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。     

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。     

一种基于结构失真的图像质量评价方法

在音/视频处理应用中,对图像的客观质量评价具有重要作用.目前,大多数的质量评价都是基于误差敏感度的.本文采用基于结构失真的图像质量评价方法,使用结构失真度来作为视频失真的估计,并在VQEG实验测试数据集合中,证明了此方法与主观评价法有高的相关性.     

数字图像质量评价方法研究

图像质量评价方法在数字图像处理方法的研究中起重要的作用.本文深入剖析了评价图像质量的主 观方法和客观方法.试验结果表明,评价方法各有优缺点,而基于图像局部特性的质量评价方法更符合人的视觉对图像的感知,能够使客观评价和主观评价相一致.最后指出了图像质量评价研究的发展方向.     

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。     

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。     

CATV运行中交调与互调的物理机制及对策

本文就ＣＡＴＶ运行中存在的交调与互调干扰问题，根据波的传播特性及放大器的非线性失真，对其形成的物理机制进行初步探讨，并对如何改善这两种干扰，提高ＣＡＴＶ运行中的图象质量，结合本人在处理这两种干扰的实践实验，提出一些对策。     

一种基于S-CIELAB的图像质量评价模型

在图像质量评价中加入人眼视觉系统特性能够提高其评价性能。S—CIELAB是一个在考虑了人眼视觉系统的空间模糊特性基础上计算彩色图像色差的模型。文章研究了采用S—CIELAB模型来评价图像质量的方法，对JPEG2000压缩图像与原图像失真度的预测结果与视觉评价基本一致。     

一种静止图像质量评价指标

介绍一种新的静止图像质量评价算法，其数学模型的建立依据为：图像总的失真主要由相关损失、对比度失真和亮度损失3方面造成。该方法性能高于常用的均方误差和峰值信噪比图像质量评价方法，且简单有效。用此法对静止图像压缩中解压图像的质量进行评价，其结果与人眼的感知评价保持较好的一致。     

基于小波变换的无参考视频质量评价

无参考视频质量评价算法均是针对特定的失真类型,但一个失真视频中往往有多种失真类型存在,仅对某种特定的失真进行评价无法全面反映出视频质量;鉴于此,基于小波变换提出了一种能够对多种失真类型进行综合评价的图像质量评价算法;最后,通过亮度和运动估计帧加权的方式将上述方法扩展到视频质量评价中;实验证明了本方法具有较高的评价准确性。     

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。     

基于奇异值分解的图像质量评价

分析了传统的基于灰度误差的图像质量评价算法的局限,扩展了图像质量评价的定义.考虑原始图像和畸变图像尺寸不一致的情况,提出了用奇异值分解把图像矩阵转为向量,用奇异值向量之间的夹角作为图像的质量评价指标.实验表明:提出的基于奇异值向量夹角的准则对压缩、噪声和旋转、平移、尺度等几何畸变等都具有好的性质;且适于文中扩展的质量评价的定义.最后对实验结果和人类视觉系统的主观评价进行了比较分析.     

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。