基于结构信息和像素失真的客观图像质量评价

为了度量多种失真类型的图像质量,根据人类视觉系统(HVS)对图像空域结构信息高度敏感和任一类型的失真都会产生像素失真理论,提出一种基于结构信息和像素失真的无参考的质量评价方法.该方法利用色彩信息提取能够表征图像结构信息的视觉内容结构图,并加权像素失真来度量图像质量,同时对部分失真类型进行修正.该方法不涉及任何参数设置也无需训练过程.实验结果表明,该方法能够较好地评价白噪声、JPEG压缩、高斯模糊、JPEG2000压缩和FastFading等失真图像的质量,并与主观评价方法有较好的一致性.     

一种基于WBCT的自然图像质量评价方法

部分参考型图像质量评价的性能依赖于图像的特征提取和稀疏表示.WBCT(Wavelet-based Contourlet Transform)是一种无冗余度的图像稀疏表示方法,能有效地反映图像的视觉感知特性,可以用来捕捉由于图像失真而引起的视觉感知的变化.为此,结合部分参考型图像质量评价模型和WBCT,提出了一种自然图像质量客观评价方法.实验结果表明,利用该方法所得到的图像质量客观评价结果与主观评价结果之间具有很好的一致性,能准确地反映人眼对图像质量的主观感受.     

基于像素失真耦合边缘特征融合的无参考质量评价

为了适应多种类型的模糊图像进行质量评价,提高评价模型对图像模糊和振铃的洞察能力,提出了一种像素失真与边缘特征融合的无参考质量评价算法.首先,根据像素失真理论,计算图像像素的标准差和绝对差分值,提取图像的像素特征;然后,计算图像水平和垂直方向的过零率,并利用边缘保持滤波器对图像边缘信息进行测量,精确提取图像的边缘特征;最后,利用提取的像素特征和边缘特征,定义特征融合函数,并引入粒子群优化(PSO)对融合函数参数进行优化,提高对图像模糊和振铃的洞察能力,根据融合特征构建图像质量评价模型.与当前无参考质量评价算法比较,所提算法能够有效地对JPEG(Joint Photographic Experts Group)、JPEG2000(Joint Photographic Experts Group 2000)、模糊等失真图像进行质量评价,评价指标CC(Correlation Coefficient)与SROCC(Spearman Rank-order Correlation Coefficient)达0.9477和0.9153.该算法与主观评价方法具有较好的一致性,能够较好地适用于多种类型的失真图像评价.     

一种基于局部方差和结构相似度的图像质量评价方法

针对结构相似度(SSIM)方法对图像不同失真类型的敏感程度不同的问题,提出了一种基于局部方差和结构相似度的图像质量评价方法.计算并比较了两图像整体局部方差的分布,分析了度量结果所表征的图像特征.局部方差较好地体现了图像的细节信息,因此对于模糊等失真类型较为敏感,但是对于噪声污染等失真类型的敏感程度较低.因此,本文提出的评价方法将局部方差与结构相似度方法相结合,平衡了二者对造成图像失真各种因素的不同敏感偏向,从而使评价结果更加接近人眼对图像质量的主观感觉.实验结果表明,该方法充分考虑了图像中人跟比较敏感的细节信息的完整程度对图像质量的影响,评价结果优于SSIM方法,与人的主观感觉的一致性较好.     

一种基于最小可察觉失真的立体图像质量客观评价方法

立体图像质量是评价立体视频系统性能的有效途径,而如何利用人类视觉特性对立体图像质量进行有效的评价是目前的研究难点。本文通过分析最小可察觉失真(JND,just noticeable distortion)视觉感知模型,并结合反映图像结构信息的奇异值矢量,提出了一种基于JND的立体图像质量客观评价方法。评价方法由图像质量评价和深度感知评价两部分组成,首先提取反映图像质量和深度感知的特征信息作为立体图像特征信息,然后根据立体图像的不同失真类型情况对其特征进行融合,通过支持向量回归(SVR,support vector Regression)预测得出立体图像质量的客观评价值。实验结果表明,采用本文提出的客观评价方法对立体数据测试库进行评价,在不同失真类型或混合失真评价结果中,Pearson线性相关系数(CC)值均在0.94以上,Spearman等级相关系数(SROCC)值均在0.92以上,符合人眼视觉特性,能够很好地预测人眼对立体图像的主观感知。     

