基于单目和双目视觉信息的全参考立体图像质量评价模型

在立体图像质量评价领域,有效地模拟人类视觉系统对图像质量进行评价具有重要意义,考虑到人眼的视觉感知特性,基于单目和双目视觉信息构建一种立体图像质量评价模型MB-FR-SIQA。采用基于结构相似性的立体视差算法得到参考和失真立体图像的视差矩阵,结合Gabor能量响应图、显著性图和视差矩阵生成中间视图,并优化左右眼加权系数计算方法,以提高生成中间视图的准确性。分别利用单目图像和中间视图提取单目和双目视觉信息,计算单目质量分数和双目质量分数,并融合得到立体图像的质量分数,达到评价立体图像质量的目的。实验结果表明,MB-FR-SIQA模型在LIVE-I数据库上具有较高的预测精度,其斯皮尔曼等级相关系数、皮尔森线性相关系数、均方根误差分别为0.945、0.951、5.318,且预测的质量分数符合人类主观评估。     

人类深度感知立体图像质量评价方法

立体图像质量评价是感知与显示的基础,也是立体视频系统设计的依据。由于图像的最终接受者是人,所以评价图像质量的关键在于其是否符合人类的视觉系统特性。通过对视觉非线性、对比敏感度、多通道结构和掩蔽效应等人类视觉特性的分析,提出一种符合人类主观感知的立体图像质量评价方法。该方法首先对图像进行5级小波分解,将图像的空间频率按视觉系统的掩盖效应特点分成6个频带分别进行滤波,以改变原始图像的空间频率,然后对每个频带进行相似度度量。根据对比敏感度特性对各个频带的质量评价结果进行加权平均,得到最终的质量评价尺度。实验结果表明,本文方法优于传统的客观质量评价方法,与人的主观感受有更好的一致性,能够反映图像的质量以及立体感。     

基于人眼视觉特性的X线图像质量评价方法

图像质量评价是图像处理技术的基础.由于图像处理结果的最终接受者是人,因此在评价图像质量时必须考虑到人类视觉系统的特性.为此利用小波的多分辨率分析方法与人眼视觉系统(HVS)信息处理特性相类似的特点,结合对比敏感度函数的带通特性,提出了一种无参考的客观图像质量评价方法.实验结果表明,该评价方法优于传统的质量评价方法,而且能较好地与人的主观视觉感受保持一致.     

结合HVS特性的视频图像质量评价

在分析视觉非线性、对比敏感度、多通道结构等人类基本视觉特性的基础上,提出了一种结合人眼视觉系统特性(HVS)的视频图像质量评价新方法。该方法首先对图像信号进行小波分解,基于小波域提取视觉特征参数,然后建立符合人眼视觉感知特性的图像质量评价指标,在此基础上给出具体评价算法。仿真实验结果表明,在视频图像压缩编码中采用本算法的图像质量评价性能优于传统的客观评价方法。     

基于小波变换和HVS特性的图像质量评价新方法

在分析人类视觉系统(HVS)对比度敏感特性特性的基础上,提出一种基于小波分析与人类视觉系统特性的图像质量评价算法(WSSIM)。此方法先将图像进行小波变换得到不同方向和不同频率的四个频带划分,分别在不同频带上比较失真图像与原图像结构相似度最后,结合HVS中CSF曲线带通特性,赋予四个频带比较结果相应视觉权重值得到归一化的图像质量评价指标WS-SIM。实验结果表明,WSSIM相对于传统方法图像结构相似度评价算法(MSSIM)及其改进算法(MGSSIM)更接近人类主观感受。     

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。     

结合HVS及SSIM的无参考模糊图像评价方法

针对传统无参考模糊图像质量评价算法未考虑人类视觉系统在模糊检测时的有限性这一缺点,提出了一种结合人类视觉特性及结构相似度的无参考图像质量评价方法。该方法向原始输入图像增加低通滤波器生成重新模糊图像;之后创建一个以原始输入图像的边界点为中心的强边界像素块集合;分别计算集合中像素块与对应的重新模糊图像中像素块间的结构相似度指数;所得的全部结构相似度指数的均值作为最终的原始输入图像的模糊值。基于LIVE模糊图像数据库的实验结果表明,该方法有较好的性能,其计算结果与主观统计值的线性相关系数及斯皮尔曼等级相关系数分别为0.9298及0.9318。     

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。     

结合HVS和相似性度量的图像质量评价测度

图像质量评价是图像处理领域内一项很有意义的研究课题。传统的评价方法(如PSNR和MSE)只是在像素域统计参考图像和失真图像的误差,因而不能有效反映图像的视觉感知质量。针对上述问题,在充分考虑人眼视觉感知特性的基础上,提出一种新颖的图像质量评价算法,通过模拟人类视觉系统,并结合相似性度量方法获得有效的图像质量评价测度。实验结果显示,采用本文方法获得的图像质量评价结果与主观感知具有较好的一致性,能准确地反映人眼对图像质量的视觉感知。     

