电子稳像中稳像质量评价方法研究

在使用电子稳像算法对抖动视频序列进行稳像后,如何对稳定后的图像序列进行评估,目前尚未有一个统一的评价标准。对目前常用的主、客观稳像图像评价方法进行介绍分析,考虑不同的场景使用不同的评价方法。分析人眼视觉特性,认为结合人眼视觉特性的评价方法能较为全面客观的反映稳像图像质量是未来图像质量评价的发展方向。为进一步研究稳像图像质量评价提供理论基础。     

基于人类视觉系统的融合图像质量评价方法的研究

在融合图像的质量评价方法中引入人眼的各种视觉特性,从而使客观计测的结果符合图像质量的主观评价,符合人眼的实际观看质量.讨论了一种新的基于人类视觉系统(HVS)的融合图像质量度量,该方法无需理想图像,同时,将质量评价与人的视觉结果直接关联.对多类图像的不同融合算法的质量评价表明该方法是一种实用、有效的图像融合质量评价方法.     

基于正则化方向失真的压缩图像质量评价

图像质量评价是图像和视频处理系统中的基本算法。该文在分析人眼视觉系统对图像感知特点的基础上,结合二维图像的几何本征特征研究,提出了一种新型的基于图像正则化方向失真的完全参考质量评价算法。该方法计算简单,物理意义明确。仿真试验结果表明,该方法符合人眼视觉系统特性,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更好的一致性。     

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.     

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。     

DCI数字电影图像质量客观评价方法研究

提出了以峰值信噪比为基础,结合结构相似度和基于人眼视觉系统的数字电影图像质量客观评价方法.在符合全球第一个数字电影工业规范(DCI规范)的数字电影编码系统中实现了算法,并给出了评价结果.     

红外图像压缩质量评价研究

红外图像作为一种特殊图像,为了更好地传输和存储,有时候必须进行压缩.传统的均方误差(MSE)的图像质量客观评价方法,有时评价结果与人们的主观视觉不一致.为此提出一种建立在人眼视觉模型(HVS)基础之上的边缘均方误差评价方法,更能有效地反映出图像压缩失真在视觉上的感知.通过快速傅里叶变换(FFT)、离散余弦变换(DCT)、哈尔变换(HARR)、小波变换(WT)、哈达马变换等算法,对图像进行编解码后的效果进行了评价,证实了基于人眼视觉特性的误差统计方法对压缩图像进行像质评价较为令人满意.     

基于人眼视觉灰阶特性的红外图像映射显示研究

基于红外图像灰度分布集中、对比度低的特点,结合人眼视觉特性,对人眼视觉特性的灰度特性进行了分析,寻求将有限的红外图像信息映射到最有利于人眼观察的灰度分布区域,提出了红外图像灰度级映射显示的方法.采用本文方法处理后的图像质量的主观评价结果表明,方法得到了符合人眼视觉特性的显示最佳灰度范围.     

基于人眼视觉特性的深度学习全参考图像质量评价方法

针对现有的图像质量评价方法普遍为人工设计特征,难以自动且有效提取到符合人类视觉系统的图像特征,受人眼视觉特性的启发,提出一种新的基于卷积神经网络的全参考图像质量评价方法（DeepFR）。该方法基于对数据集本身的学习设计了卷积神经网络DeepFR模型,利用人眼视觉系统对梯度的敏感性进行加权优化,提取了符合人眼视觉特性的视觉感知图。实验表明:设计的DeepFR模型优于已有的全参考图像质量评价方法,其预测结果与主观质量评价有很好的精确性与一致性。     

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。     

夜视融合图像质量客观评价方法

为建立通用、客观的融合图像质量评价方法，在分析图像质量评价与融合图像质量评价关系基础上，给出了图像质量评价与融合图像质量评价的一般表达式。依据信息理论和结构相似度评价方法，对建立的4种客观评价指标，采用4种融合方法获得的36幅融合图像进行了主观评价实验，统计分析结果显示，结合人类视觉系统的客观评价方法优于熵、交互信息量等评价指标，但仍未达到高度的主客观一致性，说明构建通用、高效、主客观一致性好的融合图像质量评价指标存在较大难度，同时对可能存在的原因进行了分析。     

数字图像客观质量评价方法研究

文中重点探讨了数字图像客观质量评价方法.首先指出目前通用的均方误差和峰值信噪比方法存在缺陷;然后对目前研究的较为成熟的全参考和弱参考质量评价进行归纳总结,将新的图像质量客观评价研究分为三类:基于人类视觉系统的质量评价、基于质量相关因素的质量评价和基于结构失真的质量评价,并对每一类的主要模型进行了性能分析;最后指出了图像质量评价的研究方向.     

