基于结构相似的小波域图像质量评价方法的研究

 小波域的图像处理已经成为图像处理领域的重要组成部分,研究能嵌入在小波域图像处理算法中的图像质量评判方法显得至关重要.空间域结构相似度SSIM具有计算简单、与主观评分相关性高等优点.本文通过对小波域图像结构特性的研究,提出了小波域结构相似度(DWTSSIM)的图像质量评价方法.实验结果表明DWTSSIM比SSIM更加符合人眼的视觉特性,可以更好地评判图像质量,并且能容易地嵌入在小波域图像处理算法中,在图像处理过程中指导或调节算法.     

基于梯度信息的图像质量评判方法的研究

图像质量客观评判标准广泛应用于图像处理中,基于人眼视觉系统的客观评判方法一直是图像处理领域的研究热点.最近,Zhou Wang等人提出了基于结构信息的评判方法—结构相似度(SSIM),它的理论基础是人眼视觉系统能高度自适应地提取场景中的结构信息.SSIM方法简单、评判性能优于PSNR(或MSE).但随着研究的深入,我们发现SSIM算法存在着一些问题,特别是不能很好地评判模糊失真类的图像.本文提出两种基于梯度信息的图像质量评判方法—基于梯度的结构相似度(GSSIM)和基于边缘的结构相似度(ESSIM).实验结果表明,GSSIM能更好地符合人眼视觉系统特性,而ESSIM对于模糊图像则取得了最好的评判效果.     

基于多尺度边缘结构相似性的图像质量评价

基于结构相似度(SSIM)的图像质量评价方法是从视觉区域提取图像的结构性信息,但在评价模糊较严重的图像时存在其局限性,因此本文将图像边缘和SSIM相结合,提出了基于多尺度边缘结构相似度(MESS)的图像质量评价方法。实验结果表明,由于MESS考虑了边缘信息对于人眼感知结构信息的重要性,评价结果比SSIM更加符合人眼视觉感知特性。     

基于Contourlet视觉模型和奇异值分解的图像质量评价

针对基于像素值的图像质量评价方法忽视图像结构信息和需要完全参考图像等问题,提出了一种基于Contourlet域奇异值分解CW-SVD,部分参考图像质量评价方法(contourlet weighted singular value decomposition)。在Contourlet域中,利用奇异值向量对图像结构的表征能力,结合人眼视觉敏感性确定每个子带的视觉权重,得到每个子带的评价测度,再综合得出图像的最终评价指标。实验表明,该方法应用于4种类型的降质图像质量评价时,比峰值信噪比(PSNR、MSSIM)等算法具有更好的稳定性和更好的主客观评价一致性。     

基于非下采样contourlet变换多描述图像编码方法

提出一种基于非下采样Contourlet变换(NSCT)的多描述图像编码方法,以解决在复杂网络环境及信道受限情况下数据包丢失导致的图像质量下降问题。一幅图像经过梅花下采样会引入很多高频信息,而NSCT变换是一种具有移不变性多尺度、多方向分解的变换,这种特性更能"捕捉"高频信息。实验证明单描述图像重建效果明显,中央信道解码图像通过数据融合算法实现两描述重建,进一步改善了图像质量。     

基于斑点方差估计的非下采样Contourlet域SAR图像去噪

 合成孔径雷达(SAR)图像固有的相干斑噪声严重影响图像质量,使得SAR图像的自动解译十分困难.本文联合SAR图像的统计特性和非下采样Contourlet对SAR图像细节信息的良好刻画能力,提出一种新的非下采样Contourlet域SAR图像去噪算法,通过估计到的各个高频方向子带的斑点噪声方差和变换系数模值的局部均值,对非下采样Contourlet变换系数进行判定,保留信号系数,抑制斑点噪声系数,实现SAR图像去噪.仿真实验结果表明,本文方法在斑点抑制的同时可以有效保持细节信息.     

