立体压缩图像的客观质量评价方法

针对立体图像的客观质量评价问题,提出了一种适合于立体压缩图像的质量评价方法．该方法基于平面图像的人类视觉系统评价模型,考虑了人类视觉系统的多通道特性和对比度敏感度特性,使用Contourlet变换实现多通道分解,将立体图像对的差值信号进行评价．实验结果表明,该方法得到的质量评价结果符合人眼视觉特性,与主观质量评价方法的一致性较好,能够客观反映压缩立体图像的质量．     

基于PSNR立体图像质量客观评价方法

立体图像技术的发展为其质量评价提出了新的课题．为此,以平面图像的客观评价方法PSNR为基础。通过分析人类立体视觉,提出了一种立体图像质量评价方法．该方法分两部分进行立方体图像质量评价,分别是图像质量客观评价与立体感觉客观评价．实验结果表明,该方法的评价结果与主观评价结果基本一致,能够反映图像质量以及立体感的优劣度．     

半色调图像质量评价研究

合理的数字半色调图像质量评价指标是图像再现技术评价的关键．针对数字半色调方法实现过程的不同，对数字半色调图像的质量在主观、客观和时间复杂性方面分别进行分析．结果表明，采用基于上下文相关的填充曲线半色调方法得到的再现图像主观质量最好，整体统计特性仅次于采用标准误差扩散得到的图像，再现图像的边缘平滑性最好，但是其程序运行时间较长；Bayer抖动和标准误差扩散方法得到的再现图像质量的主客观效果最差，其运行时间较短．     

基于图像信息相关性的质量评价方法

图像质量评价是图像工程的重要内容之一,在图像通信过程中起着举足轻重的作用。评价方法一般来说可分为客观质量评价方法和主观评价方法。文中分析了传统的MSE和MOS图像质量评价方法及其一些缺点,在分析图像信息和相关性理论基础之上,通过对基于结构失真的图像质量评价方法的深入分析,提出了一种对结构失真评价方法进行改进的图像质量评价方法,实验证明所提出的改进方法与人的主观视觉质量具有一致性。     

基于视觉特性的图像融合质量评价新方法

建立图像融合质量评价标准是图像融合中急需解决的问题之一,本文在分析讨论了现有主、客观评价方法的基础上,提出的一种新的结合主观和客观因素的图像融合质量评价方法,该方法无需理想图像,同时充分考虑了人类视觉特性.通过对红外与微光图像在不同融合算法下的质量进行评价表明,该方法是一种实用的、有效的图像融合质量评价方法,可以为选择图像融合算法提供依据.     

立体相机微距拍摄质量客观评价方法

在充分研究立体相机参数设置准则基础上,提出了一种立体相机微距拍摄质量的客观评价方法.结合平行和会聚相机不同的内部结构及成像规则,分别研究两种立体相机的内部参数和场景参数对拍摄质量的影响,通过大量主观实验,最终建立了立体相机微距拍摄质量客观评价模型.实验结果表明,所提出的评价模型与主观评价结果基本一致,能够反映立体相机微距拍摄质量的优劣.     

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。     

一种基于帧间信息的组合型差错掩盖算法

针对帧间编码模式的视频图像在易错信道中传输产生图像块丢失的现象,提出一种基于帧间信息的组合型差错掩盖算法以提高解码端的图像质量。根据丢失块周围已正确接收的图像块的运动矢量信息把丢失块分成低活动块和高活动块两类．对于低活动块,用平均运动矢量法来恢复丢失块;对于高活动块,根据前后帧图像具有空间结构相似性,利用凸集投影的原理采恢复丢失的图像块．实验结果表明采用本文算法恢复的图像主观和客观质量都比传统的算法要高．     

应用人类视觉特性的立体图像质量评价方法

提出了一种适合立体图像的质量评价方法,该方法基于平面图像的加权平均结构相似性评价规则,考虑了心理立体视觉的物理线索,联合了心理、生理立体视觉特性,最终给出了2种不同复杂度的实现方法．实验结果表明,2种复杂度不同的方法均能很好地用于立体图像的质量评价,且评价结果与主观评价结果相关性很强．     

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...     

多模态医学图像融合图像质量评估

目前大多数的质量评估算法都应用于自然图像的融合场景,缺乏专用评价的医学图像数据集及多模态医学融合图像的质量评估算法。针对此问题,利用17种经典的医学图像融合方法构建医学图像主观数据集,解决无专用评价数据集的问题;提出一种基于色彩相似度(color similarity,CS)和信息相似度(information similarity,IS)的客观医学图像质量评价方法。将CS模块用于测量局部颜色失真,在传统的池化层上添加背景分离模块使其适用于医学图像多背景干扰特性;将IS模块用于衡量信息失真,改进图像熵的计算方法,添加过滤模块以剔除图像噪声。实验结果表明,所提方法的预测值和主观数据集客观评分具有更好的一致性,更符合人类视觉系统。     

Image and Video Quality Assessment Using Neural Network and SVM

An image and video quality assessment method was developed using neural network and support vector machines （SVM） with the peak signal to noise ratio （PSNR） and the structure similarity indexes used to describe image quality. The neural network was used to obtain the mapping functions between the objective quality assessment indexes and subjective quality assessment. The SVM was used to classify the images into different types which were accessed using different mapping functions. Video quality was assessed based on the quality of each frame in the video sequence with various weights to describe motion and scene changes in the video. The number of isolated points in the correlations of the image and video subjective and objective quality assessments was reduced by this method. Simulation results show that the method accurately accesses image quality. The monotonicity of the method for images is 6.94% higher than with the PSNR method, and the root mean square error is at least 35.90% higher than with the PSNR.     

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。     

无参考JP EG压缩图像质量评价改进算法

针对传统JPEG压缩图像质量评价算法存在高计算复杂度的问题,通过改进经典的JPEG压缩图像质量评价算法,以无参考为基础,提出一种快速有效的质量评价算法。该算法将人眼视觉系统特性引入到图像质量评价体系中,利用局部方差选取人眼感兴趣图像块代替整体图像,并只针对感兴趣图像块做特征提取处理,计算得出3个图像的特征值,最后将所有特征值整合为一个评价值,获取原始整体图像的客观质量评价参数。仿真测试结果表明,与传统整体图像JPEG压缩图像评价算法相比,该算法皮尔逊相关系数提高0．01,与主观评价结果更为一致;运算速度提高一倍,降低了运算复杂度。     

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。     

基于时域结构的二值图像质量评价

提出基于时域分层结构的图像质量评价方法，认为分层结构矩阵由细节到抽象的过程反映了人类视觉抓取信息的过程．先提取图像分层结构，计算降质前后图像结构矩阵对等层的互相关，然后对不同结构层赋予相应的层次因子以反映视觉对轮廓的敏感程度，最后加权累计整幅图像的结构相关SC（Structure Correhtlon）．实验证明SC可以代表降质图像与原图像的相似程度，能保证客观判断与主观视觉结果的一致性．图6，表2，参10．