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。     

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IGM和深度感知的立体图像质量评价

根据人类视觉系统的特点,提出了一种基于内在推理机制(internal generative mechanism, IGM)和深度感知的半参考立体图像质量评价(stereoscopic image quality assessment,SIQA)方法,用图像质量和深度感知质量2个因素来评估立体图像的体验质量(quality of experience, QoE).首先,对于图像质量,根据大脑的内在推理机制将左右视点分别分解成可预测部分和不确定部分,用基于灰度共生矩阵(gray level co-occurrence matrices, GLCM)和基于视觉信息量的质量评价方法计算这2个部分的质量;然后,对于深度感知质量,采用一种改进的自然场景统计(natural scene statistics, NSS)模型来预测这部分质量;最后,将图像质量和深度感知质量融合为立体图像体验质量.实验结果表明,该算法在常用视频库上的结果优于现有的评价方法,且与主观感知具有较高一致性.     

基于初级视皮层视觉特性的图像质量评价方法

针对现有的图像质量评价方法多从特征提取角度考虑图像的失真,忽视初级视皮层是视觉信息处理和认知推理的前提的问题,受人类视觉系统特性的启发,提出一种基于初级视皮层视觉特性的图像质量评价算法;该方法基于对初级视皮层视觉特性的学习,利用初级视皮层中感受野对视觉感知信息的稀疏编码特性,提取模拟初级视皮层感受野特性的基函数,结合独立成分分析和结构相似度算法构建一种初级视觉相似性测度法,并在LIVE图像数据库中进行实验。结果表明,该模型的预测结果与主观质量评价有很好的一致性,并优于已有的结构相似度算法。     

基于深度残差回归网络和图像块预置信度的盲图像质量评价研究

互联网技术的发展使得信息载体形式逐渐多元丰富，其中图像作为重要的信息载体形式能有效实现信息的交流与传达.但当前多数图像质量评价场景均为盲图像，其图像特征的提取精度以及与人类视觉系统的拟合程度依然是重要的研究内容.故该文基于原盲图像提取过程中受核函数受限问题而造成的低精度问题，通过引入深度残差回归网络和图像置信度，并借助图像子块的划分、非均匀步长的引入以及基于亮度和对比度的置信区间设置来获得图像的预测质量分数.结果表明，该盲图像质量评价算法具有较好的泛化性能，且在不同尺寸划分下的失真图像预测结果中均有超过3%的分数提升效果. SROCC值和PLCC值均在0.9以上，RMSE值均低于其他算法，主客观评价质量具有较高的一致性.该方法能有效为符合人眼观测的盲图像预测质量评价提供新的手段，拓宽其评价工作深度.     

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.     

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。     

基于注意力和最小可觉差的GAN生成图像质量评价

现有的客观图像质量评价方法用于GAN生成图像质量评价时，往往出现与人的主观评价不一致的情况.针对这个问题，提出了一种更符合人类视觉感知的GAN生成图像质量客观评价方法AJ-GIQA(attention and just noticeable difference based generated image quality assessment).首先，模拟人类视觉系统的失真敏感度特性，对GAN生成图像进行预处理，得到其最小可觉差图；然后，将注意力模块引入特征提取网络，模拟人类视觉系统的注意力机制，获取图像的显著性特征；最后，将图像特征输入结合语义信息的质量预测网络，基于图像内容综合评价GAN生成图像的质量.在GAN生成图像数据集上的实验结果表明，AJ-GIQA的评价结果与主观平均意见得分有更高的一致性；在图像质量排序一致性上的实验结果表明，AJ-GIQA的准确率在LGIQA-LSUN-cat数据集上达到了最优，和SFA方法相比性能提高了0.267;在泛化性能上的实验结果表明，与最先进的HyperIQA方法相比，AJ-GIQA在数据集PIPAL的Pearson线性相关系数提高了0.027...     

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.     

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．     

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.     

基于模糊元胞自动机的图像边缘检测方法

针对基于元胞自动机图像边缘检测的原有算法,提出了新的改进算法.该算法采用基于方向信息测度与边缘有序性度量的多信息融合方法,利用模糊逻辑对特征信息进行模糊推理,利用推理结果对上一时刻特征信息进行模糊反馈处理,最终通过元胞自动机的自动演化工程得到图像边缘.试验表明,算法边缘检测的准确度高,检测模糊边缘和细节边缘的能力较强.是一种实用、高效的图像处理算法.     

基于模糊度量视觉特征的非局部均值去噪

针对非局部均值(non local mean,NLM)相似性度量不够准确的问题,提出一种基于模糊度量的视觉特征相似度的改进非局部均值图像去噪算法.利用模糊度量理论构建视觉特征度量相似性函数作为衡量图像像素点相似性;将平滑核函数代替高斯加权核函数,提高运算速度和避免滤波参数的设置;利用构建视觉特征相似性度量生成的平滑核函数,对图像进行去噪.由于改进方法考虑图像视觉结构特征,更加完善了非局部均值结构相似的特点.在高斯噪声和椒盐噪声下,用峰值信噪比(peak signal to noise ratio,PSNR)和结构相似性(structural similarity index,SSIM)评价指标分别对比分析提出方法与几种优秀的改进NLM方法的降噪性能.实验结果表明,改进的新方法在去噪性能方面得到较高的提升,同时降低了相似度计算的复杂度和减少了参数设置问题.     

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%.     

一种基于知觉模拟的全参考图像质量评价方法

为提高客观图像质量评价与主观图像质量评价的一致性,提出一种模拟人类感知图像质量过程中,由生理因素主导的前期过程和由心理因素主导的后期过程的IQA 方法. 人类感知图像信息的过程依赖于人脑的内部生成机制,它主动预测图像中易被感知的简单结构且忽略难以被感知的复杂结构. 此方法利用贝叶斯预测模型将输入图像分为易感知区域和难感知区域,对具有各异感知特征的两区域通过不同特征进行分别评估. 最后采用关于视觉显着性和亮度掩蔽的整体综合策略,对两组评估结果统一进行计算. 基于整体感知的综合策略和基于局部感知的保真度测量在此方法中互为补充.TID2008 等4 个通用评测数据库的实验结果,指出了该方法具有良好的预测精度和稳定性.     

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。     

基于多层级信息稀疏表征的盲图像质量评价

针对现有盲图像质量评价只关注图像局部或全局特征,且难以有效聚合特征等问题,提出了一种基于多层级信息稀疏表征的评价方法.首先,利用合成失真技术构建大规模数据集;然后,在原始图像上提取图像块作为初级视觉信息建立局部描述子集,同时通过卷积神经网络提取高级语义信息建立全局描述子集,在此基础上利用稀疏编码进行无监督学习训练,得到局部描述子码本和全局描述子码本;最后,汇聚目标数据集训练样本在两类码本上的稀疏编码系数作为图像表征,结合已有标签训练支撑向量回归(SVR)模型以预测图像质量.在LIVE,CSIQ和TID2013单个数据库上的实验结果表明:所提算法具有较强的主客观一致性,整体性能优于其他先进方法.研究结果表明本文算法具有较强的泛化能力和攻防竞争力,有益于图像质量评价任务的广泛应用.