基于频率、空间和方向的图像质量评估

将空间域图像质量评价方法结构相似度SSIM推广到HWD变换域,结合人眼视觉倾斜效应和粒子群优化算法,提出一种新的图像质量评价测度。将SSIM直接用于各HWD分解频带,用频带相关性图加权各频带的结构相似度得到局部质量,然后对不同方向的局部质量求加权和得到整幅图像的结构相似度。实验结果表明,该测度与主观感知有较好的一致性,能准确地反映人眼对图像的视觉感知。     

一种基于HWD结构相似的图像质量评价方法

针对传统图像质量评价方法峰值信噪比PSNR和结构相似度SSIM没有充分考虑人眼视觉特性,所得结果有时并不能与人眼的视觉所感知到的实际质量一致的问题,通过对图像结构相似度和人眼视觉系统的研究,文中提出了一种新的基于HWD结构相似的图像质量评价方法。首先对图像进行Hybrid Wavelets and Directional Filter Banks(HWD)分解,提取图像不同频带不同方向上的信息,然后计算各子带结构相似度,最后综合人眼视觉特性的CSF得到图像质量评价值。实验结果表明文中方法相比峰值信噪比PSNR、结构相似度SSIM算法具有更高的准确性和良好的相关性,可以更好的评价图像质量。     

基于Contourlet变换和IPCNN的融合算法及其在可见光与红外线图像融合中的应用

针对多传感器图像融合这一图像处理领域中的研究热点问题,提出了一种基于Contourlet变换和IPCNN的融合方法.该融合方法首先利用Contourlet对输入图像进行多尺度、多方向稀疏分解,准确地捕获图像中的二维或高维奇异信息,然后在Contourlet域充分利用IPCNN的同步激发特性,进行基于IPCNN的融合策略设计,提高了融合效果.仿真结果表明,该算法具有很好的融合效果.     

基于SWBC变换尺度相关性的红外图像阈值降噪

针对传统图像降噪算法无法较好处理红外图像中的噪声问题,提出了一种基于SWBC(Stationary Wavelet-based Contourlet)变换尺度相关性的红外图像阈值降噪算法。本文分析红外图像信号和噪声在SWBC变换域各尺度上的能量分布特性,改进一般降噪算法对所有子带均进行处理的做法,只对高频子带系数进行降噪处理。同时为增加SWBC系数阈值判断的准确性,本文算法对每个系数设置不同的阈值,结合尺度相关特性,对系数进行双重判断。使用不同的含噪红外图像对本文算法进行检验。实验结果表明,相比于WBC尺度间硬阈值降噪、WBC尺度间自适应阈值降噪和WBC尺度相关性降噪,本文算法能获得更高的SNR提升,且SSIM值也更接近于1。     

Blind image quality assessment in the contourlet domain

No-reference/blind image quality assessment (NR-IQA/BIQA) algorithms play an important role in image evaluation, as they can assess the quality of an image automatically, only using the distorted image whose quality is being assessed. Among the existing NR-IQA/BIQA methods, natural scene statistic (NSS) models which can be expressed in different bandpass domains show good consistency with human subjective judgments of quality.In this paper, we create new ‘quality-aware’ features: the energy differences of the sub-band coefficients across scales via contourlet transform, and propose a new NR-IQA/BIQA model that operates on natural scene statistics in the contourlet domain. Prior to applying the contourlet transform, we apply two preprocessing steps that help to create more information-dense, low-entropy representations. Specifically, we transform the picture into the CIELAB color space and gradient magnitude map. Then, a number of ‘quality-aware’ features are discovered in the contourlet transform domain: the energy of the sub-band coefficients within scales, and the energy differences between scales, as well as measurements of the statistical relationships of pixels across scales. A detailed analysis is conducted to show how different distortions affect the statistical characteristics of these features, and then features are fed to a support vector regression (SVR) model which learns to predict image quality. Experimental results show that the proposed method has high linearity against human subjective perception, and outperforms the state-of-the-art NR-IQA models.     

