多特征融合的图像质量评价方法

为了规避图像质量评价中的视觉特征和池化策略难以选取和解释的问题,在提取参考图像和失真图像的多种底层特征的基础上,采用机器学习的方法自动预测真实图像质量,提出多特征融合的图像质量评价方法.针对参考图像和失真图像分别提取相位一致性、梯度、视觉显著性、对比度特征,计算4种特征的相似度图,提取相似度图的均值和方差特征,最后采用支持向量回归评价文中方法.在LIVE、CSIQ、TID2008和TID2013图像库上的实验表明,文中方法的主客观一致性较好.     

基于局部不变特征的图像质量评价

针对结构相似度算法在感知图像质量时采取平均加权策略的不足,利用人眼对图像中不同区域的关注程度不同的特性,提出了基于局部不变特征的图像质量评价算法。该算法在失真图像结构相似度质量分布图的基础上,提取图像的局部不变特征点,将这些特征点周围一定区域赋予较大的视觉权重,最后运用综合加权策略来衡量失真图像的质量。在标准图像测试库上的实验结果表明,该算法计算复杂度相对较低,较大地提高了结构相似度算法的评价效果,与人眼主观感知图像质量取得了更好的一致性。     

基于流形特征相似度的感知图像质量评价

图像质量评价（Image quality assessment, IQA）的目标是利用设计的计算模型得到与主观评价一致的结果,而人类视觉感知特性是感知图像质量评价的关键.大量研究发现,认知流形和拓扑连续性是人类感知的基础即人类感知局限在低维流形之上.基于图像低维流形特征分析,本文提出了基于流形特征相似度（Manifold feature similarity, MFS）的全参考图像质量评价方法.首先,利用正交局部保持投影算法来模拟大脑的视觉处理过程获取最佳映射矩阵进而得到图像的低维流形特征,通过流形特征的相似度来表征两幅图像的结构差异,从而反映感知质量上的差异.其次,考虑亮度失真对人眼视觉感知的影响,通过图像块均值计算亮度相似度并用于评价图像的亮度失真;最后,结合两个相似度得到图像的客观质量评价值.在四个公开图像测试库上的实验结果表明,所提出方法与现有代表性的图像质量方法相比总体上具有更好的评价结果.     

信息量加权的梯度显著度图像质量评价

目的：针对信息量加权结构化图像质量评价算法(Information Content Weighted SSIM, IW-SSIM)对图像局部失真度量能力的不足,提出了一种被称为信息量加权的梯度显著度图像质量评价改进算法(Information Content Weighted Gradient Salience SSIM, IW-GS-SSIM)。方法：该算法首先根据人眼视觉系统响应亮度刺激的韦伯定律,仅在空域内利用一次滤波快速计算出当前像素点与背景之间的对比度并将其非线性映射为该像素点的视觉显著度。然后,将视觉显著度与梯度特征结合后获得了一种新的被称为梯度显著度局部失真度量(GS-SSIM)并将其替换IW-SSIM算法中的SSIM局部结构化度量。结果：在六大公开基准数据库上完成的大量对比实验表明：对于图像的各种噪声和模糊等类型失真,GS-SSIM较SSIM局部失真度量具有更高的评价准确率。与IW-SSIM算法和其它被广泛引用的图像质量评价算法相比,改进算法评价结果总体上与主观评价结果具有更高的一致性。结论：视觉显著度与梯度特征相结合后所构成的结构化度量能够有效提高经典SSIM结构化度量对图像局部失真度量的准确性,未来可以考虑将人类视觉系统(HVS)的其它特性融入到图像质量评价算法中,以进一步提高算法的准确性。     

感知特征互补的图像质量评价

针对图像质量客观评价方法在实际应用场景下性能退化的问题,将人眼视觉特性融入图像特征处理的多个环节,提出一种融合视觉结构显著和视觉能量显著特征互补的方法。首先,根据人眼特性对图像的灰度能量、对比度能量和梯度结构三层互补特征进行空域-频域联合变换处理;其次,分别提取前述三层视觉特征的多通道信息并进行评价;最后,基于视觉特性和图像失真度将各层视觉特征评价从内层至外层逐步自适应综合。实验表明,本方法具有较高的水平和更好的稳定性,提高了实际应用场景下的评价性能。     

基于人眼视觉特性的融合图像质量评价算法

针对彩色融合图像在人眼视觉特性上的表现,分析现有图像融合质量评价方法特点,提出一种基于对比度敏感度特性加权结构相似度的彩色融合图像质量评价算法。该方法将图像颜色的亮度分量和色度分量分开,首先对图像亮度分量的结构相似度进行对比度敏感特性加权,再与色度分量的结构相似度进行加权以获得图像的结构相似度。该方法充分考虑人眼视觉特性和颜色特性,对不同图像融合评价方法的评价结果表明,该方法能较好地完成彩色融合图像的质量评价。     

