基于局部离散小波变换的无参考模糊图像质量评价方法

构造模糊图像的参考图像,使无参考(NR)图像质 量评价转变为一种全参考(FR)图像质量评价,提出一种基于 局部离散小波变换的NR模糊图像质量评价方法。首先,采用低通滤波的方 法构造原始模糊图 像的参考图像;然后,通过局部离散小波变换提取出原始模糊图像和参考图像的高频能量图 ;最后计 算两幅高频能量图的相似度,得到原始模糊图像的质量。在LIVE、TID2008和CSIQ 3个数据 库上的实验结果表明, 本文算法的评 价性能较优,相较其他常用的4个清晰度评价算法,在与主观评价的单调性和一致性上有明 显提高,在LIVE 数据库上的SROCC值达到0.9598,在CISQ数 据库上的SROCC值达到0．9104 ,与主观评价平均意见成绩(MOS)值拟合的散点图拟合度为最优。实验数据 结果表明,本文算法性能稳定,符合人类视觉系统。     

小波域中CSF频率与方向加权的图像质量评价方法

为解决结构相似度算法的图像质量评价缺陷,提出一种在小波域中,根据CSF的频率与方向加权的图像质量评价方法.该方法将图像的小波域多分辨率特性与CSF的带通特性有机的相结合,得到一种基于结构相似度的评价新方法.算法首先将频率归一化的CSF曲线按照1倍频程分解成5份,然后进行5级CDF 9/7双正交小波分解与重构,得到一个低频子带LL和多个中高频子带HH_i、HL_i及LH_i,根据不同的频率,不同的方向分配不同的权重,分别与相应的子频带SSIM值相乘,然后累加运算,得到小波域的加权图像结构相似度WWSSIM.实验表明,WWSSIM方法的单调性、一致性、准确性评价指标较高,更接近人类主观视觉感受.     

基于人眼视觉的小波域结构相似性图像质量客观评价方法

针对空域结构相似性评价方法在几何失真图像及噪声污染图像的质量评价中存在的不足,在考虑人眼视觉特性前提下,研究了一种基于人眼视觉的小波域结构相似度的图像质量评价方法(WDSSIM),该方法首先将参考图像和失真图像进行小波变换,以获取不同尺度和频带的子带图像,并根据人眼视觉JND模型,获取人眼视觉对参考图像的带间敏感度和各子带的带内敏感度;然后,以带内敏感度因子为权值分别求取参考图像和失真图像同一尺度和频带的子带图像之间的结构相似度;最后,以带间敏感度因子为权值对各子带对的结构相似度进行加权归一化,获得整幅图像的结构相似度.     

基于特征符号化和Transformer的无参考图像质量评价方法

基于深度学习的无参考图像质量评价方法目前存在语义关联性不足或模型训练要求高的问题,为此,本文提出了一种基于语义特征符号化和Transformer的无参考图像质量评价方法。首先使用深层卷积神经网络提取图像的高层语义特征;然后将语义特征映射成视觉特征符号,并基于Transformer自注意力机制对视觉特征符号之间的关系进行建模,提取图像的全局特征,同时使用浅层神经网络提取底层局部图像特征,捕捉图像低级失真信息;最后结合全局图像信息与局部图像信息,对图像质量进行预测。为了验证模型的精度和鲁棒性,以相关系数PLCC和SROCC作为评价指标,在5个主流的图像质量评价数据集和1个水下图像质量评价数据集上进行了实验,并将本文提出的方法与15种传统和基于深度学习的无参考图像质量评价方法进行了对比。实验结果表明,本文方法以较少的参数量（大约1.56 MB）在各类数据集上均取得了优越的性能,尤其在多重失真数据集LIVE-MD上将SROCC提升到了0.958,证明在复杂的失真情况下仍能准确评估图像质量,本文网络结构能满足实际应用场景。     

一种基于小波分析的部分参考型图像质量评价方法

部分参考型图像质量客观评价方法已经成为图像质量评价领域研究的热点之一。该文利用视觉感知特性,通过统计图像经小波分解后视觉感知系数在各子带中的变化情况,提出了一种基于小波分解的部分参考型图像质量评价方法。该方法与经典的RR-WISM(Reduced-Reference image quality assessment using Wavelet-domain natural Image Statistic Model)方法相比,主观感知的相关系数平均提高3%,主观感知的离出率平均降低6%,传输数据量减少50%,计算代价大大降低。实验结果表明提出的方法与主观感知有很好的一致性。     

