多失真混杂的无人机图像质量盲评价

目的 面向多失真混杂的图像质量盲评价问题目前仍然是计算机视觉领域具有挑战性的工作之一,无人机图像受成像条件影响混杂多类失真,图像质量的准确评价是其效能发挥的关键环节。为此,引入并改进了基于自然场景统计的距离度量评价模型,提出多失真混杂的无人机图像质量盲评价方法。方法 从图像的结构性、信息完整性和颜色性3个不同的角度研究并提取了与无人机图像质量敏感的特征因子集;以实拍标准测绘图像库为原始图像获得MVG特性参数作为度量基准解决了盲评价中缺乏训练集的问题;构建了以实飞图像为样本的无人机图像质量数据库（UAV image set）,为相关问题的研究提供数据集和评价参考。结果 针对所构建的数据库,本文算法在主客观一致性、算法运行时间上与其他算法进行了对比实验。相比较其他经典算法,本文算法的主客观一致性较高,达到了0.8以上,运行时间较快,过到1.2 s。此外本文还给出了块大小对算法影响以及单特征对图像的评价结果,证明算法选择的图像块大小和图像特征符合质量评价的需要。结论 针对无人机图像所包含的多失真构建质量评价综合模型,该模型可满足无人机图像质量需求。     

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SVM和PSO的图像质量评价

为提高白噪声、高斯模糊、JPEG2000压缩等失真类型图像的评价准确率,提出一种基于支持向量机和粒子群优化算法的图像质量评价方法。提取样本图像数据和确定评价指标,对样本数据进行预处理。利用粒子群优化算法选择最优参数,使用最优参数对训练集数据进行训练,对预测集数据进行预测分析,并建立图像质量评价模型。实验结果表明,与线性回归模型、BP神经网络模型等传统方法相比,该方法的评价准确率较高,能够准确地反映人眼对图像的视觉感知。     

基于Curvelet变换的图像质量多尺度灰评价

为了更加客观有效地评价图像质量,利用灰色关联分析理论的整体比较机制和Curvelet变换多尺度多方向分析图像特征的优点,提出一种改进的图像质量评价算法——Curvelet系数灰关联法。该算法首先在不同尺度和不同方向上得到待评价图像与参考图像之间的灰色关联度,然后对同一尺度上各个方向的关联度求均值,利用其与标准参考序列进行二次关联比较,从而从二个层次综合评价图像质量。实验表明,该方法不仅能够提供更多的质量信息,而且较PSNR评价方法,能够更好地符合人眼的主观感知。     

虹膜图像质量评价综述

虹膜图像质量评价是虹膜识别系统中重要的模块,通过评价低质量虹膜样本的综合质量来提升虹膜识别的性能。虹膜图像质量评价与图像获取、人机交互系统、识别性能预测以及自适应虹膜识别算法设计等密切相关。近年来,随着低图像质量的鲁棒虹膜识别系统不断发展,虹膜图像质量评价得到了广泛研究。为了使该领域的研究人员充分了解当前虹膜图像质量评价算法,本文对已有的方法进行了综述。回顾了虹膜图像质量评价算法的发展历程,阐述了其典型应用,进而展望了虹膜图像质量评价算法以及以质量为导向的虹膜识别技术的发展。     

多特征融合的图像质量评价方法

为了规避图像质量评价中的视觉特征和池化策略难以选取和解释的问题,在提取参考图像和失真图像的多种底层特征的基础上,采用机器学习的方法自动预测真实图像质量,提出多特征融合的图像质量评价方法.针对参考图像和失真图像分别提取相位一致性、梯度、视觉显著性、对比度特征,计算4种特征的相似度图,提取相似度图的均值和方差特征,最后采用支持向量回归评价文中方法.在LIVE、CSIQ、TID2008和TID2013图像库上的实验表明,文中方法的主客观一致性较好.     