一种新的基于局部特征的图像质量评价方法

传统的基于结构相似度（SSIM）的质量评价方法具有适用范围狭窄,评价算法不稳定等特点。在对传统图像质量评价算法研究的基础上,提出了一种新的基于局部特征的质量评价方法。与传统方法不同,在对图像质量进行评价时,该方法充分考虑到图像的结构信息对于图像质量的影响。新的方法主要分为3个步骤：首先,基于一种新的图像分块算法,根据图像的结构信息将图像划分成不同的块;其次,利用图像的梯度作为衡量像素重要程度的权值,计算参考图像和失真图像对应图像块的结构相似度;最后,融合各个块的相似度信息获得最终的图像质量评价结果。实验结果表明,该方法的评价结果更加合理、稳定,适用范围广,优于传统的基于结构相似度的质量评价方法。     

一种改进的基于结构相似度的图像质量评价方法

基于结构相似度（SSIM）的图像质量评价方法简单高效,准确性较高,评价性能优于峰值信噪比（PNSR）和均方误差（ MSE）,但SSIM模型不能较好地评价严重失真和交叉失真类型的图像。文中提出了一种改进的基于结构相似度的图像质量评价方法（ HSSIM）,该方法将直方图信息作为图像的主要结构信息,根据人眼视觉特性,利用直方图集中度来表示图像模糊度,最终计算得到图像的结构相似度值。实验结果表明,HSSIM比SSIM模型更符合人眼视觉系统特性,能更好地评价失真图像的质量。     

基于小波变换和HVS特性的图像质量评价新方法

在分析人类视觉系统(HVS)对比度敏感特性特性的基础上,提出一种基于小波分析与人类视觉系统特性的图像质量评价算法(WSSIM)。此方法先将图像进行小波变换得到不同方向和不同频率的四个频带划分,分别在不同频带上比较失真图像与原图像结构相似度最后,结合HVS中CSF曲线带通特性,赋予四个频带比较结果相应视觉权重值得到归一化的图像质量评价指标WS-SIM。实验结果表明,WSSIM相对于传统方法图像结构相似度评价算法(MSSIM)及其改进算法(MGSSIM)更接近人类主观感受。     

结合图像二次模糊范围和奇异值分解的无参考模糊图像质量评价

针对图像的模糊失真问题,提出一种结合图像二次模糊范围和奇异值分解的无参考图像质量评价方法.首先根据图像二次模糊范围的差异性构建参考图像;然后对失真图像与参考图像进行奇异值分解,利用奇异值向量矩阵的相似度构建失真特性向量;再结合Log-Gabor滤波器组和高斯差分模型进行视觉显著度检测;最终以显著度加权的失真特性向量预测模糊图像的质量得分.大量实验结果表明,与同类算法相比,文中方法能够准确地评价模糊图像质量,与主观评价具有较高的一致性;在LIVE2图像库上,评价指标斯皮尔曼等级相关系数达到0.968 7,均方根误差为4.858 9;该方法无需对数据进行训练,具有较强的实用性和推广性.     

基于视觉相似性的去色图像质量评估

针对基于结构相似性的去色图像质量评估算法没有充分利用图像的梯度特征且采用的对比度相似度特征会忽略图像连续颜色块的一致性导致算法与人类视觉主观判定有较大出入的问题,提出一种基于图像视觉相似性的去色图像质量评估算法--C2G-VSIM。该算法以彩色图像为参考图像,由不同去色算法产生的与之相关的去色灰度图像作为测试图像,对参考图像以及测试图像进行颜色空间转换,并且进行高斯滤波,充分考虑了图像亮度相似度和结构相似度特征,并在此基础上首先引入一种新的颜色一致性对比特征以促使C2G-VSIM对全局颜色对比度特征进行捕捉,其次引入梯度幅值特征至C2G-VSIM中以提高算法对图像梯度特征的敏感度,最后联合得到图像质量评估因子C2G-VSIM。在Cadík的数据集上的实验结果表明,C2G-VSIM与人类视觉主观评定的等级相关性在准确度和主观评判喜爱度上分别达到了0.8155和0.7634,相对于基于彩色图和灰度图的结构相似性（C2G-SSIM）评估算法在未增加较大耗时的情况下,准确度有明显提高。所提算法与人类视觉主观判定具有较高的一致性,且计算简单,在实际工程中能大规模且有效地对去色图像进行自动化评分。     

