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.     

基于图像块分类的加权结构相似度

基于结构信息的图像质量评价方法--结构相似度(SSIM)方法计算简单、性能优越,但该方法仅简单地将各子块SSIM的平均值作为整幅图像的平均结构相似度(MSSIM),而人眼对图像不同区域的视觉灵敏度不同.为此,文中提出了一种基于图像块分类的加权平均结构相似度(WSSIM)的图像质量评价方法,即先将图像分块并将子块区分成边缘块、细节块和平滑块三类,然后对不同类型块的SSIM值赋予不同的权值,最后计算得到整幅图像的WSSIM.实验结果证明,文中方法明显优于MSSIM和基于方差加权的SSIM.     

小波模拟CSF加权的失真图像质量评价

提出一种基于小波变换模拟对比敏感度(CSF)特性的加权结构相似度(W-MSSIM)评价方法.采用表达直观、计算简便的结构相似度(SSIM)模型替代模拟人眼视觉因素的各种公式,利用不同空间频带的小波系数进行对比敏感度特性加权,从而分别对被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.经过实验验证,该方法的评价结果与HVSNR和ESSIM方法相比更符合主观评价.     

基于结构相似度的无参考遥感图像质量评价

在深入研究遥感图像与普通图像差别的基础上,对结构相似度算法进行改进,提出了一种新的无参考遥感图像质量评价方法。首先,采用非下采样轮廓波变换进行多尺度分解,将子图像进行K-means边缘检测及细化融合,最终得到边缘区域。采用一阶偏导有限差分计算遥感图像的梯度幅值,设置两个阈值,将满足区间的像素提取出来得到纹理区域。然后,使用边缘计算对比度分量,纹理计算结构相似度分量,对SSIM进行改进得到ET_SSIM方法。最后,采用"再降质"的方式构造出参考图像,将边缘纹理区域与平滑区域分开评价,ET_SSIM对边缘纹理区域评价,SSIM对平滑区域评价,根据人眼对边缘纹理及平滑区域的不同重视程度加权求平均,得到最终结果 VSSIM。实验结果证明,本文方法 VSSIM与主观评价值的线性相关度相对于MSE、PSNR、SSIM、GSSIM、BLIINDS-Ⅱ方法分别提高了22.2%,6.2%,0.8%,0.2%,1.3%。     

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。     

基于梯度的结构相似度的图像质量评价方法

虽然基于结构信息的图像质量评价方法——结构相似度（SSIM）模型结构简单、评价性能优于峰值信噪比（PSNR）或均方误差（MSE）模型，但SSIM模型不能较好地评价严重模糊的降质图像．文中提出了一种基于梯度的结构相似度（GSSIM）图像质量评价方法，该方法将梯度作为图像的主要结构信息．实验结果表明，GSSIM模型比SSIM和PSNR（MSE）模型更符合人眼视觉系统特性，能较好地评价模糊图像的质量．     

立体视频质量客观评价方法研究

提出1种部分参考立体视频质量评价方法.首先,在立体视频传输系统的发送端提取参考立体视频的特征信息,将其通过无损的辅助信道传输;然后,在接收端计算失真立体视频的局部结构相似度以及清晰度,并结合运动权重得到立体视频的全局质量结构相似度指标、清晰度指标和深度结构相似度指标;最后,通过回归分析,赋予各指标不同的权重,从而建立部分参考立体视频质量客观评价模型.实验结果表明,所提立体视频质量客观评价模型与主观实验结果具有很好的一致性,而且符合人眼视觉特性,为立体视频领域的发展提供了新的理论依据.     

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.     

基于块分类的图像加权结构相似度

图像质量评价方法用来评价图像质量或图像处理算法的优劣,在图像处理领域至关重要。Zhou Wang等人提出的结构相似度图像质量评价方法,具有计算简单、性能优越的特性。但其不足之一是没有区别对待图像的边缘块,细节块和平滑块,仅简单地取子块结构相似度（SSIM）的平均值而得到整幅图像的平均结构相似度MSSIM。基于此,本文提出了一种基于图像块分类的加权平均结构相似度（WSSIM）的图像质量评价算法,并进行了大量的仿真实验,实验结果证明,本文所提算法明显比MSSIM更加符合人眼视觉系统特性（HVS）。     

基于扩展梯度算子的结构相似度图像质量评价方法

为了更精确地评估图像质量,提出了一种新的客观评价算法:基于扩展梯度算子的结构相似度图像质量评价方法(extended gradient-based structural similarity,E-GSSIM)。首先分析了结构相似度(structural similarity,SSIM)与梯度结构相似度(gradient-based structural similarity,GSSIM)的不足,提出应用扩展Sobel算子替代GSSIM的传统Sobel算子,从而能够从多个方向提取邻域的梯度信息。为了不破坏原图的固有图像属性及使所提取的梯度信息更具有一致性,在计算梯度信息的时候引入衰减与阈值因子。LIVE2、TID2008、TID2013与CSIQ四个图库的定性与定量验证表明,E-GSSIM算法要优于传统的PSNR、SSIM、GSSIM质量评价指标,更为符合人眼视觉感知结果。     