基于人眼视觉特性的彩色图像质量评价

图像处理系统的性能优劣的评判往往需要一个合理迅速的图像质量评价算法作为支撑.传统的图像质量评价算法由于没有充分考虑人眼的视觉特性,使得质量评价结果与实际图像的人眼感知质量不符.根据人眼对图像边缘信息非常敏感这一人眼视觉特性,提出一种综合图像边缘和背录相似度的算法(EBS)来评价彩色图像质量,即通过比较失真彩色图像与原始参考图像的边缘以及除边缘之外的背景相似程度最终确定失真图像的质量.应用于由779幅包含五种类型失真的图像质量评价库的实验结果表明,该算法的评价结果相比PSNR,MSSIM,IFC以及基于像素域的VIF等算法与图像的主观评价结果(由DMOS值表示--将背景不同的一组观察者对失真图像的评分进行统计平均后所得到的评价结果)更一致,也即该算法的评价结果更接近图像的实际视觉感知质量.     

基于视觉显著失真度的图像质量自适应评价方法

针对结构相似(SSIM)图像质量评价算法没有考虑人眼视觉多通道性和对图像高失真评价的不稳定性,提出一种基于视觉显著失真度的图像质量自适应融合(VSAP)评价方法。该方法首先采用log-Gabor滤波提取图像的高频、中频及低频3层视觉特征,基于log-Gabor变换尺度和方向权重系数计算特征值的相似度;然后基于视觉阈值多分辨性迭加计算出特征值的失真度;最后,根据视觉失真度自适应融合相似度评价与失真度评价获得图像质量的最终客观评价。实验结果表明,VSAP方法不但对图像不同类型失真的客观评价与主观感知具有更高的相关性,而且3个主要指标斯皮尔曼等级相关系数(SROCC)、曲线拟合相关系数(CC)和均方根误差(RMSE)对图像不同水平失真的整体评价性能更稳定,明显优于其它评价方法。     

基于Riesz变换的结构相似度图像质量评价方法

不同的图像处理过程,会对图像引入各种各样的失真,如何对图像的质量进行评价成为一个热点问题。针对传统的基于像素差值统计的峰值信噪比方法及结构相似度方法与人眼主观评价不够符合的情况,本文提出了一种基于Riesz变换的结构相似度图像质量评价方法。该方法先将参考图像和失真图像进行一阶Riesz变换和二阶Riesz变换,并利用得到的5组对应特征图计算出5幅相似度图和5幅权重图,利用平均法进行融合得到最终的相似度图和权重图,然后加入原参考图像和失真图像的亮度比较项,得到最终的图像质量评价指标。在LIVE图像数据库上的实验表明,本文方法对于5种失真的质量预测准确性和一致性都很高,在交叉失真实验中,本文方法也优于结构相似度方法,PLCC和SROCC值达到了0.9482和0.9532。与几种公认较好的方法相比,本文方法能够更好地预测图像质量,更加符合人眼的主观感知。     

基于显著性的无参考模糊图像质量评价

为了有效得评价模糊图像的质量分数,提出了一种基于显著性的无参考模糊图像质量评价方法.该方法首先通过改进的的显著值将图像分为显著块和非显著块,并舍弃非显著块;然后,根据模糊检测概率计算块的整体模糊,此外为了在评价过程中引入图像的结构细节信息,将标准差作为块的细节模糊;最后,对整体模糊和细节模糊进行几何融合得到块的质量分数,从而将人眼视觉信息与图像结构细节信息相融合,并利用改进的显著值对其所在的块进行加权,最终得到模糊图像质量评价方法.试验结果显示在LIVE、TID2013、CSIQ三大数据库上,该方法的评价效果都具有较好的准确性与预测性.该算法利用的图像信息相对比较全面,主要适用于纹理信息比较丰富的模糊图像.     

基于DWT和视觉加权的图像质量评价方法研究

提出了一种新的基于小波变换和视觉加权的图像质量客观评价方法(WVWPSNR,wavelet and vision weighted peak signal noise ratio)。该方法将图像的DWT和HVS特性相结合,利用子图分解以及视觉加权处理实现图像质量的客观评价。对多幅分别经过JPEG压缩、JPEG2000压缩、White Noise(白噪声)、Gaussian Blur(高斯模糊)、FastFading降质的图像进行测试,实验结果表明该方法可靠、有效,与主观评价结果更接近。尤其是该方法对JPEG压缩图像的质量评价性能较好。