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。     

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。     

重视边缘区域的结构相似度图像质量评价

基于结构相似度的图像质量评价方法简单高效、准确性较高,但是对严重失真和交叉失真类型评价不够准确。考虑到边缘是图像的主要信息和能量成分,人眼对边缘信息的丢失更加关注,提出一种重视边缘区域的结构相似度图像质量评价方法(HESSIM),采用动态阈值(Otsu)法提取边缘区域,结合JND确定边缘区域的明显失真,并对其予以重视。实验结果表明,HESSIM比SSIM有更准确的评价,特别是对模糊类失真和噪声类失真的评价,HESSIM的优越性更加明显。     

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。     

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。     

基于扩展结构相似性的特征匹配方法

传统特征匹配的相似性度量方法多假定特征为直方图形式,结构单一。结构相似性(SSIM)度量在图像质量评价领域表现良好,但其鲁棒性较差。针对上述问题,提出一种扩展结构相似性度量方法。从空间网格提取特征阵列的三阶张量结构丰富特征信息,以加和形式修改SSIM度量,并引入权值,将张量特征结构用于相似性度量,建立高鲁棒性的相似性度量方法。提供点积形式的显性特征映射,以加快相似性度量速度。对关键点匹配和图像检测任务进行实验,结果表明,与传统相似性度量方法相比,该方法具有鲁棒性更强的匹配效果,并且计算效率有较大提高。     

双尺度边缘结构相似度的图像质量评估

图像质量评价对于各种视频图像应用具有重要的意义。结构相似度准则SSIM在模糊图像及噪声污染的图像判定方面，存在偏差。该文提出了基于双尺度边缘结构特征的图像质量评价算法——MDESSIM，充分考虑了边缘信息在结构信息中的重要性，通过增加边缘结构的失真度量来综合评价图像质量。实验结果表明了MDESSIM算法的有效性。     

信息量加权的梯度显著度图像质量评价

目的：针对信息量加权结构化图像质量评价算法(Information Content Weighted SSIM, IW-SSIM)对图像局部失真度量能力的不足,提出了一种被称为信息量加权的梯度显著度图像质量评价改进算法(Information Content Weighted Gradient Salience SSIM, IW-GS-SSIM)。方法：该算法首先根据人眼视觉系统响应亮度刺激的韦伯定律,仅在空域内利用一次滤波快速计算出当前像素点与背景之间的对比度并将其非线性映射为该像素点的视觉显著度。然后,将视觉显著度与梯度特征结合后获得了一种新的被称为梯度显著度局部失真度量(GS-SSIM)并将其替换IW-SSIM算法中的SSIM局部结构化度量。结果：在六大公开基准数据库上完成的大量对比实验表明：对于图像的各种噪声和模糊等类型失真,GS-SSIM较SSIM局部失真度量具有更高的评价准确率。与IW-SSIM算法和其它被广泛引用的图像质量评价算法相比,改进算法评价结果总体上与主观评价结果具有更高的一致性。结论：视觉显著度与梯度特征相结合后所构成的结构化度量能够有效提高经典SSIM结构化度量对图像局部失真度量的准确性,未来可以考虑将人类视觉系统(HVS)的其它特性融入到图像质量评价算法中,以进一步提高算法的准确性。     

基于自然图像块相似性和稀疏先验性的图像复原

针对物体成像过程受光学系统散焦、运动、大气扰动及光电噪声等因素影响,导致光学系统获取的图像存在噪声、模糊、畸变等降质问题,对基于自然图像块相似性和自然图像稀疏先验信息的图像复原方法进行研究,提出一种泛化的基于图像块相似性和自然图像稀疏先验的图像复原框架。首先,在研究自然图像稀疏先验模型的基础上比较了几种图像块的相似性模型,比较结果表明在图像复原中利用图像块的高相似性先验条件模型能够提升图像复原的性能;接着,构建和优化了基于图像块的期望log相似性模型,减少了运行时间,简化了学习过程;最后,通过构建一种近似的最大后验估计（MAP）算法,最终实现了基于优化的期望块log相似性和混合高斯模型（GMM）的图像复原。仿真实验结果表明,所提方法能够很好地复原包含有各种模糊和加性噪声的退化图像,所得图像的峰值信噪比（PSNR）和结构相似度（SSIM）都优于当前技术条件下的其他稀疏先验复原方法,并具有更好的视觉效果。     