基于模糊度和噪声水平的图像质量评价方法

针对图像质量评价的重要性,提出了一种新的无参考图像质量客观评价方式。算法考虑了模糊度与噪声水平两方面,用平均边缘宽度衡量图像的模糊度,通过比较去噪前后的图像预测图像受噪声污染的程度,最后通过两者的综合作为无参考图像质量评价指标。实验结果表明:将模糊度和噪声评价相结合,具有很强的抗噪性和广泛的适用范围;与峰值信噪比(PSNR)和结构类似性(SSIM)等算法比较,本文算法可以很好地区分各种失真类型图像的质量好坏,其结果接近人眼的主观感受。     

基于自然统计特征分布的无参考图像质量评价

针对目前的无参考评价方法无法准确反映人类对图像质量的视觉感知效果,该文提出一种基于自然统计特征分布(DIstribution Characteristics of Natural, DICN)的无参考图像质量评价方法。其原理是用小波变换将图像分解为低频子带和高频子带部分,再将高频子带部分分成 的小块,提取每一子块的幅值和信息熵,并分别计算其分布直方图均值和斜度作为特征,利用支持向量回归思想对特征进行训练,建立5种不同失真类型的质量预测模型。在此基础上,采用支持向量机针对图像特征构造分类器并进行失真判断以确定不同失真的权重,结合5种失真评价模型可得到自然统计特征分布的无参考评价模型。实验结果分析表明,该算法的评价效果优于现有的经典算法,与主观评价具有较好一致性,能够准确反映人类对图像质量的视觉感知效果。     

基于结构相似的小波域图像质量评价方法的研究

 小波域的图像处理已经成为图像处理领域的重要组成部分,研究能嵌入在小波域图像处理算法中的图像质量评判方法显得至关重要.空间域结构相似度SSIM具有计算简单、与主观评分相关性高等优点.本文通过对小波域图像结构特性的研究,提出了小波域结构相似度(DWTSSIM)的图像质量评价方法.实验结果表明DWTSSIM比SSIM更加符合人眼的视觉特性,可以更好地评判图像质量,并且能容易地嵌入在小波域图像处理算法中,在图像处理过程中指导或调节算法.     

无参考图像质量评价

图像质量评价是近几年图像处理领域比较热门的研究课题。目前,许多学者已经提出了各种各样的无参考质量评价方法。对无参考方法进行综述,详细介绍BIQI,BLIINDS-Ⅱ,BRISQUE,DESIQUE,DIIVINE,NIQE,SSEQ等无参考质量评价方法,并在LIVE和TID2008数据库上进行实验分析,最后根据分析的结果探讨图像质量评价的发展方向。     

基于空间分布分析的混合失真无参考图像质量评价

针对难以准确有效地提取混合失真图像质量特征的问题,该文提出一种基于空间分布分析的图像质量评价方法。首先将图像进行亮度系数归一化处理,然后将图像进行分块,利用卷积神经网络(CNN)进行端对端的深度学习,采用多层次卷积核堆叠的方法获取图像的质量感知特征,并通过全连接层将特征映射到图像块的质量分数。再将块质量分数汇总获取质量池,通过对质量池中局部质量的空间分布情况进行分析,提取能够表征其空间分布情况的特征,然后采用神经网络建立局部质量到整体质量的映射模型,将图像的局部质量进行汇总。最后在MLIVE, MDID2013, MDID2016混合失真图像库中进行性能测试以及与相关的对比算法进行比较,验证了该算法的有效性。     

基于聚类和小波变换的彩色图像分割方法

提出一种将聚类和小波变换相结合的彩色图像分割方法。首先将图像划分成16×16子块,然后在块中按照视觉一致性准则进行颜色聚类,对于聚类后的子块,提取其颜色特征。利用小波变换得到每个分块的纹理特征,将颜色特征和纹理特征的组合作为对图像进行分割的依据。该方法将聚类算法和小波算法结合,并符合人类视觉特征的分割策略。利用提出的算法对多幅自然图像进行分割实验,实验结果证明该算法的有效性。     

基于Contourlet变换的彩色图像融合算法

以红外和彩色可见光图像为研究对象,提出一种基于Contourlet变换的彩色图像融合算法.算法首先通过IHS(Intensity-Hue-Saturation)变换将彩色可见光图像从RGB颜色空间变换到IHS空间,进而利用Contourlet变换和加权融合规则将 I 分量图像与红外图像进行融合,然后将得到的灰度融合图像进行线性拉伸以获得与 I 分量相同的均值和方差,最后用拉伸后的灰度融合图像替换原来的 I 分量,并通过IHS逆变换得到最终的RGB彩色融合图像.算法一方面将Contourlet变换这一新的数学工具引入到图像融合中,另一方面提供了一种新的红外和可见光图像的彩色融合方法.实验结果表明,同样采用本文的彩色融合方法,Contourlet变换的融合结果优于小波变换,而且本文彩色融合方法的融合性能明显超过传统IHS变换融合法.     