基于支持向量回归的Contourlet域盲水印算法

为进一步提高基于支持向量机(SVM,support vector machine)水印算法的性能,提出了基于支持向量回归(SVR,support vector regression)的Contourlet域盲水印算法。首先对宿主图像进行Contourlet分解,然后利用SVM建立图像尺度内的局部相关性模型,根据模型的预测结果自适应地嵌入水印。实验结果表明,所提出的算法不仅具有较好的不可感知性,而且对叠加噪声、JPEG压缩、锐化、平滑滤波和对比度增强等常规图像信号处理以及旋转、剪切等几何攻击均具有较好的鲁棒性,其性能明显优于基于SVM的空间域和小波域的水印算法。     

基于非下采样Contourlet域高斯尺度混合模型的图像降噪

提出了一种图像去噪方法,将高斯尺度混合(GSM)模型引入非下采样Contourlet变换(NSCT)域,构造了基于NSCT分解系数的邻域模型,并利用Bayes最小均方(BLS)估计进行局部去噪。仿真实验结果表明,通过本文提出的方法能够有效去除高斯噪声,较完整地保持图像中的边缘等细节信息,在峰值信噪比(PSNR)提高与视觉效果上优于其它的去噪方法。实验结果验证了方法的正确性。     

基于非抽样复轮廓波变换的图像去噪算法研究

将二维双树复小波变换(DT-CWT)与非抽样方向滤波器组(NSDFB)相结合,构造一种新的非抽样复轮廓波变换(NSCCT),并对其平移不变性作了相应证明。同时利用对称的正态逆高斯(NIG)分布先验概率模型和贝叶斯最小均方算法,提出一种基于NSCCT的图像去噪算法。实验结果表明,本文构造的NSCCT能够有效地抑制伪Gibbs现象,并且具有更丰富的方向分量,因而在图像的细节和纹理表现方面有一定的优势。     

基于无抽样Contourlet变换的图像增强方法

为了有效增强图像的细节信息,研究了基于无抽样Contourlet变换的图象增强方法。首先将待增强图像进行无抽样Contourlet变换,然后使用映射函数对无抽样Contourlet系数进行增强处理,最后进行无抽样Contourlet反变换得到增强后的图像。实验结果表明,该方法可以有效增强图像的微弱边缘信息。     

基于NSCT子带自适应Bayes阈值图像去噪方法

利用非下采样Contourlet变换（NSCT）平移不变性、多分辨率、多方向的优点,提出了一种基于非下采样Contourlet变换的子带自适应Bayes阈值图像去噪算法。该算法将源图像分解至NSCT变换域．能根据不同尺度、不同方向的子带能量,自适应调整去噪阈值。实验表明,与Contourlet多尺度阈值去噪、Conto...     

基于Contourlet域ICA和SVM的图像融合

提出了一种基于Contourlet域独立分量分析(ICA)和支持向量机(SVM)的图像融合方法。首先对源图像进行Contourlet变换,再提取其高频系数的独立分量特征,并通过粒子群优化的SVM实现分类,最后进行图像重构得到融合结果。给出了实验结果,采用均方差(MSE)、信噪比(SNR)、信息熵(H)、空间频率(SF)、清晰度(CL)和相关系数(CR)等评价指标对融合效果进行了定量评价,并与加权平均法、基于Contourlet变换或基于ICA的图像融合方法进行了比较。结果表明,所提出的方法能取得更优越的融合效果。     

基于方向区域的NSCT图像融合算法

提出一种新的基于方向区域的NSCT图像融合算法。算法首先对源图像进行NSCT分解,获得不同方向的高低频子带。其次对高低频系数,根据不同分解层的方向特性,按方向区域能量的规则进行融合。最后,通过反变换获得融合图像。该方法既保留了Contourlet变换方法的多尺度多方向特性,又具有移不变性。实验结果表明,提出的算法有效可行,对比常用的区域融合算法,获得了更好的融合效果。