基于稀疏表示与能量分解的无参考图像质量评价

针对基于稀疏表示的图像质量评价算法特征信息挖掘不充分,忽略稀疏特性等问题进行了研究,提出了一种基于稀疏表示与能量分解的无参考图像质量评价方法。首先利用L1范数作为稀疏惩罚项学习稀疏编码字典,并计算待评价图像的稀疏表示系数。然后对稀疏系数矩阵进行奇异值分解,并重建若干个等能量的子矩阵。最后联合max-pooling和L1范数描述稀疏系数矩阵及其子矩阵特征,L1范数刻画着稀疏性,子矩阵丰富了特征信息。实验结果表明,该算法能在无参考的情况下更好地评价图像质量,主客观分值一致性好且时间复杂度较低,具有较好的应用价值。     

基于人眼色彩差异化感知的图像质量评价研究

针对显著性图像质量评价问题，参考人眼视觉对图像色彩的差异化感知，提出一种基于孪生神经网络对图像色彩对比显著区域进行质量评价的算法。首先，根据图像中的色彩对比和语义信息分别提取原始图像和失真图像中的色彩对比显著区域；然后，将原始图像和失真图像中对应的色彩区域作为子图像，以样本对的形式输入孪生神经网络；最后，计算主客观图像质量评估值的相关性。实验采用残差结构的Inception-ResNet-V2网络作为基础模型，同时增加EMD损失函数优化对图像质量的距离损失，经过Softmax层后输出图像质量评估值，并在TID2013数据集上进行了测试。结果表明，提出的算法在该数据集上性能良好。     

一种新的基于SVM和主动学习的图像检索方法

在基于内容的图像检索中,支持向量机（SVM）能够很好地解决小样本问题,而主动学习算法则可以根据学习进程主动选择最佳的样本进行学习,大幅度缩短训练时间,提高分类算法效率。为使图像检索更加快速、高效,提出一种新的基于SVM和主动学习的图像检索方法。该方法根据SVM构造分类器,通过“V”型删除法快速缩减样本集,同时通过最优选择法从缩减样本集中选取最优的样本作为训练样本,最终构造出不仅信息度大而且冗余度低的最优训练样本集,从而训练出更好的SVM分类器,得到更高的检索效率。实验结果表明,与传统的SVM主动学习的图像检索方法相比,该方法能够较大幅度提高检索性能。     

基于深度学习的图像质量评价方法综述

图像质量评价是对图像或视频的视觉质量的一种度量,主要分析了最近10年图像质量评价算法的研究情况。介绍了图像质量评价算法的衡量指标以及常用的图像质量评价数据集,对图像质量评价方法的分类做了阐述,重点分析了基于深度学习技术的图像质量评价算法。目前,该类算法的基础模型主要包括深度卷积神经网络、深度生成对抗网络和变换器,其性能通常高于传统的图像质量评价算法。描述了基于深度学习技术的图像质量评价算法的原理,重点介绍了基于深度生成对抗网络的无参考图像质量评价算法,通过增强对抗学习强度提高模拟参考图的可靠性。深度学习技术需要海量训练数据的支持,探讨和总结数据集增强的方法,对数字图像质量评价方法的未来研究进行展望。     

超分辨图像质量评价综述

全面综述了超分辨图像质量评价的研究进展。超分辨图像质量评价是以人眼的主观质量评价结果为依据,利用算法模型对重建的超分辨图像进行评价。该评价方法对超分辨重建算法的优化和模型参数的选择具有重要的指导意义。首先对超分辨图像的主观评价方法进行阐述;其次对现有超分辨图像客观评价方法按照全参考型、部分参考型和无参考型进行了分类阐述,特别详细介绍了几种具有代表性的无参考质量评价的主要思想;接着从定量和定性两方面分别介绍了评价超分辨图像质量评价方法有效性的指标,并对评价算法的主要实验方法进行了简要阐述;最后对超分辨图像质量评价方法未来的发展趋势进行了展望。     

