色彩复原图像的质量评价方法

针对褪色文物数字化保护中色彩复原图像的质量评价问题,研究客观质量评价方法。结合峰值信噪比(PSNR)的计算优势与人眼视觉特征信息熵的结构特性,提出一种基于视觉特征信息熵的彩色图像质量评价方法。该方法建立带权值的质量评价函数和对应评价算法流程,利用归一化方法确定权值。通过评价算法流程计算复原的彩色图像与参考彩色图像的函数值,比较两者的相似程度。值越小,代表相似度越高,对应的复原彩色图像质量越好,以此客观判断色彩复原方法的优劣。实验通过四种性能差异复原方法的质量评价参数比较,表明评价结果与人眼视觉主观感受相一致,验证了所提方法的有效性。     

数字融合图像质量的视觉信息保真度客观评价方法

在实时数字图像融合系统中需要对融合图像的质量进行客观评价。针对传统客观评价方法存在与人眼视觉系统(Human Visual System,HVS)主观评价结果不相符的缺陷,提出了一种基于视觉信息保真度(Visual Information Fidelity,VIF)的融合图像质量客观评价方法。在假设图像源符合GSM(Gaussian Scale Mixture,GSM)模型,并将图像融合处理作为图像信号失真通道,而且考虑人眼视觉噪声特性的前提下,建立了基于VIF的数字融合图像质量客观评价理论模型,提出了一种融合图像质量评价指标FVIF。实验结果表明:该方法能够对融合图像质量进行综合评价,与其它方法相比,FVIF客观评价方法的性能更好,其评价结果与主观评价结果基本一致。     

基于人眼视觉特性的融合图像质量评价算法

针对彩色融合图像在人眼视觉特性上的表现,分析现有图像融合质量评价方法特点,提出一种基于对比度敏感度特性加权结构相似度的彩色融合图像质量评价算法。该方法将图像颜色的亮度分量和色度分量分开,首先对图像亮度分量的结构相似度进行对比度敏感特性加权,再与色度分量的结构相似度进行加权以获得图像的结构相似度。该方法充分考虑人眼视觉特性和颜色特性,对不同图像融合评价方法的评价结果表明,该方法能较好地完成彩色融合图像的质量评价。     

基于人眼视觉特性的图像视觉质量评价方法

为了更好地评价图像质量,在研究人眼视觉模型和人眼视觉特性的基础上,提出一种自顶向下的无参考图像客观质量评价方法。对待评价图像进行分块,并在每个色彩通道中对子块进行计算,输出平均视觉特性值,使评价模型既符合客观质量评价的优点,又兼顾人眼视觉感受,符合人眼主、客观一致性。选取美国TEXAS大学LIVE的图像数据库中图像的主观评价值对方法进行了实验证明,实验结果表明所提方法与主观评价取得了较好的一致性。     

感知特征互补的图像质量评价

针对图像质量客观评价方法在实际应用场景下性能退化的问题,将人眼视觉特性融入图像特征处理的多个环节,提出一种融合视觉结构显著和视觉能量显著特征互补的方法。首先,根据人眼特性对图像的灰度能量、对比度能量和梯度结构三层互补特征进行空域-频域联合变换处理;其次,分别提取前述三层视觉特征的多通道信息并进行评价;最后,基于视觉特性和图像失真度将各层视觉特征评价从内层至外层逐步自适应综合。实验表明,本方法具有较高的水平和更好的稳定性,提高了实际应用场景下的评价性能。     

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。     

基于色彩和饱和度的彩色时变图像光流场计算

从物体光照模型的角度出发,依据物体的颜色在运动过程中保持不变,表示物体色彩和饱和度的量在运动过程中也不变,提出了基于色彩和饱和度信息的彩色时变图像光流场计算方法.该方法不仅可以避免RGB颜色模型带来的线性相关问题,而且更符合生物视觉原理本文用HSV和HLS两种颜色模型计算彩色时变图像的光流场,实验结果表明该算法能够得到较好的计算结果.     

