无参考图像质量评价综述

图像质量对人类视觉信息的获取影响很大, 如何在没有参考图像的情况下准确地评价失真图像的质量是一个关键但又非常困难的问题. 本文回顾了近20年来无参考图像质量评价发展的主要技术. 首先,介绍了这一领域常用的衡量评价算法性能的技术指标,以及几个网上共享的典型图像质量评价数据库; 然后,对各种无参考图像质量评价算法进行详细的分类介绍和特点评析; 最后,基于典型数据库对近几年的一些非特定失真图像质量评价方法进行了性能测试和比较. 目的是为这一领域的研究人员提供一个较为全面的、有价值的文献参考.     

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。     

面向真实水下图像增强的质量评价数据集

目的 由于光在水中的衰减/散射以及微生物对光的吸收/反射等影响,水下图像通常存在色偏、模糊、光照不均匀以及对比度过低等诸多质量问题。研究人员对此提出了许多不同的水下图像增强算法。为了探究目前已有的水下图像增强算法的性能和图像质量客观评价方法是否适用于评估水下图像,本文开展大规模主观实验来对比不同水下图像增强算法在真实水下图像数据集上的性能,并对现有图像质量评价方法用于评估水下图像的准确性进行测试。方法 构建了一个真实的水下图像数据集,其中包含100幅原始水下图像以及对应的1 000幅由10种主流水下图像增强方法增强后的图像。基于成对比较的策略开展水下图像主观质量评价,进一步对主观评价得到的结果进行分析,包括一致性分析、收敛性分析以及显著性检验。最后将10种现有主流的无参考图像质量评价在本文数据集上进行测试,检验其在真实水下图像数据集上的评价性能。结果 一致性分析中,该数据集包含的主观评分有较高的肯德尔一致性系数,其值为0.41;收敛性分析中,所收集的投票数量与图像数量足够得到稳定的主观评分;表明本文构建的数据集具有良好的有效性与可靠性。此外,目前对比自然图像的无参考图像质量评价方法并不...     

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。     

图像模糊度评价及其应用综述

图像模糊度指的是一种图像降质程度,对其进行评价有着重要的意义。图像模糊度评价属于图像质量评价的一种,目前图像模糊度评价客观方法分为全参考图像模糊度评价、半参考图像模糊度评价、无参考图像模糊度评价三种。本文对上述三种评价方法及其应用进行了分析,尤其对无参考图像模糊度评价算法进行深入探讨,分析其应用适用性,并对其今后发展进行了展望。     

眼底图像质量分类综述

眼底视网膜是唯一可用肉眼直接并集中观察到动脉、静脉与毛细血管的部位,因而眼底图像成为医生诊断眼底疾病及糖尿病、高血压、高血脂等疾病的重要依据.高质量的眼底图像是医生对眼底疾病患者进行病情诊断与治疗的前提.根据眼底相机采集到的视网膜图像中眼底结构清晰度、图像对比度等条件对眼底图像质量进行分类成为一个既具有研究价值又极具挑战性的难点问题.首先简述了眼底图像质量分类的研究意义和实用价值,回顾了其发展历史;然后介绍了方法分类、每类方法的基本思想并梳理了各类方法中代表性算法及其特点;之后针对用于眼底质量分类的数据集,分析比较了主要眼底图像质量分类方法的性能.分析表明,传统方法中依据眼底结构特征判断视网膜图像质量相较于通用图像质量参数更加客观,而随着神经网络与机器学习的出现,在大数据驱动下,基于卷积神经网络的质量分类方法在准确率与鲁棒性方面性能更佳.最后对眼底图像质量分类未来的发展趋势进行展望.     

通用型无参考图像质量评价算法综述

图像质量评价可有效评估图像采集和传输过程引起的失真或退化,在数字多媒体领域具有广阔的应用前景,无参考图像质量评价算法由于不需要参考图像先验知识,近年来成为图像质量评价领域研究的热点。在对国内外文献进行广泛调研的基础上,从评价算法原理和性能比较两个方面,系统综述了BIQI、DIIVINE、BLIINDS、BLIINDS-II、BRISQUE、NIQE和GRNN等当前性能较优的几种无参考图像质量评价算法。介绍了各种算法的特征提取和质量评价原理,在LIVE数据库上对上述评价方法进行仿真评估,并分析和比较了各种算法的评价性能和执行速度,提出了无参考评价方法的进一步研究方向。综述的几种无参考图像质量评价算法虽然已具有很好的效果,但在评价时严重依赖数据库中的主观评价数据,并且在评价精度和算法复杂度方面还存在一些不足,需要进行深入研究。     