典型场景彩色融合图像颜色协调性的主观评价

彩色夜视技术是当前夜视技术发展的前沿,但如何实现对彩色夜视图像质量的客观评价仍然是当前困扰人们的问题.针对北京理工大学高绍姝提出的颜色协调性模型主观评价实验人数不足的问题,按照国际视觉实验标准重新设计并进行了颜色协调性的主观视觉评价实验,主观评价测试的彩色融合图像分成绿色植物、海天和城镇建筑物三类典型场景,主观实验人数提高到52人;对主观评价实验结果的回归分析结果表明:高绍姝提出的颜色协调性评价模型在三类场景与主观评价结果均具有较好的一致性,明显优于其他评价模型,可以有效地对不同场景彩色融合图像的颜色协调性进行客观评价.     

深度视觉频谱残余融合的图像质量评价

针对现有图像质量评价方法的缺陷,通过深度学习理论建模人眼视觉系统(human vision system,HVS)特性,提出了一种基于视觉特征深度感知与学习融合(deeply perception and learning for pooling,DPLP)的评价方法.首先为了增加图像视觉特征的稳定性,根据人眼感光的空域结构特征和频域多通道特性,对图像依次进行二维Log-Gabor小波变换、梯度变换和频谱残余的深度视觉信息处理,然后分别提取各层视觉信息进行质量评价.其次为了克服HVS融合的不确定性,对质量评价信息采取了深度池化策略,第一层为评价视图的空域融合,采取了符合人眼感光特性的高斯加权策略;第二层为多通道评价的频域融合,采取了具有HVS推理能力的BP神经网络的学习-预测策略;第三层为各级视觉特征的评价融合,采取了具有自适应特性的回归函数策略.最后,基于现实中的各种失真类型图像进行了实验,结果表明所提方法具有较高的主客观评价一致性水平和更好的稳定性.     

基于SEM的彩色融合图像质量主观评价方法北大核心CSCD

作为客观评价的研究基础,人眼主观评价是比较不同融合算法图像优劣的最直接有效的方法。通过开展主观评价实验,基于单因变量模型分析清晰度、颜色协调性等影响因素对彩色融合图像质量的影响程度,进而预测视觉任务下的融合图像总体质量,是目前流行的彩色融合图像质量主观评价研究方法。针对基于单因变量模型的研究方法易割裂“探测”与“感知”在探测识别过程中的联系的问题,本文以村庄环境下的探测识别视觉任务为例,选取“感知”和“探测”2个指标共同作为彩色融合图像质量的表现指标,组织15人对由8个场景、8种典型融合算法生成的42幅彩色融合图像的质量进行了主观评价。采用双因变量的结构方程模型(Structural Equation Model,SEM)分析了筛选后的评价结果,建立了彩色融合图像质量的预测模型并验证了模型的正确性。结果表明,当同时表现“感知”和“探测”2种性能时,村庄环境、探测识别视觉任务下,彩色融合图像的质量可由“目标背景差异”、“场景清晰度”和“颜色协调性”3个因素预测,且“感知”和“探测”2种性能是均衡的。     

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。     

基于高维度特征分析的非局部图像质量评价方法

传统的图像质量评价方法通常提取低维度特征即图像的片面信息用来分析图像质量。高维度特征尽管不易分析但保留了更多信息,更利于全面分析图像质量。针对这种现状,该文提出一种优化数据采样后基于高维度特征分析的图像质量评价方法。首先对图像数据采样分别利用块匹配进行筛选,用主成分分析进行降维,其次利用核独立分量分析从图像数据采样中提取高维度特征,最后基于自然图像统计特性对特征进行综合得出图像质量。实验结果表明所提方法与人的主观评价较为一致。     

No-Reference Image Quality Assessment Method Based on Visual Parameters

Recent studies on no-reference image quality assessment (NR-IQA) methods usually learn to evaluate the image quality by regressing from human subjective scores of the training samples. This study presented an NR-IQA method based on the basic image visual parameters without using human scored image databases in learning. We demonstrated that these features comprised the most basic characteristics for constructing an image and influencing the visual quality of an image. In this paper, the definitions, computational method, and relationships among these visual metrics were described. We subsequently proposed a no-reference assessment function, which was referred to as a visual parameter measurement index (VPMI), based on the integration of these visual metrics to assess image quality. It is established that the maximum of VPMI corresponds to the best quality of the color image. We verified this method using the popular assessment database—image quality assessment database (LIVE), and the results indicated that the proposed method matched better with the subjective assessment of human vision. Compared with other image quality assessment models, it is highly competitive. VPMI has low computational complexity, which makes it promising to implement in real-time image assessment systems.