法不能合理评价模糊图像质量这一缺陷。首先对失真模糊图像进行低通滤波得到参考图像,计算失真图像与参考图像的结构相似度;然后提取图像的纹理特征,计算失真图像与参考图像的纹理相似度;最后将这两个相似度指标作为输入,LIVE图像数据库提供的主观评价值(different mean objective score,DMOS)作为输出,建立一个[29 1]单隐层BP(back propagation)神经网络预测模型。实验结果表明,方法的预测结果稳定且与人的主观评价分数偏差小,Pearson相关系数(correlation coefficient,CC)和Spearman等级相关系数(rank order correlation coefficient,ROCC)均达到了0.97以上。     

基于边缘图的梯度域图像融合方法研究

梯度域图像融合通过最小化融合图像的梯度场与融合梯度场之间距离求得融合图像,融合梯度场的准确性直接决定融合图像质量;由于源图像信息之间存在互补性,基于结构张量的梯度融合方法得到的融合梯度场的准确性不高,为保证融合图像质量,重构时需要添加其它感知项进行校正;提出了一种基于边缘图的梯度场融合方法,在边缘像素处以梯度值为权重进行加权融合,在非边缘像素处采用梯度值取大规则进行融合;实验结果表明:梯度场融合方法得到的融合梯度场准确性高,重构的融合图像具有满意的视觉质量和客观评价成绩。