基于结构方向信息的图像质量评价方法

结构相似度(SSIM)方法通过度量原图像和失真图像之间的结构相似程度,达到了比传统PSNR方法更好的图像质量评价效果。但SSIM算法本身并没有充分利用图像的结构信息,在SSIM算法的基础上进一步挖掘图像结构中包含的方向信息,提出了局部结构方向相似度(LSOS),将LSOS方法和现有的SIExt算法相结合,提出基于结构方向信息的图像质量评价算法(SOI)。实验表明,该方法能够达到比SIExt和SSIM方法更好的图像质量评价结果。     

基于感兴趣区域的边缘结构相似度图像质量评估

目前常用的评估算法忽视了图像中携带重要信息的边缘特征。基于感兴趣区域的双尺度边缘结构相似度算法虽然考虑了边缘信息的重要性,但对边缘信息的识别效果不理想。针对以上问题,提出边缘结构相似度图像质量评估算法,将图像分为感兴趣区域与不感兴趣区域,分别用边缘结构相似度算法和结构相似度算法对2种区域进行质量评估,并实现加权组合。实验结果表明,该算法对边缘信息的识别能力更强,对图像质量的变化更加敏感。     

基于边缘显著区域和结构相似度的图像视觉效果评价

图像的大部分结构信息都集中在了边缘,在进行边缘检测时滤除一些与图像计算不相关的信息,可减少计算中的数据量,使得计算更加便捷;在结构属性上也得到了很好的保留,因此边缘检测方法在图像视觉效果评估上是可行的。人眼对于一幅图像的视觉并不是每一个图像区域都具有同等的视觉重要性。可以建立一种数学方法,提取图像中的视觉重要区域,对这些区域进行视觉效果评价。选取基于结构相似度方法作为最终评价方法,得到了一种全参考图像质量评价算法。最后将实验结果与3个图像评价库的参考结果进行拟合,得到的结果与其他算法相比表明,该算法更加符合人眼的视觉效果特性。     

基于形态学梯度的灰度图像质量盲评价

提出一种基于形态学梯度的灰度图像清晰度评价算法。针对灰度图像,通过多种形态学结构元素在图像上分别计算出对应的梯度信息,将梯度信息叠加后得到图像的形态学梯度边缘,利用该图像梯度边缘信息作为图像质量清晰度评价的测度,得到图像清晰度评价结果。实验表明:该图像质量评价结果与主观评价结果有很好的相关性,具有无参考、运算复杂度低等特点。     

一种基于内容的图像质量评价测度

鉴于传统的图像质量评价测度,如峰值信噪比,不能有效地反映人对图像的视觉感知。为此,提出了一种基于内容的图像质量评价测度;在改进基于结构相似度(structural similarity,SSIM)的图像质量测度基础上,根据图像的内容将图像分成边缘、纹理和平滑区域3部分,在每个区域又利用模糊积分融入了结构相似性的数量信息,从而充分利用了图像结构信息相似性及其在位置和数量上的融合信息来全面评价图像质量。实验结果表明,利用该测度所得到的图像质量评价结果与主观评价结果有着很好的相关性,能较准确地反映人对图像质量的主观感受。     

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Haar小波变换高频特征的图像质量评价算法

在分析人类视觉系统(HVS)特性的基础上,提出一种基于Haar小波变换高频特征的图像质量评价算法(CSSIM)。此方法首先将图像进行小波变换得到不同方向和不同频率的4个频带划分,在3个高频频带比较边缘结构信息上根据人类视觉系统特性,赋予3个频带比较结果相应视觉权重值,最终得到归一化的图像质量评价指标CSSIM。通过非线性回归拟合分析,证明了提出的算法(CSSIM)相对图像结构相似度评价算法(MSSIM)及其改进算法(MGSSIM)更符合人类的主观视觉感受。     