基于视觉注意的全参考彩色图像质量评价方法

如何实现对图像质量的高效准确评价一直是图像和信号处理领域的一个关键问题,针对当前大多图像质量客观评价算法忽略人眼视觉系统（HVS）的影响以及只考虑灰度图像质量评估的不足,提出一种基于视觉注意模型的全参考彩色图像质量评价（IQA）算法。该算法将彩色图像视觉显著性(VS)作为相似性特征与彩色图像多通道边缘强度相似性测度相结合,最终实现对彩色图像的质量评估。LIVE2数据库中实验证明,本算法在复杂度、鲁棒性和与主观评价一致性方面都有明显优势。     

改进的结构相似医学图像质量评价方法

医学图像质量评价从基本方法上和普通图像评价是相同的。基于人眼视觉系统的图像质量客观评价一直是图像处理领域的研究热点。Zhou Wang等人提出了著名的客观质量评价方法：结构相似度（SSIM）,它的理论基础是人眼视觉系统能高度自适应地提取场景中的结构信息。其评价性能优于PSNR（或MSE）。但是SSIM评价模糊失真类的图像准确性较低。在深入研究SSIM算法的基础上,提出一种改进SSIM算法：基于梯度方向信息的图像质量评价方法（GDSSIM）。实验结果表明,GDSSIM评价高斯模糊（GBlur）图像库时准确性明显高于PSNR和SSIM,评价Fast Fading图像库时准确性也有明显优势。最后,初步探讨了以上图像质量评价算法在医学图像上的应用。     

深度视觉特征与策略互补融合的图像质量评价*

视觉多特征融合方法未考虑图像不同特征之间和不同评价算法之间的视觉互补性.通过融合人类视觉系统前端生理感知和后端心理处理特性,文中提出深度视觉特征互补融合(CPDVF)的图像质量评价方法.CPDVF深度提取图像的多通道直方图统计和多通道梯度结构这2种互补视觉特征,并进行深度视觉处理.然后设计局部失真度评价和局部相似度评价2种互补算法,分别对失真图像的上述互补视觉特征进行评价.最后联合视觉心理特性和回归函数,融合2种特征评价,获得失真图像质量的客观评价.实验表明,相比特征相似度、视觉显著等多特征联合方法,文中方法在准确度、单调性和可靠性指标上优势明显.     

基于NSCT和PCNN的医学图像伪彩色处理技术研究

由于人眼对灰度的识别能力远远低于对彩色的识别能力,故在症状诊断及治疗时对灰度图像进行伪彩色处理,医生可以获得更多、更准确的信息.结合非下采样contourlet变换(NSCT)的平移不变性、多尺度、多方向特性和脉冲耦合神经网络(PCNN)的同步脉冲发放、捕获特性,论文提出一种基于人类视觉特性的医学图像伪彩色融合方法.首...     

一种基于区域综合特征的彩色图像检索方法

提出了一种基于区域综合特征的彩色图像检索算法.该算法首先结合MPEG-7视觉内容描述对真彩色图像进行量化处理,并将量化后的图像划分成若干个子区域.然后选取子区域的主要颜色及其所占百分率作为颜色特征,选取子区域的熵、能量和对比度作为纹理特征.再综合利用上述颜色、纹理两个特征计算图像间内容的相似度,并进行彩色图像检索.仿真实验表明,该算法能够准确和高效地查找出用户所需内容的彩色图像,并且具有较好的查准率、查全率和较快的检索速度.     

基于空域自然场景统计的无参考立体图像质量评价模型

针对现有的评价方法大都将图像变换到不同的坐标域问题,提出一种基于空域自然场景统计(NSS)的通用型无参考立体图像质量评价模型。在评价中为了更好地结合人类双目视觉特性, 将左右图像融合成一幅独眼图;评价模型首先统计独眼图归一化亮度(CMSCN)系数分布规律,进而对独眼图提取空域自然场景统计特征;其次,统计视差图归一化亮度(DMSCN)系数的分布规律,并对用光流法得到的视差图提取同样的特征;最后,通过支持向量回归(SVR)建立立体图像特征信息与主观评价值(DMOS)之间的关系,从而预测得到图像质量的客观评价值。实验结果表明,该评价模型对立体数据测试库进行评价,其Pearson线性相关系数(PLCC)和Spearman等级相关系数(SROCC)值均在0.94以上;对于非对称立体图像库,PLCC和SROCC值分别接近0.91和0.93。该模型能够很好地预测人眼对立体图像的主观感知。     

