一种失真模糊图像的质量评价方法

目前的图像质量评价方法很难有效地评价失真模糊图像,其评价结果往往不符合人眼主观评价.为了寻求评价准确的方法,设计一种改进的结构相似度评价方法.考虑到小波分解能够模拟对比敏感度特性,利用不同空间频带的小波系数进行CSF特性加权,分别对待测试图像和参考图像提取出人眼感兴趣的中高频信息,然后进行结构相似度对比,以克服SSIM方法不能对失真图像有效评价的缺陷.经实验验证,该方法的评价结果比传统方法更符合主观评价.     

基于频域的结构相似度的图像质量评价方法

基于结构相似度信息(SSIM)的图像质量评价方法结构简单、评价性能优于峰值信噪比(PSNR),但是在研究中发现SSIM不能很好地评价严重模糊的图像。该文提出一种基于频域的结构相似度(FSSIM)的图像质量评价方法。该方法将频域信息作为图像的主要结构信息,根据人眼视觉系统(HVS)对不同频率分量的敏感程度不同,对离散余弦变换后的各频率分量加权后得到图像的频域函数。由频域函数、亮度函数和对比度函数计算得到结构相似度。实验结果表明,FSSIM比SSIM和PSNR更符合人眼视觉系统特性,能较好的评价图像质量。     

基于频域的结构相似度的图像质量评价方法

基于结构相似度信息(SSIM)的图像质量评价方法结构简单、评价性能优于峰值信噪比(PSNR),但是在研究中发现SSIM不能很好地评价严重模糊的图像。该文提出一种基于频域的结构相似度(FSSIM)的图像质量评价方法。该方法将频域信息作为图像的主要结构信息,根据人眼视觉系统(HVS)对不同频率分量的敏感程度不同,对离散余弦变换后的各频率分量加权后得到图像的频域函数。由频域函数、亮度函数和对比度函数计算得到结构相似度。实验结果表明,FSSIM比SSIM和PSNR更符合人眼视觉系统特性,能较好的评价图像质量。     

基于图像块分类的加权结构相似度

基于结构信息的图像质量评价方法--结构相似度(SSIM)方法计算简单、性能优越,但该方法仅简单地将各子块SSIM的平均值作为整幅图像的平均结构相似度(MSSIM),而人眼对图像不同区域的视觉灵敏度不同.为此,文中提出了一种基于图像块分类的加权平均结构相似度(WSSIM)的图像质量评价方法,即先将图像分块并将子块区分成边缘块、细节块和平滑块三类,然后对不同类型块的SSIM值赋予不同的权值,最后计算得到整幅图像的WSSIM.实验结果证明,文中方法明显优于MSSIM和基于方差加权的SSIM.     

基于梯度的结构相似度的图像质量评价方法

虽然基于结构信息的图像质量评价方法——结构相似度（SSIM）模型结构简单、评价性能优于峰值信噪比（PSNR）或均方误差（MSE）模型，但SSIM模型不能较好地评价严重模糊的降质图像．文中提出了一种基于梯度的结构相似度（GSSIM）图像质量评价方法，该方法将梯度作为图像的主要结构信息．实验结果表明，GSSIM模型比SSIM和PSNR（MSE）模型更符合人眼视觉系统特性，能较好地评价模糊图像的质量．     

一种无参考监控视频图像清晰度评价方法

监控视频调焦时容易出现镜头离焦,导致输出图像模糊。为了降低人工检测成本,提出了一种基于结构相似度的无参考图像清晰度评价算法,用于评价监控安防设备视频图像的清晰度。在无参考的情况下,首先利用Sobel算子和高斯滤波器对待评价图像构造参考图,在此基础上计算分块后的图像结构相似度SSIM,为了更好地与人眼习惯吻合,利用权值加成各子块SSIM值,最后根据计算值评价图像的清晰度。实验结果表明:本文方法对图像模糊敏感度高,检测准确性优于传统检测方法,可以应用于实时的监控视频图像诊断。     

考虑人眼视觉特性的射线检测数字图像质量评价方法

针对增强处理后图像的客观评价值和主观评价值不一致的问题,提出了一种基于人眼视觉特性的图像质量评价方法.通过分析人眼视觉系统的感应特性,给出了位置影响因子、细节影响因子和灰度影响因子的定义,综合这些影响因子后得到了基于人眼视觉的质量影响权值.采用该权值对图像失真敏感度、失真度、信息熵增量和结构相似度等客观评价指标进行重构,并对各重构后的客观评价指标进行综合,得到了图像评价的综合指标.实验结果表明,该方法的线性相关系数比峰值信噪比和结构相似度分别提升了80.02％和78.85％,绝对误差均值比峰值信噪比和结构相似度分别提升了3.96％和7.96倍,均方根比峰值信噪比和结构相似度提升了6.45％和8.37倍,Spearman等级相关系数比峰值信噪比和结构相似度分别提高了1.01倍和1.69倍,表明该方法的评价正确性高、单调性最优,因此更适合于对射线检测数字图像的质量评价.     