自适应IQA阈值序列图像NLM超分辨重建方法

序列图像超分辨率（super resolution,SR）算法可以利用多帧低分辨率图像之间的互补信息重建出一张高分辨率结果。传统非局部均值（non-local means,NLM）超分辨率重建方法的迭代次数选取和最佳SR重建结果筛选过程高度依赖使用者经验值和主观评价,这极大地增加了算法复杂度,降低了算法的鲁棒性。为了解决这两个问题,提出一种基于图像质量评价（image quality assessment,IQA）自适应阈值的NLM超分辨重建算法。通过设计一种SR重建结果质量评价指标,将该指标引入到NLM重建算法中：一方面作为阈值,用以确定算法迭代收敛条件;另一方面作为评价标准,用以筛选多个输出结果中重建效果最佳的高分辨率图像。实验结果表明,提出的算法能在有效保证鲁棒性的同时,极大地提升NLM超分辨率重建算法的运算效率。     

基于ANP-EM分析法的应急预案评估方法研究

针对突发事件应急预案评估问题,提出了基于网络层次-熵权分析法（ANP-EM）的应急预案评估方法,构建了基于ANP-EM的应急预案评估模型。应用网络层次分析法确定突发事件应急预案指标评估的主观权重,采用熵权法对主观指标权重进行客观修正。最后通过对铁路突发事件应急预案的评估验证了该方法的可行性、普适性与系统性。     

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。     

基于兴趣区域的无参考图像质量评价方法

为了评价不同失真类型图像的质量,提出了一种基于兴趣区域和自然图像统计特性的无参考图像质量评价方法。该方法对Itti模型进行改进,并利用改进的Itti模型提取失真图像的感兴趣区域和非感兴趣区域,在非下采样Contourlet域提取图像的统计特性,通过计算失真图像的不同区域与自然图像统计特性的差异来获得图像的质量分数。在LIVE数据集上与已有方法进行对比,实验结果表明,提出的方法和主观感知具有较好的一致性。     

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。     

基于混合分类器的表情识别方法

根据隐马尔可夫模型(HMM)适用于处理连续动态序列信号、支持向量机(SVM)与K近邻分类器(KNN)擅长模式分类的特点,设计一种(HMM+KNN)+SVM的混合分类器。利用HMM与KNN对测试样本进行判决。当判决结果相同时,直接输出判决结果,否则引入SVM对测试样本进行再判决。实验结果表明,该方法所确定的分类器优于单一的分类器判决,能有效实现表情识别。     

一种快速的广义噪声聚类算法

为解决广义噪声聚类（GNC）算法非常依赖参数和在运行GNC算法前必须运行FCM算法以便计算参数的缺点,在GNC的目标函数和可能聚类算法（PCA）基础上,提出一种快速的广义噪声聚类（FGNC）算法。FGNC算法通过一种非参数化方法计算GNC目标函数中的参数,因而FGNC算法不依赖参数并且聚类速度快于GNC算法。对人工含噪声数据集和两个实际数据集进行仿真实验,实验结果表明FGNC算法能很好地处理含噪声数据,具有聚类中心更接近真实聚类中心,聚类准确性高,聚类时间少的优良性能。     

证据理论的主客观整合推理方法

现有证据理论研究侧重于从客观证据中提取证据源可靠性(RES)信息,而未考虑知识、经验、直觉等主观认知信息对RES推断及证据融合的积极作用。为此,基于证据距离和两两比较判断矩阵,提出反映证据源相对可靠性的主客观RES矩阵,以调节总误差最小为目标函数,构建用于提取证据源综合可靠性信息的RES整合模型,并结合Dempster组合规则给出证据推理步骤。数值实例验证了该方法的可行性。     

多属性群决策理论信息安全风险评估方法研究

信息安全风险评估是信息系统安全工程的重要组成部分,是建立信息系统安全体系的基础和前提。针对信息系统安全评估中风险值计算难以量化、主观因素影响大的问题,提出了一种基于多属性群决策理论OWGA（有序加权几何平均）算子和CWGA（组合加权几何平均）算子的评估方法。采用该方法,解决了风险评估中评估要素属性的权重赋值问题,同时群决策理论的引入提高了风险评估的准确性和客观性。实例分析表明,该方法合理有效,可为信息系统安全风险评估提供新思路。另外,该方法比较适合于指导安全工程实践与评估软件系统的开发。