基于提升小波和人眼视觉特性的自反馈彩色图像融合

提出了一种基于提升小波变换和人眼视觉特性的自反馈彩色图像融合算法.首先讨论提升小波变换的基本原理,然后考虑到人眼的视觉特性,将彩色图像变换到YIQ颜色空间,运用不同融合规则进行融合.对I和Q色差分量采用平均法融合,对Y分量采用自反馈法得到其最终优化融合结果,最后由三分量融合结果变回RGB颜色空间.实验结果表明,该算法具有良好的融合效果.     

一种低复杂度的基于小波的彩色图像水印算法

根据图像小波变换系数的特点,提出了一种双彩色水印新算法:把彩色宿主图像的R,G,B分量分别经过p级小波分解,使它们各自的低频系数LLp个数等于水印的尺寸大小,然后将R,G,B分量的LLp系数分别加上加权后的彩色水印R,G,B分量的灰度值,将这些变化了的低频系数和没有变化的高频系数一起经过小波逆变换即得彩色水印图像.这种水印算法复杂度低,实验证明该水印具有较好的不可见性、鲁棒性.     

基于小波第二级系数误差的图像质量评价模型

图像质量研究的目标是设计客观评价算法,它与主观评价有很强的相关性.本文根据人眼对图像高低频失真的敏感度不同,采用不同方法分别计算图像高频和低频失真量,然后将两种失真量直接相乘得到客观评价值.实验结果表明,这种客观评价模型能够一致评价各种失真类型、各种失真强度的图像质量,与LIVE图库上差异主观评价分(DMOS)的线性相关性优于PSNR、LMSE和SSIM算法.     

一种基于提升小波变换的图像融合方法

在针对传统的多尺度分解的融合方法运算速度慢、内存需求量大，不适于实时应用的局限性的基础上，提出了一种基于提升小波变换的图像融合算法。多个源图像分别进行提升小波分解，使用恰当的融合规则合并各尺度对应的分解系数，通过提升小波逆变换得到融合图像。实验结果表明，提出的算法无论在执行时间还是融合图像质量上都优于传统方法，有广泛的应用前景，特别适用于实时系统。     

基于小波变换的红外图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。本文介绍了小波阈值去噪的基本原理,并将其应用于红外图像去噪。实验结果表明,该算法优于传统滤波去噪方法,能有效地抑制噪声,可用来对红外图像做进一步的分析与处理。     

基于人眼视觉特性的彩色图像质量评价

图像处理系统的性能优劣的评判往往需要一个合理迅速的图像质量评价算法作为支撑.传统的图像质量评价算法由于没有充分考虑人眼的视觉特性,使得质量评价结果与实际图像的人眼感知质量不符.根据人眼对图像边缘信息非常敏感这一人眼视觉特性,提出一种综合图像边缘和背录相似度的算法(EBS)来评价彩色图像质量,即通过比较失真彩色图像与原始参考图像的边缘以及除边缘之外的背景相似程度最终确定失真图像的质量.应用于由779幅包含五种类型失真的图像质量评价库的实验结果表明,该算法的评价结果相比PSNR,MSSIM,IFC以及基于像素域的VIF等算法与图像的主观评价结果(由DMOS值表示--将背景不同的一组观察者对失真图像的评分进行统计平均后所得到的评价结果)更一致,也即该算法的评价结果更接近图像的实际视觉感知质量.     

基于频域直方图和HVS的彩色图像质量评价算法

针对主流图像质量评价算法应用于彩色数字图像时,性能和准确度并未达到很好效果,提出了一种基于直方图和HVS的彩色图像评价算法(HHBQA)。将图像转换成频率空间,并对频率域幅度进行直方图计算;结合人类视觉对亮度和颜色的感知特点,对彩色图像的亮度和颜色分配权重并最终融合评价结果。实验结果表明,本算法与真实感官感受具有高度一致性,优于其他主流算法,同时具有最快的计算处理时间。