基于近邻算法的GAN生成图像质量评价

GAN生成图像质量评价是指对GAN生成的图像进行评价,判断生成图像的失真度是否影响观察者的信息获取和主观感受.目前,GAN生成图像质量评价算法较少且算法运行效率不高.该文提出一种基于近邻算法的生成图像质量评价(Near-Neighbor based Generated Image Quality Assessment, NN-GIQA)算法,实现对GAN生成图像的自动、客观、高效评价.首先,基于ANN算法获取生成图像的近邻构成相似图像候选池,缩小生成图像对比范围;然后,基于KNN算法在相似图像候选池中获取与生成图像最相似的K个真实图像得到生成图像质量分数;最后,评价多个经典GAN模型在多个经典数据集上获取的生成图像的质量.实验结果表明本文方法有效提高了GAN生成图像质量评价的效率和准确性,运行时间仅为其他方法的1/9～1/28,其评价结果和人类主观评价结果的一致性达到80%以上,符合人类视觉感知.     

基于小波包分解的虹膜图像质量评价算法

在虹膜识别系统中,虹膜图像的质量是影响识别效果的重要因素。为了保证识别的准确性,必须选择满足识别算法需要的图像来进行特征提取和模式识别。在对现有虹膜图像质量评价算法分析的基础上,该文提出了一种新的基于小波包分解的算法,根据虹膜纹理的特点确定小波包的分解方式,选取纹理高频分量分布最集中的子频带作为特征子频带,以其能量作为判别图像质量的准则。对比实验结果表明,该方法可以快速、准确地判断虹膜图像的质量,实现了对图像的实时处理,结果合乎人眼的主观度量,且区分不同质量图像的效果优于其它评价算法。     

基于SSIM的自适应样本块图像修复算法

现有基于样本块的图像修复算法,大多通过人工设定样本块大小来达到最佳修复效果,缺乏自适应性;此外,对图像不同纹理和结构区域采用相同大小的样本块,也不利于获得整体最优修复效果.为解决上述问题,本文提出一种基于改进结构相似性的自适应样本块大小选取算法,在传统的SSIM算法的基础上增加了梯度信息,并通过结合样本块亮度、对比度和结构3个模块来衡量结构差异,以此确定不同结构和纹理区域的最优样本块大小,提高算法适应性,改善修复效果.仿真实验结果表明,当图像存在复杂的结构和纹理信息时,本文算法仍然能够获得理想的修复效果.     

基于竞选算法的灰度图像匹配研究

针对灰度图像匹配算法普遍计算量大、速度较慢的问题,将灰度图像匹配问题转化成全局优化问题,然后利用竞选算法求全局最优解,以达到优化匹配性能的目的。图像匹配实验证明:在保证匹配精度的条件下,基于竞选算法的灰度相关匹配算法匹配速度大幅提高。     

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。     

基于灰度累积评价的全景图像自动拼接算法

在已有的全景图像拼接方法中,无论是柱形还是球形,都需要很多人工操作,这使得工作效率低下并且成本高昂.为了实现自动化,提出一种新的拼接方法:把拍摄的照片用一种按纹理中心点进行的球面映射方法来进行纹理投影,考察这样投影后照片的重合带图像,以重合带的差值图像灰度累积平均值为评价参数,计算出纹理中心的最佳位置,并以该位置为拼接条件生成全景图像.该算法适合球形全景和柱形全景图像的拼接.该算法可使程序的全景图像拼接过程完全自动化,从而降低全景图的制作成本.     

基于SVD和DCT的数字水印算法

本文提出了一种基于SVD和DCT的鲁棒数字水印算法首先对作为水印的灰度图像进行Arnold变换,然后对宿主图像进行SVD运算,求出奇异值,将预处理后的水印信号嵌入到奇异值中。该算法在保证水印嵌入量的同时,还保证了水印信号的不可见性。实验结果表明,此算法对于常见的JPEG压缩、噪声等攻击具有很好的鲁棒性。     

基于分块SVD变换域下的图像盲水印算法

提出了一种新的基于分块奇异值分解(SVD)和离散小波变换(DWT)的数字图像盲水印算法. 该算法充分利用了SVD和DWT的特性,首先对原始图像分块进行SVD分解,提取每一块主要的奇异值进行小波变换,最后采用量化的方法将Arnold置乱后的水印嵌入到小波域的LL子带. 经过实验,该算法能够实现水印的盲提取,能够对JPEG压缩、椒盐噪声干扰、高斯噪声干扰、图像剪切等有较好的鲁棒性.     