基于梯度及HVS特性的离焦模糊图像质量评价*

在当前人眼视觉系统（HVS）特性研究的基础上提出基于梯度及HVS特性的离焦模糊图像质量评价模型（GVSSIM）。该模型利用Sobel边缘梯度算子提取图像的梯度信息,并根据人眼视觉特性进行视觉加权,得到新的结构相似性评价指标,进而获得图像质量评价指标。该方法与SSIM(图像结构相似度)评价模型相比,具有计算简单的特点,对离焦模糊图像的评价结果能更好地反映人眼视觉感受。     

基于TV与SSIM的图像质量评价方法

提出一种基于全变分(TV)模型与结构相似度(SSIM)的图像质量评价方法。对待评价图像进行主动定量加噪,得到降质图像,利用自适应的TV去噪模型得到消噪图像,采用SSIM方法对待评价图像与消噪图像进行全参考评价,得到待评价图像的无参考评价指标。采用标准测试图像和LIVE库的降质图像进行实验,结果表明,该方法可在无参考图像的条件下对图像质量进行评估,评价结果与主观评价结果具有较高的一致性。     

基于轮廓波数字水印的JPEG图像质量评价方法

半参考图像质量评价方法是一种利用原始图像的部分信息对失真图像进行质量预测的方法,提出了一种基于轮廓波变换数字水印的JPEG图像压缩半参考质量评价方法。首先参考人类视觉系统（Human Visual System,HVS）的思想,选取轮廓波变换的低频区域作为水印嵌入区域,从而生成半脆弱数字水印。然后根据已嵌入水印图像与原始图像之间的结构相似度（Structural Similarity,SSIM）的值,设计自适应水印嵌入系统,以保证水印的不可见性。最后分别在LIVE图像数据库2和TID2008图像数据库中,根据已嵌入水印图像进行数据库重建,并测试该算法的性能。实验结果对比显示,该算法与其他算法相比较,具有较好的准确性、单调性以及一致性,能够较好地反应JPEG失真图像的质量。     

医学图像质量评价中的梯度加权SSIM

Zhou Wang等人提出了著名的图像客观质量评价方法：结构相似度（SSIM）,其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,大量实验证明SSIM的评价性能多优于PSNR（或MSE）。然而,由于视觉掩盖效应的影响,且SSIM规避了HVS底层视觉特性,直接导致SSIM的评价常与主观评价不符。在深入研究SSIM算法的基础上,根据人眼视觉的掩盖效应之特性,提出图像中不同区域的失真程度引导的权值设计方案：基于梯度加权的SSIM图像质量评价方法（GWSSIM）。实验结果表明,GWSSIM的图像质量评价准确性高于PSNR和SSIM,尤其适用于医学图像。     

超分辨重建图像质量评价算法

超分辨率图像重建技术可以提高图像分辨率,但是通常会给图像带来相应的尺寸变化,如何评价质量提升是个难题。目前常用的图像质量评价算法很少涉及图像的尺寸变化。基于结构相似度（SSIM）和尺度空间理论（SIFT）,提出了一种针对超分辨率重建图像的弱参考质量评价算法,算法将SSIM与SIFT融合,能够适用图像尺寸的变化。通过仿真和实验证明了该算法的有效性。实验结果表明,该算法能够很好地适应图像尺寸的变化,可以客观地评价超分辨重建图像质量的好坏。     