数字融合图像质量的视觉信息保真度客观评价方法

在实时数字图像融合系统中需要对融合图像的质量进行客观评价。针对传统客观评价方法存在与人眼视觉系统(Human Visual System,HVS)主观评价结果不相符的缺陷,提出了一种基于视觉信息保真度(Visual Information Fidelity,VIF)的融合图像质量客观评价方法。在假设图像源符合GSM(Gaussian Scale Mixture,GSM)模型,并将图像融合处理作为图像信号失真通道,而且考虑人眼视觉噪声特性的前提下,建立了基于VIF的数字融合图像质量客观评价理论模型,提出了一种融合图像质量评价指标FVIF。实验结果表明:该方法能够对融合图像质量进行综合评价,与其它方法相比,FVIF客观评价方法的性能更好,其评价结果与主观评价结果基本一致。     

基于结构相似度的CT域图像质量评价方法

提出一种基于结构相似度及人眼视觉系统的图像质量评价方法——Contourlet变换(CT)域结构相似度,采用Contourlet变换提取图像不同频带不同方向上的信息,该方法利用了Contourlet变换系数的优越特性。理论分析和实验结果表明,该方法具有较高的准确性及良好的相关性,可以更好地评判图像质量。     

Blind image quality assessment with the histogram sequences of high-order local derivative patterns

Automatic assessment of the perceptual quality of digital image is an important and challenging issue in computer vision. Although human visual system (HVS) is sensitive to degradations on spatial structures, most of the existing methods do not take into account the spatial distribution of local structures. This paper reports a novel approach coined high-order local derivative pattern (LDP) based metric (HOLDPM). In particular, HOLDPM extracts local image structures with LDPs in multi-directions to yield an accurate assessment of image quality. HOLDPM is extensively evaluated on three large-scale public databases. Experimental results demonstrate that HOLDPM is able to achieve high assessment accuracy. Besides, objective assessment result of the HOLDPM is consistent with the subjective assessment result of the HVS. Specifically, the experimental results also indicate that HOLDPM outperforms most of the state-of-the-art methods in distortion specific tests. Additionally, HOLDPM shows competitive overall performance when measured with the weighted average of Spearman rank-order correlation coefficient (SROCC) and the weighted average of Pearson linear correlation coefficient (PLCC) over the test databases.     

融合梯度信息与HVS滤波器的无参考清晰度评价

目的 目前无参考图像质量评价算法的性能存在较大的提升空间,为了提高清晰度评价技术,提出了一种基于梯度信息与HVS滤波器的无参考清晰度评价算法(GI-F)。方法 该算法首先利用梯度算子计算各像素点的梯度信息,再通过HVS滤波器得到加权和作为图像的清晰度指标。结果 在公开数据库LIVE、TID2008和CSIQ上进行的实验,GI-F与S3(Spectral and Spatial Sharpness)、CPBD(Cumulative Probability of Blur Detection)和LPC-SI(Local Phase Coherence-based Sharpness Index)相比,性能指标RMSE(Root Mean Squared Error)、PLCC(Pearson Linear Correlation Coefficient)和SROCC(Spearman Rank-Order Correlation Coefficient)分别提升了20.66%、4.61%和3.33%;同时GI-F还具有更低的计算复杂度,即使与目前最好的BRISQUE(Blind/Referenceless Image Spatial QUality Evaluator)算法相比,耗时也降低了79.72%。结论 该算法只需耗费更少的时间即可计算出与人眼感知更加接近的客观清晰度指标,可广泛用于无参考图像情况下的清晰度指标计算场合,同时还可以通过并行计算进一步降低其计算时间。     

结合全局与局部变化的图像质量评价

图像所包含的信息是通过灰度值在空域的变化呈现的. 梯度是度量变化的基本工具, 这使得梯度成为了目前大多数图像质量评价算法的重要组成部分. 但是梯度只能度量局部变化, 而当人类视觉系统(Human visual system, HVS)感知一幅图像时, 既能感知到局部变化, 也能感知到全局变化. 基于HVS的这一特性, 本文提出了一种结合全局与局部变化的图像质量评价算法(Global and local variation similarity, GLV-SIM). 该算法利用Grünwald-Letnikov分数阶导数来度量图像的全局变化, 利用梯度模来度量图像的局部变化. 然后结合二者计算参考图像和退化图像之间的相似度谱(Similarity map), 进而得到图像的客观评分. 在TID2013、TID2008、CSIQ与LIVE四个数据库上的仿真实验表明, 较之单一度量局部变化的方法, 本文算法能更准确地模拟HVS对图像质量的感知过程, 给出的客观评分与主观评分具有较好的一致性.     

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。     

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。