基于掩盖效应图像质量评价方法的研究

文章针对原始图像对噪声图像的影响,依据人眼视觉掩盖模型,结合实验得出的掩盖阈值以及对CSF曲线的分析,给出了一种基于掩盖效应的图像质量评价方法。实验通过叠加相同噪声,考察了不同频率的原始图像对噪声的掩盖能力。结果表明,该方法简单易操作,正确反映了原始图像平均背景频率变化,对掩盖效应以及图像质量的影响,比传统客观方法更加符合人眼主观感受。     

基于IWT和SVD的数字图像水印算法

针对传统SVD域数字图像水印算法存在过高虚警率的问题,提出了一种基于IWT和SVD的数字图像水印算法。算法先对载体图像进行1级IWT分解得到4个子带,然后对4个子带进行SVD变换,把水印图像信息直接嵌入到载体图像4个子带的奇异值中。在水印嵌入过程中提出了一种数字签名认证机制,利用生成的数字签名在水印嵌入的同时完成数字签名的嵌入来加密含水印的图像。在水印提取之前,先对数字签名进行验证来避免虚警的问题。实验表明,算法具有良好的视觉性和抵抗各类攻击的鲁棒性。     

基于SVD和ICA的全息水印算法

基于奇异值分解和独立分量分析,提出一种新的数字全息水印算法.该算法利用全息图的特点,采用数字全息图代替普通的二值图像作为水印图像,提高了水印算法的安全性.奇异值分解被应用于水印的嵌入过程中以提高水印算法抗几何攻击能力,并借助于独立分量分析实现全息水印图像的盲提取.实验结果表明,该算法能有效地抵抗JPEG压缩、加噪、声滤波和对比度增强等常规攻击,同时,对旋转、平移、翻转和缩放等几何攻击也具有一定的鲁棒性.     

基于SVD的频域滤波去噪算法

为了解决时域SVD分解算法对非水平同相轴去噪效果不佳的难题,提出了Eigenimage和Cadzow 2种基于SVD分解的频域去噪算法.这2种算法将数据转化到频率域,在频率切片上进行SVD去噪,将信号时移转换为相移,从根本上解决了非水平同相轴的去噪问题,并且有良好的信号保真性.通过模型对其有效性进行验证,结果表明,Eigenimage和Cadzow算法对同相轴均有很好的去噪效果,但相比时域SVD算法,这2种算法计算量较大.     

基于DCT和SVD的图像检索算法

提出一种在子块分割和区域划分的基础上, 利用离散余弦变换和奇异值分解对图像进行特征提取的检索算法. 首先对图像进行子块分割, 利用离散余弦变换提取重要系数作为子块颜色特征, 进而对图像进行区域划分, 将每个区域中的子块颜色特征分量组成矩阵进行奇异值分解, 得到该区域的检索特征向量, 从而完成图像检索. 实验结果表明, 该算法取得了较好的查全率和查准率, 具有较好的检索效果.     

基于图像质量的交通标志图像优化算法

本文提出了一种基于图像质量的交通标志优化方法。通过计算图像的颜色质量与形状质量,进行对应不同的优化。该方法考虑标志的质量,改变传统的捕获—识别流程为捕获—优化—识别,降低了因褪色、磨损、扭曲造成的干扰。实验表明,在同样的神经网络下,使用本方法优化,交通标志识别率得到了大幅提高。     

基于梯度幅度和梯度方向直方图的全参考图像质量评价算法

为了提高全参考图像质量评价算法的性能,提出了一种基于梯度幅度和梯度方向直方图的图像质量评价算法.梯度方向直方图可以描述图像中局部物体表象和形状,梯度幅度能精细地反应图像中微小细节的反差和纹理变化.分别计算参考图像和失真图像的梯度幅度和梯度方向直方图,然后计算梯度幅度相似度图和梯度方向直方图相似度图,最后通过标准方差加权的方式得到图像的预测质量分数.在LIVE,TID2008和IVC三个图像数据库上的实验结果表明,所提算法的预测结果与人的主观判断具有较好的一致性.     

一种基于遮蔽效应的图像质量评价研究

针对梯度结构相似性指标（Gradient Structure Similarity,GSSIM）无法对近阈值失真图像做出很好的判断,导致其判断结果与人类视觉系统（Human Visual System,HVS）不完全一致的问题,为提高GSSIM的准确性及其与HVS的一致性,提出了一种基于梯度遮蔽和视觉显著性的图像质量评价指标（Visual Saliency-Gradient Structure Similarity,VS-GSSIM）. 首先,根据梯度信号之间存在的遮蔽效应优化梯度性相似性模型;然后,结合显著性模型提高指标和HVS评判的一致性;最后,调整图像局部区域感知质量水平的相对重要性并池化最终得分. 实验结果表明所提模型在一致性和单调性的评价指标上均超过GSSIM,并且优于目前绝大多数算法.     

灰度图像分割算法的研究

综述了传统图像分割算法,其中详细分析了几种常用的边缘检测算子;随着越来越多人的研究,近年来涌现了许多新理论、新方法,本文对基于人工神经网络、小波分析和变换、数学形态学等其他新方法进行了概述;提出了今后图像分割算法研究的发展趋势。