基于边缘的结构相似度模糊图像质量评价

结构相似性理论是一种关于图像质量评价的新思想,它很好地模拟了人眼视觉特性的整体功能。本文首先介绍了传统图像质量评价方法的不足,分析了基于视觉特性的结构相似度理论。作为结构相似性理论的一个实现,结构相似度模型(SSIM)简单且评价性能优于峰值信噪比(PSNR)或均方误差(MSE),但SSIM模型不能较好地评价严重模糊的降质图像。基于此,在SSIM基础上,本文提出了一种新颖的、基于边缘的图像质量评价模型(ESSIM)。该模型充分考虑了图像的边缘信息和人类视觉系统的关系。实验结果表明,ESSIM是一种有效的图像质量评价方法,尤其在对模糊图像的质量评价上优于结构相似度的评价方法SSIM。     

改进的结构相似医学图像质量评价方法

医学图像质量评价从基本方法上和普通图像评价是相同的。基于人眼视觉系统的图像质量客观评价一直是图像处理领域的研究热点。Zhou Wang等人提出了著名的客观质量评价方法：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。其评价性能优于PSNR（或MSE）。但是SSIM评价模糊失真类的图像准确性较低。在深入研究SSIM算法的基础上,提出一种改进SSIM算法：基于梯度方向信息的图像质量评价方法（GDSSIM）。实验结果表明,GDSSIM评价高斯模糊（GBlur）图像库时准确性明显高于PSNR和SSIM,评价Fast Fading图像库时准确性也有明显优势。最后,初步探讨了以上图像质量评价算法在医学图像上的应用。     

图像结构失真的编码质量评价

客观图像质量评价方法——自动评价图像质量使其与主观感受一致, 对于很多图像和视频处理应用特别是图像编码具有重要意义。提出了一种基于结构失真的图像编码质量客观评价方法。首先根据匹配追逐算法将参考图像在基函数上进行投影分解按照重要性排列获得结构信息,并给出结构重要性度量,然后利用该信息计算编码图像的结构信息,比较编码前后结构信息的差异作为客观质量评价度量,其中在匹配追逐算法中,选取了2维可分离的Gabor基函数集作为字典。实验结果显示,上述方法与主观质量评价值有很好的一致性。     

结合梯度信息的特征相似性图像质量评估

目的 图像的边缘信息对于图像质量的评估非常重要.基于底层特征的图像质量评估算法(FSIM),虽然考虑了图像的底层特征,但该算法对边缘信息的识别能力不理想.针对以上问题,将FSIM算法与对边缘信息更敏感的梯度结构相似度(GSSIM)算法相结合得到一种既符合人眼视觉系统特点又能有效识别图像边缘的新的图像质量评估算法(FGSIM).方法 该算法将FSIM算法的相位一致性部分与GSSIM算法的提取图像信息的部分相结合从而得到一种新的图像质量评估算法FGSIM.其中,采用相位一致性表示图像的特征,用于保持评估算法接近人类视觉系统的特点,提取图像信息的部分通过图像的梯度来实现,用于更有效的识别图像边缘.结果 分别使用FSIM、GSSIM以及FGSIM算法对不同运动模糊程度、不同高斯模糊程度以及不同高斯噪声的图像进行质量评估,将得到的数据用曲线图表示,从图中可以看出:在运动模糊实验中,随图像模糊程度的增大,FGSIM算法的数值由0.8943下降到0.3443,变化更加明显,对运动模糊表现出更好的敏感性;在高斯模糊和高斯噪声实验中,FGSIM算法数值变化的程度虽然不如GSSIM算法好,但相较FSIM算法有一定的提高.FGSIM算法在公共测试图像库中与FSIM、GSSIM算法进行实验比较,FGSIM算法的散点图较FSIM算法稍差些,但与GSSIM算法相比具有非常大的改进,其散点图比GSSIM更为集中.采用较为常用的衡量评估方法性能的指标:皮尔逊相关系数、斯皮尔曼秩相关系数、KROCC 和均方根误差对评估算法的性能进行衡量,数据显示,FGSIM算法的性能比GSSIM算法好.结论 实验结果表明,FGSIM算法是一种既符合人眼视觉系统特点又能有效识别图像边缘的新的图像质量评估算法,该算法对边缘信息的识别能力更强,对图像质量的变化更加敏感.     