基于主轴分析和嵌入置信度的彩色边缘检测

边缘提取是获取图像特征的基本方法之一,彩色图像提供了比灰度图像更丰富的信息,彩色图像的边缘检测日益受到人们的重视。分析了目前常见的彩色图像边缘检测算法,提出了一种将主轴分析和嵌入置信度相结合的边缘提取算法,通过实验证明,该方法充分利用了图像的彩色信息,能够有效地保护边缘细节,提高检测精度,具有良好的边缘提取效果和边缘连续性。     

Image content adaptive color breakup index for field sequential color displays using a dominant visual saliency method

An index that can predict the perceptual visibility of color breakup for varying image content is valuable in field sequential color displays, whereas the current indices are usually for fixed patterns. To solve this problem, an image database containing 25 diverse reference images and 125 test cases with various color breakup visibility was first established. Next, visual experiments using a 240‐Hz liquid crystal display were performed to acquire the subjective color breakup scores of the test cases. A theorem based on visual saliency theory was proposed that the color breakup perception is mainly determined by the image regions with visual saliency values higher than a certain threshold, called the dominant visual saliency regions. A computational model based on this theorem was developed to obtain objective color breakup scores of the test cases from retinal images with and without color breakup. An analysis of the objective and subjective results revealed a Pearson linear correlation coefficient as high as 0.82, which matches the top‐level image quality assessment algorithms. Finally, the proposed color breakup index was used to benchmark against several mainstream field sequential color algorithms to determine their performances in color breakup suppression.     

基于色彩空间自然场景统计的无参考图像质量评价

RGB色彩空间中各色彩分量间存在强相关性, 图像发生失真会改变各分量间的相关性. 基于此, 本文提出了一种新的通用无参考图像质量评价方法. 首先, 根据人类视觉对RGB色彩空间中绿色分量更为敏感的颜色感知特性, 提取了G分量MSCN系数及其4方向邻域系数的统计特征; 其次, 在分析RGB色彩空间中R、G及B分量间相关性的基础上, 分别计算RGB色彩空间各色彩分量及其纹理、相位间的互信息, 利用互信息作为统计特征来描述其各分量间的相关性; 进而, 结合上述统计特征, 分别利用SVR和SVC构建无参考图像质量评价模型和图像失真类型识别模型; 最后, 在LIVE、CSIQ 及TID2008图像质量评价数据库上进行了算法与DMOS (Different mean opinion score)的相关性、失真类型识别及计算复杂性等方面的实验. 实验结果表明, 本文方法的评价结果与人类主观评价具有高度的一致性, 在LIVE 数据库上的斯皮尔曼等级相关系数和皮尔逊线性相关系数均在0.942以上; 而且, 图像失真类型识别模型的识别准确率也高达93.59%, 明显高于当今主流无参考图像质量评价方法.     

彩色视觉相似性图像评价方法

针对当前评价方法对彩色图像评价的不足,提出一种基于彩色视觉相似性的图像质量评价方法。首先通过把彩色图像转换到相对均匀的色空间（LAB2000HL）,再根据视觉空间响应特性分别使用亮度对比度敏感函数（CSF）和色度CSF进行调整,获得各维图像的结构相似性（M-SSIM）指数,最后综合考虑色空间各维信息对彩色视觉质量影响的权重,建立综合评价指标现实彩色图像的质量评价。实验中,利用图像数据TID2008进行测试,并通过Spearman 等级相关系数和Kendall等级相关系数分析评价结果与其视觉主观评价的一致性。实验结果表明,与其他图像质量方法比较,所提方法的评价结果与视觉主观评价具有较高的一致性。     

Color Medical Imaging Fusion Based on Principle Component Analysis and F-Transform

In last years, various medical image fusion algorithms have been proposed to fuse medical image. But, most of them focus on fusing grayscale images. This paper proposes a qualified algorithm for the fusion of multimodal color medical images. The technique of F-transforms has mainly been employed as a fusion technique for images obtained from equal or different modalities. The restriction of fused color mixing RGB, substitution method is resolved by incorporating F-transform and color mixing RGB. The proposed method significantly outperforms the traditional methods in terms of both visual quality and objective evaluation, with improved contrast and overall intensity. The proposed method provides better visual information than the gray ones and more adaptable to human vision. Additional, PCA is functional on the two-level decomposition to maximize the spatial resolution. Experimental evaluation demonstrates that the proposed algorithm qualitatively outperforms many existing state-of-the-art multimodal image fusion algorithms.