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。     

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.     

基于视觉感知高度相关的图像质量评价

评估并监控图像质量是数字图像处理技术的基础工作。客观图像质量评价(IQA)旨在通过计算机开发与人眼视觉感知密切相关的算法。本文充分模拟人眼视觉系统(HVS)和大脑机制,提出了一种新的基于机器学习的全参考型图像质量评价模型CGDR。该模型融合了图像的色度特征、梯度特征、对比敏感度函数(CSF)特征以及Gauss差分(DOG)频带特征。其中,改进后的梯度算法不仅包含更丰富的相邻信息和多方向边缘信息,同时强调了参考图像和失真图像的边缘相关性。在三个基准图像数据库上的实验结果表明,CGDR的预测性能优于八种主流方法,跨数据库测试体现出其强大的鲁棒性,预测结果能够与人眼主观感知保持高度一致性。     

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。     

基于视觉感知特征融合的图像质量评价

在图像压缩,图像恢复和图像传输等领域中真实评价输出图像的视觉质量是一项重要的工作。图像质量评价(IQA)旨在开发一种与人眼视觉感知紧密相关的方法。本文提出一个新的图像质量评价模型VFDP,该模型首先在视觉显著性特征基础上,结合颜色特征和梯度特征来描述局部图像质量。其中,本文采用新的计算梯度特征相似性方法,该方法融合参考图像与对应失真图像的亮度通道,并计算该通道的梯度图与参考/失真图像梯度图之间的相似性。最后采用平均偏差加权的方法对视觉显著特征,颜色特征与改进的梯度特征融合,得到图像质量评价结果。在TID2013、TID2008与LIVE数据库测试,结果表明VFDP所预测的PLCC与SROCC值优于8种主流算法预测的结果,其预测结果与人眼主观评价有较好的一致性。     

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.     

基于网格与韦泊统计特性的立体图像质量评价

针对立体图像失真会改变图像对比度、边缘和结构等信息的特性,提出一种无参考立体图像质量评价方法.首先,利用韦泊分布的尺度参数β和形状参数η分别描述合成图、左右视图及视差图的梯度图像特征;然后用网格强度及其规律性分别描述合成图、左右视图及视差图的网格图像特征;最后,将所得特征输入支持向量回归(SVR)网络中训练模型,获得特征到质量分数之间映射关系的模型,从而预测立体图像质量.通过利用LIVE-3D I数据库和LIVE-3DⅡ数据库进行性能测试,证明了本文提出的方法与人眼视觉特性具有很高的一致性,且性能优于目前主流的图像质量评价算法.     

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。     

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。     

分区域多标准的全参考图像质量评价算法

图像质量评价在图像采集、图像压缩、图像传输等领域有着广泛的应用,一直是图像处理领域的研究热点之一.本文提出了一种模拟人的视觉感知过程中的对不同区域敏感度不同的特点,针对待评图像进行分区域采用不同标准的全参考型图像质量评价算法.该算法首先对图像颜色空间由RGB转换到YIQ,使之更符合人类视觉特性;再对其亮度空间进行数学形态学的膨胀计算预处理,并用边缘检测算子标记出图像中所有的边缘像素点;根据5×5的邻域内是否包含边缘点将图像分为纹理区和平滑区域.针对包含边缘特征的纹理区域的结构参数采用梯度进行描述,参考图像和失真图像在像素点的方差表述像素点失真的敏感性;对于平滑区域的像素点采用对比度作为表征结构信息的变量,并使用基于视觉显著性的综合策略;结合失真和参考图像的视觉显著性矩阵、结构相似性矩阵SCR(x)、色彩饱和度相似性矩阵,可分别得到纹理区和平滑区的图像质量评价分区域结果.取两个分区域结果的均值,可得到最后的全图像质量评价指标SMC-IQA.该算法在CSIQ、TID2008和TID2013等3个通用的图像质量评价数据库上进行了实验.实验结果表明与主流的图像质量评测方法相比较,本文所提出的分区域多标准的全参考图像质量评价算法与主观评价的结果具有更好的一致性,更符合人类视觉系统的特性.     

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。     

基于人类视觉系统的特征相似性图像质量评价

为克服现有特征相似性(FSIM)图像质量评价算法对图像信息无序部分及边缘信息度量能力的不足,利用人类视觉系统的内在推导机制,提出基于人类视觉系统的特征相似性图像质量评价算法HFSIM.该算法采用自回归预测模型分解并解读图像内容的预测部分和无序部分;联合FSIM与边缘结构相似性算法度量预测部分,采用多尺度峰值信噪比(PSNR)度量无序部分的衰减情况,最后根据噪声能量融合图像信息预测部分与无序部分的评价结果得到图像质量评价.在6个公开基准数据库上的实验结果表明,该算法与人类主观感知具有高度的一致性,且在各类型失真图像的评价上具有较好的性能.     

基于差值图像分块均方差的图像质量评价方法

图像质量评价是衡量信息隐藏算法性能的重要指标.常用的峰值信噪比(PSNR)图像质量评价方法基于原始图像和掩密图像的统计误差,本文针对峰值信噪比方法忽略像素误差分布情况的缺点,用统计差值图像像素块均方差的方法对其进行了改进.实验表明,该方法能更有效地衡量信息隐藏图像质量,比较符合人眼视觉特性的要求,而且计算简单.     

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。