基于颜色和梯度方向共生直方图的图像检索

为有效融合图像的形状、颜色等特征,提出一种基元梯度方向共生直方图和颜色直方图的彩色图像检索算法。首先将图像划分为4×4互不重叠的基元,并根据基元的梯度平均幅值把基元分为视觉均衡基元和视觉非均衡基元;接着计算视觉均衡基元的平均颜色值,并将其在HSV空间中量化到72色颜色空间,构建视觉均衡基元颜色直方图作为彩色图像的局部颜色描述子;然后将图像中各像素点颜色值在HSV空间量化到72色颜色空间,获得图像的全局颜色直方图;最后在视觉非均衡基元中构建梯度方向共生直方图描述图像的形状特征。融合局部颜色描述子、全局颜色直方图和形状特征构成彩色图像检索特征矢量。实验结果表明,所提算法能够准确描述彩色图像的颜色和形状特征,具有很好的旋转不变性和尺度不变性。相似性度量非常有效,查全率和查准率均有较大提高。     

结合全局与局部变化的图像质量评价

图像所包含的信息是通过灰度值在空域的变化呈现的. 梯度是度量变化的基本工具, 这使得梯度成为了目前大多数图像质量评价算法的重要组成部分. 但是梯度只能度量局部变化, 而当人类视觉系统(Human visual system, HVS)感知一幅图像时, 既能感知到局部变化, 也能感知到全局变化. 基于HVS的这一特性, 本文提出了一种结合全局与局部变化的图像质量评价算法(Global and local variation similarity, GLV-SIM). 该算法利用Grünwald-Letnikov分数阶导数来度量图像的全局变化, 利用梯度模来度量图像的局部变化. 然后结合二者计算参考图像和退化图像之间的相似度谱(Similarity map), 进而得到图像的客观评分. 在TID2013、TID2008、CSIQ与LIVE四个数据库上的仿真实验表明, 较之单一度量局部变化的方法, 本文算法能更准确地模拟HVS对图像质量的感知过程, 给出的客观评分与主观评分具有较好的一致性.     

SWVFS: a saliency weighted visual feature similarity metric for image quality assessment

In this paper, a saliency weighted visual feature similarity (SWVFS) metric is proposed for full reference image quality assessment (IQA). Instead of traditional spatial pooling strategies, a visual saliency-based approach is employed for better compliance with properties of the human visual system, where the saliency allocation is closely related to the activity of posterior parietal cortex and the pluvial nuclei of the thalamus. Assuming that the saliency map actually represents the contribution of locally computed visual distortions to the overall image quality, the gradient similarity and the textural congruency are merged into the final image quality indicator. The gradient and texture comparison play complementary roles in characterizing the local image distortion. Extensive experiments conducted on seven publicly available image databases show that the performance of SWVFS is competitive with the state-of-the-art IQA algorithms.     

基于视觉权值的分块颜色直方图图像检索算法

为了进一步提高基于颜色直方图的图像检索系统工作效率, 本文以人眼视觉感知特性为基础, 结合局部图像相关性, 提出了一种基于视觉权值的分块颜色直方图图像检索新方法. 该方法首先对图像进行分块处理, 并计算出图像子块的颜色直方图; 然后结合反映局部区域变化的像素点颜色复杂度, 计算出图像子块的视觉权值; 最后利用视觉权值对子块颜色直方图进行加权处理, 并根据加权颜色直方图进行图像检索. 仿真实验结果表明, 本文算法能够准确和高效地查找出用户所需内容的彩色图像, 并且具有较好的查准率和查全率.     

基于梯度直方图的彩色图像拼接

图像配准是图像拼接的核心环节。采用基于梯度直方图的图像配准算法进行彩色图像的配准。梯度直方图是通过计算以特征点为中心的一个矩形区域内所有像素的梯度而得到的。相比于彩色直方图,它能更好的描述局部特征。梯度直方图是特征点匹配的基础,文中采用直方图交叉作为相似性准则来衡量梯度直方图间的相似性。基于梯度直方图的匹配算法包含三个关键因素：窗口大小,相似性阈值以及梯度直方图的柱数。本文通过大量的实验揭示了这三个重要因素与匹配的正确率和匹配时间的变化关系。最后,给出了这三个因素的一个合理的取值参考范围。     

基于多尺度HOG的草图检索

草图检索是图像处理领域中的重要研究内容。提出了一种将高斯金字塔和局部HOG特征融合的特征提取改进方法,并将其用于草图检索。采用高斯金字塔将图像分解到多尺度空间,在所有尺度上进行兴趣点提取,获得基于兴趣点的多尺度HOG特征。利用图像的多尺度HOG特征集生成视觉词典,最终形成与视觉词典相关的特征描述向量,通过相似度匹配实现草图检索。将该算法与单一尺度下的HOG算法及其他几种算法比较,实验结果表明了其可行性和有效性。