平面视觉图像舒适色度范围测量算法研究

针对传统方法处理下图像舒适度范围测量结果不够精准,不符合人眼视觉需求的问题,提出平面视觉图像舒适色度范围测量算法。设计图像采集模块提取图像信息,在图像信息中将图像颜色的亮度分量与色度分量分离,根据对比敏感度对亮度分量和色度分量的结构相似度进行加权,得出图像结构相似度。通过约束条件获取全局匹配最小误差,满足平滑性假设,从而提高误差估计精度。利用Mean Shift算法分割图像,对分割区域实施全局匹配,得到新的视差图。根据色度分割提高弱纹理区域视差估计质量,去除图像边缘的模糊效应,获得视差序列,实现最佳色泽感观范围测量。研究结果表明,所提算法视差估计结果更加准确,测量范围误差小,舒适色度的量化范围更符合人眼视觉需求。     

基于三个误差分量的图像信号设计方法

为了实现一种与人眼的主观视觉感受相吻合的信号设计方法,针对原有两个分量存在着没有对背景亮度分量独立分析的弱点,依据图像背景亮度、对比度相似和无关分量结构化参数的要求,基于空间向量分解和合成原理,采用了空间向量均值和范数等参量方法,提出了一种与三个误差分量的图像信号设计方法,以及对应的设计实例。实验结果表明图像背景亮度、对比度相似和无关分量与视觉感受更加吻合,有利于结构相似性的标准测试信号的建立,以及图像结构化质量评价实验的考察。     

高动态范围图像客观质量评价方法

针对当前高动态范围（HDR）图像质量评价方法未考虑图像色度和结构信息的问题,提出了一种新的HDR图像客观质量评价方法。首先,利用HDR-VDP-2.2中的基于视觉感知的模型得到关于亮度与对比度的视觉保真度特征;然后,将HDR图像转换到YIQ彩色空间,对彩色空间中的Y、I、Q通道分别进行处理,求得色度相似度和结构相关度特征;最后,利用支持向量回归（SVR）的方法对特征进行融合,预测得到高动态范围图像质量的客观评价值。实验结果表明,与HDR-VDP-2.2相比,该方法的Pearson相关系数和Spearman等级相关系数分别提升了23.09%和25.34%;均方根误差（RMSE）降低了38.01%。所提出的方法与主观视觉感知具有更高的一致性。     

适应彩色空间的图像对比度增强算法

介绍了模拟人眼视觉系统的Retinex图像对比度增强方法.引入了非线性变换函数修正彩色图像的照射分量和反射分量.全局对比度增强函数拉伸图像照射分量.改善了全局视觉效果.非线性局部增强函数对较大和较小的反射分量值改变较小,对中间值的改变较大,从而改善了图像局部对比度.在RGB彩色空间和许多分离色度亮度的彩色空间的处理速度都很快,彩色空间适应性较好,处理图像也没有出现彩色失真现象.     

基于视觉注意机制与区域结构相似度的图像融合质量评价

针对目前图像融合质量客观评价与主观评价结果一致性不高的问题,结合人类视觉注意机制和区域计算方法对EFQI指标进行改进,提出了一种基于视觉注意机制（VAM）与区域结构相似度的图像融合质量评价指标。该指标充分考虑了人类视觉感兴趣区域和人眼对区域信息敏感的特性,使用方差显著图与视觉显著图相结合的加权方法对图像中的显著区域赋予更大的权值,并采用更符合人类视觉特性的区域计算方法求取融合结果图像和源图像在各区域上的结构相似度以评价融合质量。用该指标评价10种不同融合算法的融合结果图像并与主观评价结果进行相关性分析,分析结果表明该方法相比传统的评价指标能更有效地反映融合图像质量,与主观评价结果一致性更高。     

基于视觉相似性的半色调图像评价方法

为衡量半色调图像质量或加网算法的优劣,提出平均亮度相似性误差、平均对比度相似性误差和视觉相似性误差以衡量半色调图像与连续调图像之间的视觉相似性。该方法根据人眼视觉局部适应性特征,把图像划分子区域,利用亮度掩蔽和对比度掩蔽的特征,获得各子区域的亮度相似性误差和对比度相似性误差,最终获得平均亮度相似性误差、平均对比度相似性误差和视觉相似性误差分别评价半色调图像与原连续调图像在亮度和纹理的视觉相似性,及半色调图像中的局部缺陷。分别通过与峰值信噪比(PSNR)和权重信噪比(WSNR)在亮度相似性上进行比较,与全局质量因子(UQI)和图像结构相似(SSIM)在评价纹理相似性上进行比较,发现所提质量评价方法比较接近人眼视觉评价的结果。     

一种基于视觉感知的图像质量评价方法

通过对人眼观察图像的3个方面特性(亮度表现度、清晰度、相似度)进行分析研究,提出了一种新的基于图像内容的视觉感知质量尺度的评价方法。该评价方法依据人眼识别图像的生理机制,给出量化准则。实验结果表明：该评价方法具有较高的质量预测精度和一定的鲁棒性。     

基于视觉感知的梯度结构相似度图像质量评价*

尽管SSIM(Structural Similarity)图像质量评价算法结构简单,评价性能优于一般客观评价算法,但该算法没有考虑人类视觉系统HVS(human visual system)对视觉感知的影响,且其算法定义中对“结构信息”的表述过于简单,并不能完全描述自然图像的结构信息。在SSIM算法的基础上,结合亮度和对比度掩蔽等视觉感知信息构造视觉感知（Visual Perception）函数,提出基于视觉感知的梯度结构相似度评价方法VI_GSSIM（Visual Perception and Gradient based SSIM, VI_GSSIM）。该方法通过图像质量与图像内容和失真类型的相关性,结合图像的误差可视性与内容可视性构造视觉感知函数,对HVS底层视觉系统建模,同时利用梯度重新定义结构信息,得到基于视觉感知的梯度结构相似度模型,对图像进行质量评价。实验结果表明提出的VI_GSSIM算法比SSIM更符合人眼的视觉特性,尤其适合评价降质较严重的图像。     

非采样Contourlet域内的区域对比度图像融合

针对传统的基于小波对比度图像融合方法的不足,结合非采样Contourlet变换的优点提出了一种新的基于非采样Contourlet变换的区域对比度图像融合方法。该方法对图像经非采样Contourlet变换后得到的低频分量采用基于区域能量的自适应加权融合;高频分量结合人眼的视觉特性,提出了一种新的基于区域对比度的加权与选择相结合的融合方法。通过非采样Contourlet变换的逆变换得到融合图像。实验结果表明,该融合方法较传统的方法具有更强的获取细节信息的能力,其融合效果优于传统的图像融合算法。     

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。