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.     

基于人眼失真敏感度的图像质量评价算法研究

人眼作为图像的最终观测者,对图像失真的敏感度会随着图像纹理的变化而变化。根据人眼视觉系统的这一特性,将图像的纹理信息引入到图像质量计算中,提出了一种基于人眼失真敏感度的结构相似度算法(DS-SSIM)。通过对LIVE DATABASE中5种失真类型共779张失真图像的仿真实验得出,相比PSNR,SSIM,ESSIM等算法,DS-SSIM算法的评价结果与人为主观评分具有更高的一致性,更加符合人眼视觉特性。     

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.     

基于小波频带划分及CSF特性的图像质量评价方法

文章在人眼视觉系统(HVS)的基础上,利用小波变换频带划分的原理,提出了一种新的图像质量评价方法.此方法把小波变换后不同方向频带划分特性与HVS中对比敏感函数(CSF)曲线的带通特性有机地结合起来,得到一种新的图像质量评价指标--人眼视觉信噪比(HVSNR).最后,通过试验证明了这种新的评价指标比传统的峰值信噪比(PSNR)更加接近人们的主观视觉感受.     

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。     

基于人眼视觉的小波域结构相似性图像质量客观评价方法

针对空域结构相似性评价方法在几何失真图像及噪声污染图像的质量评价中存在的不足,在考虑人眼视觉特性前提下,研究了一种基于人眼视觉的小波域结构相似度的图像质量评价方法(WDSSIM),该方法首先将参考图像和失真图像进行小波变换,以获取不同尺度和频带的子带图像,并根据人眼视觉JND模型,获取人眼视觉对参考图像的带间敏感度和各子带的带内敏感度;然后,以带内敏感度因子为权值分别求取参考图像和失真图像同一尺度和频带的子带图像之间的结构相似度;最后,以带间敏感度因子为权值对各子带对的结构相似度进行加权归一化,获得整幅图像的结构相似度.     

基于图像失真类型的自适应图像质量评价方法

提出了一种图像质量评价方法,所提出的评价算法抽取DCT系数特征来代表图像的失真类型,使用基于支持向量机的分类器对图像失真类型进行预测,随后针对每一种失真类型,给出相应的融合评价算法,对图像进行质量评价.实验结果表明,该算法在整体性能上要优于传统的PSNR及SSIM等图像质量评价算法.     

基于人眼对比度敏感视觉特性的图像质量评价方法

结合传统采用的均方误差和峰值信噪比评价灰度图像质量的统计方法和色差描述彩色图像差异的特点,提出了一种基于人眼视觉特性的色差均方误差和色差峰值信噪比统计参数的评价彩色图像质量的方法,并通过实验进行了验证。实验结果与德克萨斯大学奥斯汀分校的LIVE图像库中的图像主观评价结果基本符合,表明所提出的方法不仅从统计意义上有效地反映了局部甚至像点间的差别,而且由于该统计方法同时考虑了人眼视觉特性,提高了客观评价与主观评价的一致性。     

一种基于HWD的图像质量评价测度

提出了一种新的图像质量评价测度.首先对图像进行Hybrid Wavelets and Directional Filter Banks (HWD)分解,得到相应的尺度和方向子带信息.然后对各个子带进行对比敏感度掩模,使不同尺度和方向子带的信息具有相同的灵敏度.根据人类视觉感知特性设定视觉感知阈值,获得相应的视觉感知系数并归一化.利用参考图像和失真图像视觉感知系数差值的变化得到相应的图像质量评价测度.实验结果表明本测度与主观感知有很好的一致性,能准确地反映人眼对图像的视觉感知.     

Perceptual Quality Assessment of SAR Image Compression Based on Image Content Partition and Neural Network

Image quality assessment （IQA） is of fundamental importance for image compression applications. Traditional IQA measures used for Synthetic aperture radar （SAR） image compression do not consider the properties of Human visual system （HVS）. Since human beings are the final users in most SAR image applications, the objective evaluation coordinate to human＇s perception is the most acceptable and practical IQA method. In this paper, we propose a novel objective approach based on image content partition and Neural network （NN） by introducing the HVS and SAR image characteristics. Experimental results demonstrate that the proposed metric correlates well with subjective quality of SAR image compression and outperforms those state-of-art objective models using Structural similarity index （SSIM）, Singular value decomposition （SVD） and Visual information fidelity （VIF）.     

