一种基于人眼视觉特性的图像质量评价

图像质量评价的研究已成为图像信息工程的基础技术之一。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视觉系统特性。为了建立一种新的符合人眼视觉特性的图像质量评价方法，利用小波变换与人类视觉系统的多通道特性相匹配的特点，结合对比敏感度函数的带通特性，同时考虑计算的复杂性，给出了一种与人对图像质量评价保持良好一致的图像质量评价算法。实验结果表明，其评价结果与主观评价方法平均评价分数的相关系数达0．95，而对应的客观评价方法峰值信噪比与平均评价分数的相关系数为0．81。  

HVS模型及其在静止图象压缩质量评价中的应用

图象质量尺度是最优化图象压缩算法参数和提高图象质量的重要依据 .建立在人类视觉模型 (HVS)基础之上的感知质量尺度作为主客观联系的桥梁 ,能有效地反映出人对图象失真在视觉上的感知 .近年来 ,有许多研究者借助人类视觉系统研究中的最新成果 ,深入分析了与图象质量密切相关的视觉感知特性 ,提出了大量效果不错的静止图象压缩感知质量尺度 ,并对视觉感知特性在图象质量尺度中的应用方法进行了较全面的综述 ,揭示了影响其图象质量预测准确性、鲁棒性的主要因素 ,给出了该领域的最新研究成果和未来发展方向 .  

数字半调技术及其评价方法研究

数字半色调技术是在二值设备或有限灰度级设备上实现图像再现的一门技术，广泛应用于印刷打印、压缩等领域。针对这一基础性图像处理技术——图像处理支撑技术数字半调技术进行了综述，分析了数字半调技术的现状，对经典算法和最新进展进行了介绍。并通过多种评价方法对半调算法进行了量化比较和分析，展望了数字半色调技术的发展趋势。  

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。  

全参考图像质量评价综述

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。客观图像质量评价方法可分为全参考评价方法、半参考评价方法和无参考评价方法, 目前全参考评价方法较为成熟, 而半参考和无参考评价方法则处于初级阶段, 远远达不到参考评价方法所能达到的效果。对全参考评价方法进行综述。首先简要地介绍了各种类型的评价方法, 其次详细地介绍了PSNR、SSIM、MSSIM、IFC、VIF、FSIM等几种典型的全参考图像质量评价方法, 然后在LIVE和TID2008数据库上进行实验, 对这几种全参考方法进行对比、分析, 最后探讨图像质量评价研究的发展趋势。  

基于感觉容量的图像质量评价算法

根据人眼对图像的背景比细节具有更大的感觉容量的特点，提出一种图像质量评价算法。将原始图像和被测试图像进行小波变换，其低频系数的误差总和反映图像背景的改变程度，而2幅图像的拉普拉斯均方误差(LMSE)定义图像细节部分的降质，并将两者相乘的结果用于评价图像质量。实验结果表明，该算法优于广泛应用的PSNR和LMSE等传统模型，其评价结果与HVS判断结果相符，可以评价不同的图像处理过程。  

结合NSS和小波变换的无参考图像质量评价

为了度量不同失真类型的图像质量,提出一种基于小波多尺度变换的无参考质量评价方法。该方法根据自然场景统计(NSS)模型中小波多尺度变换子带能量在对数域的线性分布规律,利用失真条件下变化缓慢的高尺度子带能量预测理想图像的低尺度子带能量,同时对一些不适合失真类型进行能量补偿,最后通过量化失真图像的预测值和实际值之间的能量差异来度量图像质量。实验结果表明,该方法与主观评价方法有较好的一致性,且在总体性能上优于当前相关文献的方法。  

图像去雾的无参考客观质量评测方法

针对图像去雾过程中经常出现的Halo效应，色调偏移等问题，提出一种去雾增强图像质量客观评价方法。采用Canny算子和亮通道检测去雾图像的有效边缘强度，使用直方图相似性度量去雾图像的色彩还原能力；使用反射图像的结构信息评价去雾图像的结构保持能力。最后综合有效边缘强度，色彩还原能力和结构信息3个方面对去雾图像的质量进行客观评测。实验结果表明，这种针对去雾前后图像视觉差异的评价模型，能够有效地对各类去雾算法进行比较与评价，与主观评价结果基本一致。  

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.