基于显著性图像边缘的全参考图像质量评价

大部分图像质量评价算法仅研究图像的灰度值及信息内容,没有充分考虑人眼视觉特性对图像质量评价的影响,针对此问题提出了一种基于显著性图像边缘的全参考图像质量评价方法。利用显著性图像表征图像的视觉关注内容,然后提取显著性图像的边缘检测图,得到人眼关注的结构和边缘,最后计算参考图像与失真图像边缘检测图之间的汉明距离得到图像质量评价指标。实验结果表明本文提出的评价指标满足人眼视觉特性,对于各种失真类型有非常高的主观一致性,评价性能也优于很多其他指标。     

图像融合算法的性能评价

图像融合算法的性能评价需要考虑在融合图像中传递的信息是否满足人眼视觉特性,而传统的基于信息论的方法并没有考虑人眼视觉特性。针对此提出了一种综合考虑多种图像结构信息的信息合并方法,将局部方差和梯度等信息作为反映图像结构的重要特征,将结构特征矩阵进行分块奇异值分解,从而设计了相应的评价算法。实验结果表明,该方法能够准确度量融合图像中的信息增量,评价结果与人眼视觉特性的一致性优于传统方法。     

基于视觉显著性的太阳能电池片表面缺陷检测

现有基于机器视觉的太阳能电池片表面缺陷检测算法均是采用各种类型的数学模型来进行算法设计,为进一步提高检测准确率,从人眼仿生学角度出发,首次将人眼的视觉注意机制引入到太阳能电池片表面缺陷检测中,提出了一种基于视觉显著性的太阳能电池片表面缺陷检测算法。首先,对输入的太阳能电池片表面图像进行预处理,去除对检测有影响的噪声和栅线;其次,提出一种基于自学习特征的视觉显著性检测算法来大致定位缺陷区域;随后,提出一种视觉显著性和超像素分割相结合的算法来进一步精确定位缺陷区域;最后,通过形态学后处理得到最终检测结果。在包含多种缺陷类型的测试图像库上的主观和客观实验评估表明,该算法具有较高的检测准确率。     

基于视觉掩盖效应和奇异值分解的图像质量评测方法

图像质量的客观评测一直是视频和图像工程中富有挑战性的重要课题。传统的以PSNR为代表的检测方法对图像间的差异过度敏感,因此其结果常偏离主观感受;而以人眼视觉系统仿生理论为指导的评价方法则由于算法模型过于复杂而无法得到广泛应用。当前,基于图像特征参数检测的理论方法成为研究的新热点,设计能代表图像特征的参数是其关键。奇异值体现的是图像的内蕴信息,其对一定程度噪声扰动、比例伸缩、旋转、平移等具有较好的稳定性,因此非常适合作为图像的特征参数。本文通过将人眼视觉特性和图像本征特性相结合,设计一套基于视觉掩盖效应和奇异值分解的图像质量客观评测方法。该方法能在充分利用奇异值优势的前提下,根据视觉掩盖效应提高其对典型劣化形态的检测灵敏度,从而使评测结果与主观质量感受具有更好的相似性。     

基于显著性分析的立体图像视觉舒适度预测

分析了传统的基于全局视差特性的像视觉舒适度评价模型的不足,提出了一种基于显著性分析的立体图像视觉舒适度客观预测模型。首先,根据人眼的立体视觉注意力机制,利用协方差矩阵和Sigma特征集分别计算得到图像显著图和深度显著图,并组合得到立体显著图;然后,利用立体显著图加权得到立体图像视觉舒适度感知特征;最后,通过支持向量回归构造视觉舒适度预测函数,建立视觉舒适度感知特征和主观评价值之间的关系模型,从而预测得到立体图像视觉舒适度客观评价值。实验结果表明,本文评价方法的Pearson线性相关系数值达到0.79,Spearman等级相关系数值达到0.81,表明提出的模型更加符合人眼视觉特性,得到的客观评价值与主观感知具有较高的一致性。     

基于视觉阈值及通道融合的立体图像质量评价

根据人眼对彩色图像不同颜色通道的敏感度不同,利用掩蔽效应对人眼感知立体图像质量产生的影响,提出了一种基于视觉阈值分析和通道融合的彩色图像客观质量评价方法.利用人眼视觉阈值确定立体图像的失真是否在人眼可察觉的范围,若失真程度小于视觉掩蔽阈值,则认为没有失真.利用原始和失真彩色图像RGB三通道各自左视点差值图和右视点差值图的奇异值与人眼视觉掩蔽阈值图的奇异值距离来衡量失真图像左右视点图像的质量.原始和失真图像对的绝对差图之差值图像和原始图像对的双目恰可察觉失真阈值图之间的奇异值距离被用于评价失真立体图像的深度感知好坏.不同失真类型下,左右视点质量融合以及左右视点评价和深度感知评价的融合其加权权值不同.对JPEG压缩、JPEG2000压缩、高斯白噪声、高斯模糊和H.264编码5种不同程度失真的312幅退化图像进行了测试,结果显示本文方法与主观感知有较好的一致性,总体CC (Pearson Linear Correlation Coefficient)达到0.94,总体SROCC (Spearman Rank Order Correlation Coefficient)达到0.94,整体均方根误差(RMSE)控制在5.9以内.     

HVS在图像压缩中的应用

基于小波变换与人眼视觉的相似性,在小波域内结合人眼视觉特性对图像进行处理,以达到提高压缩比的目的,是目前较为热门的研究方向。文章综述了目前基于人眼视觉特性和小波变换的压缩算法进行优化的几种典型算法,并对其性能进行了评价和比较,在全面分析和比较的基础上,对其进行综合分类。     

一种改进的基于小波去噪和区域生长的彩色图像分割算法

彩色图像分割是彩色图像处理中的重要问题。传统的彩色图像分割都是基于灰度分割算法,而忽略了彩色的空间域视觉效果及噪声污染问题。文章提出一种新的基于小波去噪和种子区域生长的一种改进方法：首先,应用小波去噪技术,强化图像边缘特征,抑制噪声,提高原始图像的信噪比;其次,将RGB彩色图像转化到HIS空间进行边缘检测,对图像进行抖动处理以减少彩色图像中的颜色数目,然后对不同分量进行序列阀值分割;最后对分割结果再进行一种新的基于区域生长的颜色相似性的聚合。仿真结果表明该算法更加符合人眼的视觉特性。     

基于粗糙集理论的图像增强方法

粗糙集理论是一种新的处理含糊的不确定性问题的数学工具。本文提出一种基于粗糙集的图像增强新方法,该方法按条件属性,将一幅图像划分为不同的子图,然后对子图分别作对比度增强,增强图像的效果较为理想,满足了工程上的要求。     

基于粗糙集理论和BP神经网络的分层递阶分类算法

根据分层递阶的原则，提出了一种将粗糙集理论与BP神经相结合的分类算法，该算法分别用粗糙集理论和BP神经网络处理决策表中的离散属性和连续属，可以避免对象连续属性离散化中产生不确定的情况。同时粗糙集对于决策表噪声比较敏感，BP神经网络可以克服这个缺点，最后，对3个公共数据库的测试验证了该分类算法的有效性。