基于加权结构相似度的图像融合质量评价

利用结构信息理论,提出了基于加权结构相似度的图像融合质量评价方法.该方法充分考虑了图像的结构信息和人眼的视觉特性,无需标准参考图像,可以为不同场合下选择不同的算法提供依据.不同融合算法的质量评价结果表明该方法是有效的.     

基于块分类的图像加权结构相似度

图像质量评价方法用来评价图像质量或图像处理算法的优劣,在图像处理领域至关重要。Zhou Wang等人提出的结构相似度图像质量评价方法,具有计算简单、性能优越的特性。但其不足之一是没有区别对待图像的边缘块,细节块和平滑块,仅简单地取子块结构相似度（SSIM）的平均值而得到整幅图像的平均结构相似度MSSIM。基于此,本文提出了一种基于图像块分类的加权平均结构相似度（WSSIM）的图像质量评价算法,并进行了大量的仿真实验,实验结果证明,本文所提算法明显比MSSIM更加符合人眼视觉系统特性（HVS）。     

基于频域相似性的图像质量评价方法

目的采用一种新颖的视觉信息处理模型模拟人眼视觉系统的功能。方法在两个独立的视觉信息处理通道分别测量基层与细节层的视觉相似度,然后通过空间域加权合并得到图像感知质量。结果提出一种基于频域相似性的图像质量评价算法。结论该算法在多个数据库上的整体性能以及针对单个失真类型的表现都要优于均方差(MSE),通用质量指标(UQI)、结构相似度(SSIM)和多尺度结构相似度(MS-SSIM)方法;针对失真类型的变化,它的性能表现也相对稳定,表现出较高的鲁棒性。     

基于注意力选择与感觉容量的图像质量评价算法

图像质量评价是用可计算的模型模拟人的主观判断。根据人眼对图像高低频失真的感觉容量不同及注意力选择特性,本文提出一种新的图像质量评价算法。首先,将图像的高低频信号分别选用视觉显著图的系数和小波变换的近似系数表示;然后,采用不同方法分别计算图像高频和低频失真量,两种失真量的乘积就代表图像质量评价。这种客观评价算法与LIVE图库中DMOS的线性相关性达到0.906 4以上,明显优于PSNR和SSIM等算法。     

数字图像的质量评估

围绕数字图像的质量评估,进行了简要综述。分析了主观评估和客观评估各自的优缺点,回顾了传统的全参考图像质量评估方法;介绍了已广泛用于客观质量评估的人类视觉特性与感兴趣区域;列举并评述了2类代表性的全参考质量评估模型SSIM和FSIM;总结了无参考质量评估的一些特点和动向;最后对该领域未来的研究方向进行了展望。     

基于2D视觉注意模型的全参考图像质量评价方法

为进一步提高视频图像质量评价主客观的一致性, 提出一种基于2D视觉注意模型的全参考质量评价方法。将2D视觉注意模型与PSNR(Peak Signal to Noise Ratio)、 SSIM（Structural Similarity Index Method）、 GSSIM(Gradient based Structural Similarity Index Method)评价方法相结合, 进行视频图像质量评价。实验结果表明, 该方法对图像质量评价较原PSNR、SSIM、GSSIM方法更有效; 在LIVE数据库上得到的Pearson、Spearman相关系数分别为0.903 5和0.903 1; 较其他评价方法原理简单, 计算复杂度较低, 且性能较优, 具有很好的评价效果。     

小波域结构相似度图像质量评价

针对结构相似度模型在模糊图像以及低位率压缩降质图像评价中存在的不足,提出一种基于小波域结构相似度的图像质量评价(WDSSIM)算法. 该算法将整幅图像划分成具有不同尺度和频率特征的子带图像,比较原始图像和失真图像的子带图像之间的结构相似度,并依据视觉系统对于不同频率特征失真敏感程度进行加权. 实验结果分析表明,WDSSIM算法对于更广泛一类的图像评价与主观感受保持较好的一致性.     

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。     

基于视觉感兴趣度和HVS特性融合的图像质量评价方法

本文在对视觉感兴趣度和人类视觉系统特性深入分析研究的基础上,提出了一种基于视觉感兴趣度和视觉系统特性相融合的图像质量评价新方法。该方法首先根据影响视觉感兴趣度的五个因子进行综合得到感兴趣度因子,结合结构相似性方法得到感兴趣度模型。然后利用小波分解后的子频带图像进行质量评价,对结果进行视觉敏感度加权,在此基础上得到评价算法。并通过实验验证本文所提出的算法的正确性,其测试结果并与视觉主观感受保持很好的一致性。     

一种真彩色图像客观质量评价方法

图像质量评价已成为图像科学的重要分支。从真彩色图像的角度分析,利用人眼对于颜色信息较为敏感这一特性,将颜色失真加入到图像质量评价中。分析了适合人眼视觉感知的HSI颜色空间,提出了一种度量颜色相似度的方法,及分别度量颜色的色度和亮度的相似度,使用带有空间距离作参数的指数函数模拟颜色降质。在此基础上,提出了基于结构和颜色相似度的客观质量评价算法CS_SSIM,将颜色相似性融合到结构相似性中,并详细描述了算法实现过程。实验表明,在真彩色图像上,CS_SSIM具有更好的单调性和一致性。     

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。