图像质量评价研究综述——从失真的角度

随着多媒体技术的快速发展及广泛应用,图像质量评价因其在多媒体处理中的重要作用得到越来越多的关注,其作用包括图像数据筛选、算法参数选择与优化等。根据图像质量评价应用时是否需要参考信息,它可分为全参考图像质量评价、半参考图像质量评价和无参考图像质量评价,前两类分别需要全部参考信息和部分参考信息,而第3类不需要参考信息。无论是全参考、半参考还是无参考图像质量评价,图像失真对图像质量评价的影响均较大,主要体现在图像质量评价数据库构建和图像质量评价模型设计两方面。本文从图像失真的角度,主要概述2011—2021年国内外公开发表的图像质量评价模型,涵盖全参考、半参考和无参考模型。根据图像的失真类型,将图像质量评价模型分为针对合成失真的图像质量评价模型、针对真实失真的图像质量评价模型和针对算法相关失真的图像质量评价模型。其中,合成失真是指人工添加噪声,如高斯噪声和模糊失真,通常呈现均匀分布;真实失真是指在图像的获取中,由于环境、拍摄设备或拍摄操作不当等因素所引入的失真类型。相对合成失真,真实失真更为复杂,可能包括一种或多种失真,数据收集难度更大;算法相关失真是指图像处理算法或计算机视觉算法在处理图像...     

基于灰度共生矩阵的无参考模糊图像质量评价方法

无参考图像质量评价已成为近来研究的热点.基于灰度共生矩阵提取相位一致图像特征进行学习的基础上,提出一种无参考模糊图像质量评价方法.该方法首先通过LogGabor小波变换生成待评测图像的相位一致图像,然后利用灰度共生矩阵计算相位一致图像的信息熵、能量、对比度、相关性和同质性5个特征,最后利用支持向量回归模型训练学习,预测得到无参考模糊图像质量得分.4个公开数据库模糊图像上的实验结果表明,该方法预测得分与主观得分有较好的一致性,获得较好的评价指标.     

红外模糊图像的无参考质量评价方法

图像质量评价是对图像处理算法的优劣给出合理的评估,在很多无法获取原始参考图像的应用场合中使用无参考质量评价方法。通过对红外图像结构分析得知图像所具有的不确定性往往是模糊性,而不是随机性,因此将模糊集理论中模糊熵的概念引入到红外图像质量评价中,提出一种针对红外模糊图像的无参考质量评价方法,并从算法的有效性、一致性和准确性三个方面进行比较分析。仿真实验结果表明,该方法具有计算复杂度低、运算速度快和主客观评价一致等特点,且在总体性能上优于均方误差(MSE)和峰值信噪比(PSNR)全参考图像质量评价方法。     

模拟视觉感知系统的无参考模糊图像质量评价

为了获得与人类视觉感知一致的图像质量评价方法, 本文提出一种模拟视觉感知系统的无参考模糊图像质量评价方法. 该方法通过比较不同模糊程度的图像特征的相似度来度量图像质量. 首先, 通过对待测图像进行人工模糊, 获得不同模糊程度的图像. 然后, 通过视网膜模型提取图像的细节信息. 接着, 采用奇异值分解用来获得图像的内部结构信息. 之后, 将待测图像与其它不同模糊度图像之间的细节相似度和奇异值相似度作为度量图像模糊度的特征向量. 最后, 将这些度量特征向量输入支持向量回归模型(SVR)进行训练, 获得最终的图像质量评估模型.在常用数据库上的实验结果表明, 该方法与人眼主观视觉感知的一致性优于比较方法.     

基于切比雪夫矩无参考模糊图像质量评价

提出了一种新的基于Tchebichef矩的无参考模糊图像质量评价方法。将模糊图像通过低通滤波得到再模糊图像;将模糊图像和再模糊图像分别进行8×8分块并计算每一图像块的Tchebichef矩;根据Tchebichef矩块的值将原始图像块分为平滑块,纹理块和边缘块,计算原始图像和再模糊图像对应块之间的Tchebichef矩向量相似度,得到三类图像块的局部平均相似度;进行融合得到原始图像的最终评价质量。实验结果表明,该方法优于其他算法,与主观评分有更好的一致性,能够更准确地评价模糊图像质量。     

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。     

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。     

基于解析稀疏表示的图像模糊无参考快速评价算法

针对模糊图像的质量评价,提出了一种基于解析稀疏表示的图像模糊快速评价算法。考虑到模糊会造成图像中高频信息的损失,因此所提出的方法通过衡量图像中的能量来评价图像的模糊程度。首先利用解析稀疏表示字典将待评价图像进行分解,并通过稀疏表示系数计算图像的能量,以作为图像模糊程度的指标。为了消除图像内容对评价结果的影响,采用图像块的方差和来对图像的能量进行归一化。然后利用视觉显著性进行加权,使得模糊质量分数与主观评价结果更加一致。最后在四个通用的图像质量数据库上对算法的性能进行测试。实验结果表明该算法的性能优于现有算法,且计算复杂度较低。     

基于深度学习的视频质量评价研究综述

视频质量评价(VQA)是以人眼的主观质量评估结果为依据,使用算法模型对失真视频进行评估.传统的评估方法难以做到主观评价结果与客观评价结果相一致.基于深度学习的视频质量评价方法无需加入手工特征,通过模型自主学习即可进行评估,对视频质量的监控和评价有重要意义,已成为计算机视觉领域的研究热点之一.首先对视频质量评价的研究背景...