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。     

基于稀疏表示与分解残差的全参考混合失真图像质量评价

基于稀疏表示的图像质量评价算法主要针对单失真类型,未考虑不同类型失真对图像不同成分造成的影响,也忽略了失真对稀疏分解残差的影响以及残差对稀疏系数的辅助作用.针对以上问题,将图像分解为纹理与卡通两部分,计算纹理与卡通稀疏系数,并考虑失真对局部残差与全局残差的影响,提出了一种适用于评价混合失真图像的全参考图像质量评价方法.在两个混合失真数据库(MDID2013和MLIVE)中的实验结果表明,该方法的评价结果与主观评分有较好的一致性.     

基于图像内容和双目特性的立体图像质量评价

为提高图像质量客观评价与主观评价的相关性,提出了一种基于图像内容和双目特性的立体图像质量评价方法。首先,分别对参考和失真图像的频域信息加权,提取感兴趣区域作为权重进行融合计算,得到基于图像内容的评价值;然后,利用拉普拉斯金字塔和双目加权模型实现对左右视点图像的逐层分解、融合,并重构合成图,得到基于双目特性的评价值;最后,结合两者得到立体图像质量评价值。以LIVE3D图像库为样本,将该方法与主观评价值作相关性分析。在相同条件下,对于五种失真类型的立体图像,其Spearman等级相关系数总体优于现有算法。结果表明,该评价方法对立体图像质量的预测结果与主观评价值具有较高的一致性。     

基于小波包分解的无参考立体图像质量评价

立体图像质量评价在立体图像处理领域中应用广泛.基于小波包分解的精细分辨率,提出了一种全新的无参考立体图像质量评价算法.选取合值图和差值图作为融合图来评估立体图像,首先,对立体图像对进行小波包分解,基于双眼竞争和双眼抑制原理,将分解后的左右视图进行融合得到合值图和差值图.然后,分别在融合图上提取自然场景统计(NSS)特征和信息熵;另外,考虑到左右视图之间的内在相关联系,提取结构相似度特征.最后,运用支持向量回归(SVR)来建立感知特征和主观分数模型并预测得到客观评价分数.采用该算法在LIVE 3D立体图像数据库上进行测试,实验结果表明,该算法与人眼主观评价结果一致性较高,优于当前主流的立体图像质量评价算法,符合人眼视觉感知特性.     

点渲染方式对量化点云主观质量的影响及算法优化

为探究点渲染方式对量化点云主观质量的影响并优化渲染算法,设计了不同基础几何体类型和渲染半径计算方式的点云主观质量评价实验。通过威尔科克森符号秩检验和双独立样本T检验,分析了基础几何体类型和最近邻渲染算法对几何和属性量化失真点云主观质量的影响。实验结果表明：基础几何体类型由于混叠程度不同而对主观质量影响不同,基础几何体混叠面积越大则主观质量越低;最近邻渲染算法对主观质量影响不显著,该算法减少了点云渲染后空洞的产生,却增大了混叠程度。在属性失真较小时,最近邻渲染算法效果优于渲染半径固定算法;在属性失真较大时,则劣于渲染半径固定的算法。结合主观实验结果,建立了混叠、空洞失真和基础几何体渲染半径的数学模型,在几何量化采用八叉树剪枝的基础上,通过空间相似性对模型参数进行简化并求解,提出一种利用几何量化参数计算基础几何体渲染半径的算法。与最近邻渲染算法相比,所提算法节省了52%的时间复杂度,渲染点云峰值信噪比提升了12.3%,主观质量分数提升了0.5。研究减少了计算资源,提高了渲染效率,可为渲染器的设计和优化提供参考。     

基于块效应的JPEG图像无参考质量评价

根据JPEG压缩图像产生的块效应,提出了一种简单的JPEG图像无参考质量评价方法。首先找出JPEG图像相邻失真块的边界位置,然后计算相邻块边界像素灰度差值的平方,同时累计边界像素的个数,最后利用简单的公式直接得到JPEG图像无参考质量评价值。对LIVE和TID2008数据库中.JPEG图像进行了实验,客观值与主观评价间的线性相关系数分别达到0.924 4和0.937 3。实验结果表明:该方法对不同的图像有良好的适应性。     

复杂环境下基于准干净语音的音质评价方法

提出一种新的复杂环境噪声下无参考源语音质量客观评价方法.该方法基于准干净语音构造和有参考源评价模型,实现接近于有参考源客观评价的性能.首先,采用改进的最小值控制递归平均算法和多带谱减法获得带噪语音的准干净语音;然后,将该准干净语音作为改进的主观语音质量评估(PESQ)算法的参考语音,计算参考语音与带噪语音之间的失真误差,获得带噪语音的客观评价分值.实验结果表明:该算法客观评分相关度达到0.927,与有参考源语音质量客观评价标准的相关度0.931相比,实现了99%的接近,与无参考源的客观评价标准相比,提高了7.4%.     

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.     

基于多阶结构表示的超分辨率重构图像质量盲评价方法

为了客观地预测超分辨率重构图像的质量,提出了一种基于多阶结构表示的超分辨率重构图像无参考质量评价方法.利用多阶导数信息表示超分辨率重构图像的主要结构和细微纹理,并利用局部二值模式提取超分辨率重构图像的多阶结构特征;结合主观分数,利用随机森林回归训练图像质量预测模型,再利用模型预测待测图像的质量.为了证明该算法的有效性和优越性,对比实验在一个大尺度超分辨率图像数据库上进行.该算法的斯皮尔曼相关系数和皮尔森线性相关系数分别为0.9103和0.9183.实验结果表明,该算法优于现有的无参考质量评价算法,与主观评价结果保持较高的一致性.此外,该算法时间复杂度低,运行时间适中.     

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.