视频媒体网络中基于轨迹优化的监控图像聚类算法

为了解决视频媒体网络环境中监控图像随机性较强、特征较为复杂,导致聚类效果不佳、空间畸变率高等问题,引入轨迹优化技术对视频媒体网络中监控图像进行聚类。通过采集视频媒体网络中监控图像的关键帧,挖掘监控图像的时空轨迹,并根据监控视频图像背景的隶属度计算结果,提取监控图像色彩、边缘等基本特征;计算监控内容、时间及空间的相似度,采用层次聚类算法对相似度较高的监控图像进行单元合并,并以视频轨迹为标准实现聚类融合,输出最终的聚类结果。实验结果表明,使用本文算法得出的聚类结果,平均畸变率仅为0.85%,比传统算法降低了4.65%。     

基于模糊度量视觉特征的非局部均值去噪

针对非局部均值(non local mean,NLM)相似性度量不够准确的问题,提出一种基于模糊度量的视觉特征相似度的改进非局部均值图像去噪算法.利用模糊度量理论构建视觉特征度量相似性函数作为衡量图像像素点相似性;将平滑核函数代替高斯加权核函数,提高运算速度和避免滤波参数的设置;利用构建视觉特征相似性度量生成的平滑核函数,对图像进行去噪.由于改进方法考虑图像视觉结构特征,更加完善了非局部均值结构相似的特点.在高斯噪声和椒盐噪声下,用峰值信噪比(peak signal to noise ratio,PSNR)和结构相似性(structural similarity index,SSIM)评价指标分别对比分析提出方法与几种优秀的改进NLM方法的降噪性能.实验结果表明,改进的新方法在去噪性能方面得到较高的提升,同时降低了相似度计算的复杂度和减少了参数设置问题.     

基于相似度模型耦合角度制约规则的图像匹配算法

为了克服当前图像匹配方法主要通过测量距离的方法来实现图像匹配,忽略了图像间的相似度,导致算法存在错误匹配较多以及鲁棒性较差的问题。本文提出了基于相似度模型耦合角度制约规则的图像匹配算法。采用FAST检测方法对图像特征进行检测,快速获取鲁棒特征点,以改善算法的匹配正确率。随后,利用SURF特征描述机制,通过计算特征圆域内的Haar小波响应值,对特征点进行描述。引入结构相似度SSIM(structural similarity index measurement)模型,将其与欧氏距离模型相结合,构造相似度模型,从结构相似度与测量距离两方面出发,将特征点进行粗匹配。最后,利用特征点的余弦关系,求取特征点间角度,建立角度制约规则,对粗匹配结果完成优化。实验结果显示:与典型的匹配方法相比,该算法具有更好的匹配性能较好,在多种几何变换下仍具有理想的匹配精度。     

PTZ视频监控的大场景形成方法研究

针对PTZ摄像机跟踪监控系统,提出一种基于关键帧和Speeded Up Robust Features(SURF)特征的图像拼接方法,以构建大的监控场景.利用局部梯度极值平均法对监控视频各帧的清晰度进行评价,剔除模糊帧,选择若干清晰帧作为关键帧进行拼接,以提高大场景的形成速度和准确度.对于图像拼接,采用效果近似于Sca...     

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。     

基于频域的结构相似度的视频质量评价

基于结构相似度的视频质量评价方法(VSSIM)结构简单,性能优于峰值信噪比(PSNR),但是在研究中发现VSSIM不能很好地评价严重模糊的低码率视频。该文提出一种基于频域的结构相似度的视频质量评价方法。该方法将频域信息作为主要的结构信息,根据人眼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得到频域函数。由频域函数、亮度函数和对比度函数经过视频内容的加权计算得到结构相似度。实验结果表明:该方法比VSSIM和PSNR更符合人眼视觉系统特性,能较好的评价视频质量。     

一种具有抗噪声能力的图像清晰度评价函数

针对对焦过程中常用的图像清晰度评价函数对噪声敏感的问题,提出了一种新的清晰度评价函数.利用4方向Scharr算子进行梯度累加计算实现双区域对焦窗口的选择,以减小算法的计算量并提高检测结果的准确性;将对焦窗口进行二维经验模态分解,提取出包含较多图像细节的前2个尺度分量,用以加权计算能量梯度值,得到清晰度评价函数值;为了实...     

基于2D视觉注意模型的全参考图像质量评价方法

为进一步提高视频图像质量评价主客观的一致性, 提出一种基于2D视觉注意模型的全参考质量评价方法。将2D视觉注意模型与PSNR(Peak Signal to Noise Ratio)、 SSIM（Structural Similarity Index Method）、 GSSIM(Gradient based Structural Similarity Index Method)评价方法相结合, 进行视频图像质量评价。实验结果表明, 该方法对图像质量评价较原PSNR、SSIM、GSSIM方法更有效; 在LIVE数据库上得到的Pearson、Spearman相关系数分别为0.903 5和0.903 1; 较其他评价方法原理简单, 计算复杂度较低, 且性能较优, 具有很好的评价效果。