基于小波变换的无参考立体图像质量评价

立体图像质量评价是图像处理领域中一项重要技术,现有的2D图像质量评价方法并不能很好地应用于立体图像。为了更好地评价立体图像质量,提出了一种基于小波变换提取左右图像及其合成图像特征的无参考立体图像质量评价方法。该方法首先通过对失真的立体左右图像计算合成图像;再通过小波分解提取左右图像及其合成图像的小波系数,获取小波子带能量作为立体图像质量感知特征;最后通过支持向量回归建立立体图像特征与主观得分的关系模型,来预测和得到立体图像质量的客观评价得分。实验结果表明,与现有无参考立体图像质量评价方法相比较,该客观评价模型可以获得更好的主观感知一致性,更加符合人眼视觉系统。     

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。     

基于视觉感知噪声模型的彩色图像质量评价和彩色图像质量最佳化

建立一种基于人类视觉感知噪声模型的彩色图像质量评价方法用以评价含噪声图像的彩色图像质量。该方法用视觉感知图像质量的质量四参数：信息熵、平均对比度、平均灰度和关键区域图像的标准差,通过实验建立综合的彩色图像质量评价模型,称为最好质量彩色图像评价函数。该函数的最大值对应最好质量彩色图像。该方法的评价结果更符合视觉感知效果。该方法基于图像质量四参数的独立计算,不但不借助于任何参考图像,还能用于评价参考图像质量。如果参考图像质量不够好,还能通过称为ZadehX变换的灰度变换获得最好质量的彩色图像。     

顾及源图像质量的可见光和红外图像融合算法

分析了目前图像融合算法存在的问题,提出顾及源图像质量的可见光和红外图像融合的算法。以图像融合理论方法为基础,引入图像质量评价方法,构建了顾及源图像质量的图像融合基本框架。以区域加权信息熵作为可见光和红外图像评价方法,并以图像质量评价结果作为小波变换的系数权值来进行图像融合,分别以图像的平均灰度、标准差、信息熵、空间频率作为评价指标对融合后的图像进行质量评价,提出了基于区域加权信息熵的可见光与红外图像融合算法。最后选取多组可见光和红外图像进行图像融合实验。实验结果表明:顾及源图像质量的可见光和红外图像融合算法是完全可行和有效的。     

基于梯度方向信息的医学图像质量评价方法研究

研究医学图像质量的评价方法,提高评价方法的可靠性。医学图像是由计算机使用数学方法重建得到的,其独特的成像特点对图像质量评价的要求很高。由于在图像成像过程中不可避免会受到噪声等影响,使得图像存在不均匀或失真等,传统的医学图像质量评价方法只是采用信噪比对图像的质量进行评价,对失真图像评价的可靠性不高。为提高评价方法的可靠性,提出基于梯度方向信息的医学图像质量评价方法。它不仅考虑图像信噪比,而且结合像素点间的相关性和人类视觉感知特性,计算出梯度方向信息作为评价指标,能够避免传统方法对失真图像评价可靠性不高的问题。实验表明,这种方法能够真实反映图像的视觉感知质量,具有较高的评价可靠性。     

基于局部特征的图像融合算法评价

图像种类很多,不同的图像适合不同的融合算法,如何去选择最合适的算法是目前存在的一个问题,本文提出了一种新的图像融合质量评价方法,文章利用融合图像与标准图像的相同极值点的相似率来评价融合图像质量,实验表明该方法是一种实用有效的方法。     

多模态医学图像融合中小波基函数的选择

小波基函数直接影响到图像的融合质量.本文通过实验并结合融合图像评价方法评价不同小波基函数的融合图像质量,得出该如何去选择小波基函数.     