一种基于小波分析的部分参考型图像质量评价方法

部分参考型图像质量客观评价方法已经成为图像质量评价领域研究的热点之一。该文利用视觉感知特性,通过统计图像经小波分解后视觉感知系数在各子带中的变化情况,提出了一种基于小波分解的部分参考型图像质量评价方法。该方法与经典的RR-WISM(Reduced-Reference image quality assessment using Wavelet-domain natural Image Statistic Model)方法相比,主观感知的相关系数平均提高3%,主观感知的离出率平均降低6%,传输数据量减少50%,计算代价大大降低。实验结果表明提出的方法与主观感知有很好的一致性。     

CNN Based No-Reference HDR Image Quality Assessment

Motivated by the problems of non-universality and over-reliance on the original reference image in High dynamic range (HDR) Image quality assessment (IQA), a convolutional neural network-based algorithm for no-reference HDR image quality assessment is proposed. The Salience detection by self-resemblance (SDSR) algorithm which extracts the salient regions of the HDR image, is used to simulate the human visual attention mechanism. Then a visual quality perception network for training quality prediction models is designed according to the visual characteristics of luminance and contrast sensitivity. And this network consists of an Error estimation network (Error-net), a Perceptual resistance network (PR-net) and a mixing function. The experimental results indicate that the method proposed has high consistency with subjective perception, and the value of assessment metrics Spearman rank-order correlation coefficient (SROCC), Pearson product-moment correlation coefficient (PLCC) and Root mean square error (RMSE) correspondingly reaches 0.941, 0.910 and 8.176 as well. It is comparable with classic full-reference HDR IQA methods.     

基于平滑特性的压缩图像质量盲评估

根据压缩图像中图像块平滑特性的不同,提出了一种基于平滑因子的压缩图像质量盲评估方法.通过统计图像中为零的一维DCT交流系数的比例,构造了压缩程度因子以及质量评估体系,可有效区分图像的压缩程度.实验表明该方法对压缩图像有较好的评价效果,同时在对低通滤波图像的质量评估中性能优于利用块边缘像素差异的方法.     

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。     

基于参数估计的无参考型图像质量评价算法

针对现有客观图像质量评价算法通用性差及人类主观感知相关性弱等问题,该文提出一种基于参数估计的无参考型图像质量评价算法。该算法通过分析图像本身所蕴含的质量特征,提取出图像结构信息、颜色信息和视觉信息的评价度量指标,采用回归分析的方法估计出相应指标的参数。实验结果表明,该算法与主观评价结果一致性好、鲁棒性强,优于其它客观评价算法,能够准确反映人类对图像质量的视觉感知效果。     

图像质量评价方法研究进展

图像质量评价是图像处理领域的研究热点。该文综合论述了图像质量的主观和客观评价方法,重点阐述了单视点图像质量的客观评价方法。对目前比较常用的峰值信噪比和均方误差全参考评价算法进行了分析并指出其存在的问题。然后,对基于误差敏感度和基于结构相似度的评价算法进行了论述和分析,并对质降和无参考评价方法进行了综述。根据视点的个数,图像质量评价可分为对传统单视点图像和立体图像的评价。该文还对立体图像质量评价算法进行了分析讨论。最后,就图像质量评价算法的进一步发展提出了若干技术与研究方向的展望。     

基于视觉感知和零水印的部分参考立体图像质量评价模型

通过分析人类视觉系统的纹理方向特性和立体感知特性,并结合数字水印的半脆弱性和支持向量回归(Support Vector Regression, SVR)的泛化学习能力,该文提出一种基于视觉感知和零水印的部分参考立体图像质量客观评价模型。该模型利用立体图像左右视点经小波分解后在同一空间频率的水平和垂直方向子带系数关系构造反映图像纹理方向特征的视点零水印,同时,利用左右视点视差值与自适应阈值的大小关系构造反映立体感质量的视差零水印,然后利用SVR来学习两类零水印恢复率(视觉加权视点零水印恢复率和视差零水印恢复率)与主观评价值的关系,最后用训练好的SVR完成立体图像质量预测。实验结果表明该模型符合人眼视觉特性,所得到的客观评价值与主观评价值具有较好的一致性。     

基于视觉加权的奇异值分解压缩图像质量评价测度

以像素值为基础的传统图像质量评价方法有其固有局限性,如对图像结构的忽视及对完全参考图像的需求等。为解决这些问题,该文研究了图像的奇异值向量对图像结构的表征能力,提出了基于视觉权重的奇异值分解和均值偏差率的部分参考图像质量评价方法BWSVD(Block Weighted Singular Value Decomposition)。首先,将图像分成88 大小的图像块,再利用其奇异值向量差值和均值偏差来定量描述图像畸变程度,并结合人眼视觉敏感性为每个图像块赋予一个视觉权重。最后,利用the Live Image Quality Assessment Database, Release2005中的227幅不同压缩倍率的JPEG2000降质图像进行实验,并与PSNR,RMSE,UQI,MSSIM,MSVD等算法进行了对比,实验表明,该文算法对压缩图像质量评价具有更好的稳定性,同时体现了更好的主客观评价一致性。