基于ROI的双尺度结构相似度图像质量评估

目前有些图像质量评估方法未考虑到感兴趣区域对图像质量的影响,所得结果与人的主观感觉有误差。为此,提出基于感兴趣区域的双尺度图像质量评价方法。将图像质量的评价分为感兴趣区域和不感兴趣区域的加权组合评价,在感兴趣区域内使用双尺度图像质量评价方法,不感兴趣区域使用传统的结构相似度评价方法。实验结果表明,该方法考虑了感兴趣区域对图像质量的影响,强化了感兴趣区域评价值在总评价值中的比重,更符合人的主观视觉质量。     

基于变差函数全局纹理增强的结构相似度图像质量评价

为解决结构相似度算法的图像质量评价缺陷,提出了一种基于变差函数全局纹理增强的结构相似度图像质量评价。该方法首先利用改进的对数变差函数模型提取原图像和失真图像在水平0°、垂直90°和对角45°、135°四个方向的纹理信息特征,然后分别求出对应的纹理增强图像,最后改进SSIM中的结构信息来确定纹理区域的明显失真,计算得到整幅图像的VSSIM值。目前大多数的全参考评价方法不能对数据库中的所有失真类型进行评价,只能对某一类固定的失真类型来评价。本方法对LIVE数据库中的五种失真类型都适用,仿真实验表明,该算法对五种不同失真类型的评价结果具有一定的合理性,并且与主观评价数据库较为一致,其性能也优于其他质量评价模型。     

基于梯度幅度值的结构相似度的图像质量评价方法

说明传统图像质量评价方法的不足之处.在SSIM模型不能很好地评价严重模糊的降质图像的基础上,从图像梯度幅度值和图像边缘的关系出发,分析了基于梯度幅度值的结构相似度(GSIM)的图像质量评价方法.实验结果表明,该模型比SSIM模型更符合人眼的视觉特性.     

带结构检测的非局部均值图像去噪算法

针对非局部均值(NL-Means)图像去噪算法有大量结构残留的问题,提出一种带结构检测的NL-Means滤波算法。首先使用一个结构分析器对噪声图像进行预处理,突出图像中的细节信息,然后利用边缘检测的结果调节NL-Means算法相似性度量,为了保留图像的边缘内容让具有相似边缘内容的像素能够获得更大的权,而边缘内容不相似邻域有较小的权（或为零）。实验结果表明：该算法提高了NL-Means算法的去噪能力,滤波后的图像结构相似度更高,改善了图像的视觉质量。     

基于分水岭算法的图像融合质量评价方法

传统图像融合质量评价方法的评价结果与人眼主观感知结果不一致,针对该问题,提出基于分水岭算法的图像融合质量评价方法。利用结构相似性理论获得源图像之间的结构相似信息图,运用分水岭算法对信息图进行分割。为减少过分割现象,在分水岭算法中应用标记符,将源图像的信息分为共有信息和互补信息,构建基于结构相似性的映射函数,分别处理共有信息和互补信息,完成融合图像质量评价。实验结果表明,与Piella和Zheng方法相比,该方法的抗干扰性能较好。     

基于非局部结构张量的SSIM图像质量评价方法

针对基于局部运算的图像质量评价方法的局限性,提出一种基于非局部结构张量的SSIM图像质量评价方法。图像在各像素点的非局部结构张量的主特征值大小很好地反映了该像素点的结构强度信息,特别是纹理结构等细节信息; 主特征向量的方向反映了该像素点的结构方向信息。利用退化图像和参考图像的非局部结构张量的主特征值相似度刻画结构强度相似度,利用主特征向量夹角的余弦刻画结构方向相似度。数值实验结果显示,利用文中方法对TID2008数据库中的图像进行评价的平均运算时间为778.43s,且评价结果与主观评价接近。     

基于边缘相似度的全参考图像质量评价算法

客观图像质量评价(IQA)方法旨在利用计算模型自动实现与主观感知一致的图像质量评估,是当前计算机视觉领域和图像处理领域的研究热点.由于图像的边缘信息对理解图像语义信息至关重要,提出一种基于边缘信息的图像质量客观评价方法.通过比较参考图像和失真图像的多方向边缘强度、边缘强度对比度及亮度信息等特征的相似性,实现图像质量的客观评价.利用国外的LIVE2、TID2008及CSIQ等多个图形数据库计算结果证明,本算法能实现对多种失真类型的图像的质量预测,并且在预测准确性、鲁棒性和主观评价一致性方面与当前大多数方法相比都有明显优势.