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。     

一种浮选泡沫视频图像自适应筛选方法

针对浮选视频图像获取过程中出现的图像质量问题,提出一种浮现泡沫视频图像自适应筛选方法。首先通过分析浮选图像纹理特征选取评价参数,然后采用改进BP神经网络建立图像质量评判模型,对不同质量图像进行评判筛选。实验证明,该方法筛选速度快且识别正确率和效率高,筛选后的图像分割效果好。     

针对质量评价的环境星遥感真实图像库构建

目的 随着遥感信息爆炸时代的来临,海量的遥感图像信息不断地从太空中传来。如何有效地利用这些遥感数据成为学者们新的研究热点。遥感图像质量评价不仅能筛选出有价值的图像以供后续的图像处理,如地物分类、目标识别等,还能对卫星设备的运转情况进行检测,而目前还没有公开的针对质量评价的遥感图像库。为此,构建了一个针对质量评价的环境星HJ-1A/1B真实遥感图像专家评分库。方法 遥感图像专家评分库包含70组,每组包含同一地点的5个不同时间点的图像,共350幅真实遥感图像以及每幅图像对应的主观评价质量分数。并通过基于卷积神经网络的图像质量评价算法来验证该遥感图像专家库的可用性。结果 将本文算法和4种效果较好的无参考图像质量评价算法在本文数据库上进行性能检测,并对各算法性能与训练测试集规模的关系进行对比实验。实验结果表明,目前针对仿真图像的无参考图像质量评价算法并不适用于该遥感图像库,验证了遥感真实图像与自然仿真图像的巨大差异,而基于卷积神经网络的算法结果则表明该数据库具有质量评价研究价值。结论 本文构建的基于环境星遥感真实图像库能够为遥感图像质量评价提供验证平台,并且数据规模可以为深度学习在遥感图像处理领域的应用提供支持。     

图像质量评价的建模与仿真研究

研究图像质量准确评价问题,图像采集、压缩传输中会出现畸变,使图像模糊,传统评价方法难以从对这些特征进行正确区分,导致图像质量评价准确率低。为提高图像质量评价准确率,提出一种采用最小二乘支持向量机(LSSVM)的图像质量评价方法。首先采用PSNR和SSIM分别对图像质量进行评价,得到的评价值作为描述图像质量的参数,然后输入到LSS-VM进行学习,建立新的图像质量分类器,采用建立的分类器对图像质量进行仿真评价。仿真结果表明,相对于单一的图像质量评价方法,提高了图像质量评价的准确率,评价结果与视觉感知评估值更加一致。     

基于图像质量加权的D-S证据理论多生物特征融合识别

对人脸和指静脉在决策层的融合识别,给出一种新的组合图像质量评价方法,并采用一种改进的基于图像质量加权的D-S证据理论融合这两种生物特征。首先,组合图像质量评价法采用清晰度和对比度、相关系数的组合方法来评价生物特征图像质量;其次,应用改进的基于图像质量的匹配值增强方法和D-S证据理论,减少了极大值图像质量指标的影响,使图像质量加权与实际情况更趋一致。实验结果表明,与没有考虑图像质量因素相比,考虑了图像质量信息的D-S证据理论融合方法提高了识别效果。     

基于图像质量等级的自动目标识别效果评估

通过对图像质量度量指标类型进行统计分析,提出一种简单的图像质量等级划分方法,在此基础上利用支持向量机对各图像子集进行目标识别,分析图像质量对目标识别效果的影响,结合传统的目标识别效果评估方法,给出一种基于图像质量等级的目标识别效果评估方法。实验结果证明,与传统方法相比,该方法的评估结果更准确。     

基于尺度不变性的无参考图像质量评价

现有的通用型无参考图像质量评价方法大多是利用失真图像及其主观值来训练回归模型预测图像质量指标,然而这种方法需要消耗大量的时间进行训练,并且评价效果依赖于训练图像库中的失真类型,通用性较差,很难应用到实际场合中。为了解决数据库依赖问题,提出一种归一化的基于图像尺度不变性的无参考图像质量评价方法。该方法不依赖外部数据,将图像的统计特性及边缘结构特性作为图像质量评价的有效特征,利用图像多尺度不变性计算多尺度间的整体特征差异,从而预测图像质量。实验结果表明,所提方法对混合失真图像质量评价效果好,运行效率高,与目前现有的无参考图像质量评估方法相比具有较好的综合性能,具有较好的应用价值。     