基于结构信息的图像质量评价模型

针对客观数字图像质量评价方法结构相似度（SSIM）算法对严重失真类型的评价值与主观评价（MOS）值之间存在着明显差异的问题,对几种将SSIM算法与人眼视觉系统（HVS）特性相结合的算法基于图像边缘的ESSIM算法、基于空间域频域敏感的HSSIM算法,以及基于信息内容权值的IWSSIM算法进行了比较。从实验数据可知,ESSIM,HSSIM算法的准确性有不同程度的提高,而IWSSIM模型在比较主客观值相关的单调性方面更为稳定。实验结果为今后结构相似度算法的改进提供了依据,指明研究方向。     

基于相位一致结构相似度的图像质量评价方法

针对结构相似度(SSIM)模型不能对模糊和高纹理图像进行较好的质量评价,提出一种基于相位一致结构相似度(MPCSSIM)的全参考图像质量评价方法。该方法保留SSIM中的亮度函数和对比度函数,将结构函数替换成相位一致函数,然后将三者结合起来进行质量评价。实验中LIVE数据库上的计算结果与主观评分的线性相关系数和斯皮尔曼相关系数分别为0.9501和0.9362。实验结果表明相位一致能够更好地提取图像的结构信息,该方法有较好的性能,能够更准确地评价模糊图像和高纹理图像的质量。     

一种针对图像模糊的无参考质量评价指标

在成像模型的基础上,分析了图像模糊的原因,提出了一种为图像构造参考图像的方法,进而将结构相似度(SSIM)评价方法引入到无参考图像质量评价中,提出一种无参考结构清晰度(NRSS)的新的无参考图像质量评价方法,将其用于对模糊图像的质量评价。该方法通过低通滤波器来构造参考图像,通过计算原始图像与参考图像的结构相似度值来评价原始图像质量,很好地结合了成像系统的数学模型和结构相似度评价方法的优势,实验结果表明无参考结构清晰度评价指标能够给出和主观评价方法以及其余有参考评价方法一致的结果。     

频率与方向敏感SSIM的图像质量评价方法

将人眼视觉对比敏感度的空间频率及方向特性,引入到结构相似度(SSIM)计算中,提出一种对频率与方向敏感度加权的结构相似度评价方法。对图像进行多级小波分解并计算各个子带的SSIM值,根据子带能量比重,对同一分解级下不同方向的子带SSIM值进行加权,以对比敏感度函数(CSF)的方向敏感性,根据CSF的子带响应对各个分解级进行加权,显示CSF的频率敏感性。在LIVE2及TID2008图像质量数据库上的仿真结果表明,与其他图像质量评价方法相比,该方法评价结果与主观评价具有较好的一致性。     

改进SSIM图像评价系统的开发与应用

为了实现图像内容相关评价中的自动化，体现出一幅图像中不同内容的难易度，实现图像评价的智能化，开发了图像自动评价系统。将分水岭算法（Watershed Algorithm）和结构相似度（SSIM）理论相结合，提出了一种针对难易程度进行评价的算法WSSIM。通过随机选取5场实际考试进行检验，共计3?173个样本。计算了人工评价与系统评价绝对误差，结果表明：所有的实验组中均有超过63.75%的样本绝对误差数值小于1.5，最大值达到74.26%，有超过84.41%的样本绝对误差数值小于2.5，最大值达到92.68%。统计结果表明：图像的自动评价结果与人工评价有比较好的一致性，标准差值小于人工评价，改进后的方法能使绝对误差数值小于1.5的样本数量平均提高2.77%。实验结果表明：该系统是有效的，经编译完成后，可在Windows7操作系统中直接运行。它能够为相关院校和等级考试中图像的自动评价提供帮助。     

基于DCT系数误差的图像质量评价模型

根据人眼对图像高低频失真的敏感度不同,提出一种图像质量评价模型。将图像离散余弦变换后的频率分量分为低频和高频分量,利用低频系数变化量的绝对平方和表示低频失真量、高频系数变化量相对平方和表示高频失真量,通过2个失真量相乘得到客观评价值。实验结果表明,该模型与LIVE图库上差异主观评价分的线性相关性优于峰值信噪比和结构相似度模型。