基于小波高频奇异值分解的无参考模糊图像质量评价

针对传统无参考模糊图像质量评价方法通常需要进行学习训练或构造参考图像再进行质量评价从而导致算法较复杂且计算量大的问题,文中提出一种简捷有效的图像高频奇异值分解的无参考模糊图像质量评价方法。该方法根据自然图像同尺度不同方向高频子带小波系数相关性随模糊程度加深而降低的特性,利用奇异值分解获取图像高频子带结构特征,计算同尺度不同方向高频子带结构特征向量夹角作为质量评价指标。通过LIVE2,CSIQ和TID2013图像数据库实验表明,提出的方法与主观评价具有较好的一致性,而且算法无需训练或构造参考图像,较传统评价算法运行更为简便,实用性更强。     

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。     

无参考的车牌自动识别图像质量评价方法

提出一种针对车牌识别算法要求的车牌图像质量综合评价方法。其中根据车牌识别算法的普遍要求,归纳出了四种车牌图像质量评价因子:亮度偏移、亮度分布一致性、对比度、清晰度。最后使用主成份分析方法将四种评价因子综合起来建立得到对车牌图像的总体质量评价标准。采用这个评价标准,可以在无参考的情况下对单张车牌图像给出质量评价,为降低系统误差提供量化的依据,从而到达为识别算法提供高质量的输入图像的目的。     

基于非全连接卷积神经网络的无参考图像质量评价方法

针对图像传统质量评价方法难以对人脑评价图像的复杂模型进行模拟的问题,提出了一种基于双路卷积神经网络的深度学习无参考质量评价方法. 该模型通过两路卷积网络的卷积层和池化层来提取图像特征,分别选用不同大小输入以保证每次对图像小范围进行评价,通过输入的卷积网络对周围环境进行参考,最终对图片进行综合评价时,使每幅图像之间都能相互关联. 实验结果表明,该模型在现有无参考图像质量评价方法效果突出,SROCC 值与PLCC 值均在0.95 以上,其质量评价结果与图像库中的人眼主观质量评价结果之间具有较好的一致性.     

基于改进WMTrA算法的无参考图像质量评价方法

基于机器学习的无参考图像质量评价方法依赖于大量训练样本,但训练数据集的构建需要耗费大量人力物力。依据迁移学习理论,面向上述问题,本文首先提出了一种基于改进加权多源TrAdaboost算法 (Weighted Multisource TrAdaboost,WMTrA)算法的无参考图像质量评价算法,它采用权重自动更新方式,挖掘辅助图像库中的有价值样本,只需少量目标图像库样本便可以建立准确的图像质量评价模型;然后,本文将它应用到无参考图像质量评价方法上,检测了其效果。在JPEG,JPEG2000失真图像上的评价结果表明,本文方法相比于传统机器学习算法,能够有效利用现有辅助数据集,减少对目标数据集的数量要求,是一种具有实用性的无参考图像质量评价方法。     

基于权重组合学习的无参考立体图像质量评价

深度学习被广泛应用于2D 图像的质量评价(2D-IQA) 研究中,而在3D 图像质量评价(3D-IQA) 中还没有展开深入研究.针对对齐失真立体图像,本文提出了一种基于权重组合学习的无参考立体图像质量评价模型.通过有效融合两支独立的单视图质量评价深度网络模型,将左右眼视图作为整体对象进行评估; 再根据双目竞争原理,又设计了一种权重深度网络用以估计左右眼的不同能量分布; 最后,这两个子网络组合成端到端的权重组合学习深度质量网络.实验结果证明: 该模型对于对称失真的立体图像质量评价有显著提升.     

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。     

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.     

双域无参考视频质量评价算法

为了提高视频质量评价的精确度,降低计算复杂度,提出了一种双域无参考视频质量评价算法.在压缩域,利用从码流中提取的编码信息,结合视频内容复杂度来计算视频相似度;在像素域,结合人类视觉系统的特性,通过块效应和模糊效应评估来计算视频失真度;最后,综合视频相似度和失真度得出视频客观质量.文中选用LIVE Video QualityDatabase对算法效果进行了评估,结果表明:该算法的预测精确性和单调性分别达到0.801 3和0.786 1,优于全部10种对比的视频客观质量评价方法;同时,该算法具有较低的计算复杂度,可以满足实时应用要求.     

基于分数阶微分的图像质量评价

基于感觉容量的图像质量评价算法(SC)计算简单、性能良好。它的图像细节用拉普拉斯变换系数表示,但拉普拉斯变换对噪声敏感,而分数阶微分可以提升信号中高频成分,且对噪声不敏感。文中提出了一种基于分数阶微分(FDSC)的图像质量评价方法,该方法将分数阶微分取代SC模型中的拉普拉斯变换。实验结果表明,FDSC模型与LIVE图库上差异主观评价分(DMOS)的线性相关性优于PSNR、SC和结构相似度算法。     

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。     

考虑丢包特性的无参考网络视频质量评估模型

针对相同丢包率条件下不同的包丢失集中度对视频质量影响不同的问题,提出一种考虑丢包特性并且不需要对视频解码的无参考网络视频质量评估模型.首先依据码流信息在压缩域计算视频的时域复杂度,然后在压缩域计算包丢失集中度和包丢失率对视频质量的影响因子.考虑到人眼视觉系统的空域掩盖效应和时域掩盖效应,进而提出由于丢包引起的视频质量下降的视频质量评估模型.该模型不需要对视频进行完全解码,具有资源开销小、实时性好的特点,适合对实时传输的视频流进行质量评估.实验结果表明,使用该视频质量评估模型测得的视频包丢失质量评分与其主观质量评分有很好的一致性,相比于国际标准G.1070中的丢包视频质量评价模型,无参考网络视频质量评价模型与主观质量评价的相关性平均提高了6.18%.     

基于POCS算法的块效应消除方法研究

基于分块的离散余弦变换(BDCT)在众多的国际图像、视频压缩标准中是一种主要的压缩算法,它的一个主要不足就是在低比特率下会出现明显的块效应.而凸集投影法(POCS)作为一种经典的图像恢复算法,在去除块效应的效果上并不是很理想.本文针对一点,对其进行了改进,设计了基于图像边缘的点扩散函数(PSF),提出了基于像素的方向性和边缘灰度级相结合的选择过程.实验结果表明,该算法能够有效地消除低码率图像中的块效应,同对图像中的边缘细节有一定的恢复作用.     

Color Image Quality Assessment Based on Structural Similarity

It is well-known that classical quality measures,such as Mean Squared Error(MSE),Weighted Mean Squared Error(WMSE)or Peak Signal-to-Noise Ratio(PSNR),are not always corresponding with visual observations.Structural similarity based image quality assessment was proposed under the assumption that the Human Visual System(HVS)is highly adapted for extracting structural information from an image.While the demand on high color quality increases in the media industry,color loss will make the visual quality differe...     

基于图像分析的黄豆质量评估方法的研究与实现

种子是种植业最基本的生产资料,种植业的成败在很大程度上取决于播种种子的质量;而种子质量评价是确保种子质量和种子资源管理的重要环节。使用计算机对黄豆图像进行采集、预处理,提取出黄豆的周长、面积和圆度等形态特征,然后与不同等级的黄豆形态特征进行比较,实现了对黄豆质量的自动分类评级,省去了人工统计的麻烦,有效节省了时间。