基于可控金字塔的立体图像质量评价方法

在分析和模拟人眼感知立体图像方式的基础上,提出了一种评价立体图像质量的方法。该方法结合人眼视觉特征和结构相似度算法对立体图像质量进行评价,利用可控金字塔模拟人眼视觉特性中的多通道效应,同时采用立体图像左右视图的特征点的匹配算法对立体图像的立体感进行评价。实验结果表明,该方法与主观评价结果基本一致,能够更好地反映立体图像质量及立体感。     

一种基于视觉兴趣性的图象质量评价方法

图象质量的正确评价是图象信息工程领域内一项很有意义的研究课题,但现有的图象客观评价方法并不完全符合人眼视觉特性。合理地评价图象质量应充分遵循人眼的视觉特性,但由于受到人的心理、文化背景、周围环境、不同的应用场合等多种因素的影响,人眼对同一幅图象中的不同区域往往具有不同的感兴趣程度,即人眼具有视觉兴趣性特性,该文在充分利用视觉兴趣性特性的基础上,针对只存在一个感兴趣区的图象,提出了一种简化的图象质量     

基于频率域的图像质量检测方法

目前无参考图像质量评价方法中存在的量化精度不高和受图像对比度、纹理结构影响大等不足,难以用于高通量基因测序图像质量的检测。为此,在分析了黑色背景图像上叠加规则白色形状的同态傅里叶变换的基础上,提出了一种基于频率域的图像质量评价模型。该模型通过对频率域所表现出的图像纹理结构进行预处理,最终建模实现了高通量基因测序图像质量的评价指标。实践表明,该方法在评价高通量基因测序图像质量中具有较好的量化精度和可靠性。     

A new steganographic method for color and grayscale image hiding

In this paper, we present a steganographic method for embedding a color or a grayscale image in a true color image. Three types of secret images can be carried by the proposed method: hiding a color secret image, hiding a palette-based 256-color secret image, and hiding a grayscale image in a true color image. Secret data are protected by the conventional crypto system DES. We compare the image quality and hiding capacity of the proposed method with those of the scheme in Lin et al.’s scheme. According to the experimental results, the image quality of the proposed method is better than that of the Lin et al.’s scheme. In addition, annotation data can be hidden with the secret image in the host image. The hiding capacity of the proposed method is greater than that of other compared schemes. The experimental results show that the proposed method is a secure steganographic method that provides high hiding capacity and good image quality.     

面向水下图像的质量评价方法

目的 针对目前水下图像质量评价方法少和现有方法存在局限性等问题,提出一种无参考并且无需手工设计特征的水下图像质量评价方法。方法 提出的水下图像质量评价方法将深度学习网络框架与随机森林回归模型相结合,首先采用深度神经网络提取水下图像的特征;然后使用提取的特征和标定的水下图像质量分数训练回归模型;最终,利用训练好的回归模型预测水下图像的质量。结果 在本文收集的水下图像数据集和水下图像清晰化算法处理结果上评测本文方法,并与多种质量评价方法进行比较,其中包括预测结果与主观质量分数比较、水下图像清晰化结果评测比较、预测结果与主观质量分数相关性比较、鲁棒性比较等。主观实验结果表明本文的评价方法可以相对准确地给出符合人类视觉感知的水下图像质量分数,并且具有更好的鲁棒性。定量实验结果表明本文方法与其他方法相比,预测的图像质量分数与主观分数具有更高的相关性。结论 提出的水下图像质量评价方法无需参考图像,省去了手工设计的特征,充分利用了深度学习网络的学习和表征能力。本文方法的准确性较好,普适性和鲁棒性较高,预测的质量分数与人类视觉感知具有较高的一致性。本方法适用于原始的水下图像和水下图像清晰化算法的处理结果。