基于结构失真的图像质量评价方法的研究

在说明传统的图像质量评价方法及其不足的基础上，分别对基于结构失真图像质量评价方法的各个因子进行了讨论，并从图像空间及其向量的理论角度分析了结构性信息对于图像质量的影响。理论分析和实验均证明了结构失真评价方法与图像主观视觉质量的一致性。     

基于几何结构失真模型的图像质量评价研究

客观图像质量评价研究的目的是设计一种和视觉感知保持一致,且适用于各种失真模型的质量评价方法. 传统的结构相似度量质量评价方法忽视了自然图像本身的特点,不能很好地评判某些失真类型图像. 本文根据人眼视觉系统(Human visual system, HVS)在感知图像质量过程中的特点,探索自然图像的本征几何结构特征, 考虑像素点的方向失真、幅度失真和方差失真,提出了一种新型的基于图像几何结构失真模型的完全参考质量评价方法. 在标准数据库上的实验结果表明,本文方法适用于所有失真模型图像数据的质量评价, 计算复杂度相对较低,得到的图像客观评价结果和主观评价方法具有更好的一致性, 能够很好地反映人眼对图像质量的主观感受.     

一种改进的基于结构相似度的图像质量评价方法

基于结构相似度（SSIM）的图像质量评价方法简单高效,准确性较高,评价性能优于峰值信噪比（PNSR）和均方误差（ MSE）,但SSIM模型不能较好地评价严重失真和交叉失真类型的图像。文中提出了一种改进的基于结构相似度的图像质量评价方法（ HSSIM）,该方法将直方图信息作为图像的主要结构信息,根据人眼视觉特性,利用直方图集中度来表示图像模糊度,最终计算得到图像的结构相似度值。实验结果表明,HSSIM比SSIM模型更符合人眼视觉系统特性,能更好地评价失真图像的质量。     

基于尺度不变性的无参考图像质量评价

现有的通用型无参考图像质量评价方法大多是利用失真图像及其主观值来训练回归模型预测图像质量指标,然而这种方法需要消耗大量的时间进行训练,并且评价效果依赖于训练图像库中的失真类型,通用性较差,很难应用到实际场合中。为了解决数据库依赖问题,提出一种归一化的基于图像尺度不变性的无参考图像质量评价方法。该方法不依赖外部数据,将图像的统计特性及边缘结构特性作为图像质量评价的有效特征,利用图像多尺度不变性计算多尺度间的整体特征差异,从而预测图像质量。实验结果表明,所提方法对混合失真图像质量评价效果好,运行效率高,与目前现有的无参考图像质量评估方法相比具有较好的综合性能,具有较好的应用价值。     

自然图像质量评价方法综述

5G时代的到来使得图像处理技术也得到了迅猛发展,自然图像质量评价方法成为图像处理领域的重要研究热点。在自然图像获取、图像压缩、存储等处理时,图像质量不可避免的产生各种类型的失真,从而自然图像质量评价方法的应用越来越广泛。首先阐述自然图像的失真类型和公开标准图像数据库的相关知识,然后分别从主观评价和客观评价两种方法分析自然图像质量评价,最后对未来自然图像质量评价方法的发展趋势进行了总结和展望。     

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。     

基于结构方向信息的图像质量评价方法

结构相似度(SSIM)方法通过度量原图像和失真图像之间的结构相似程度,达到了比传统PSNR方法更好的图像质量评价效果。但SSIM算法本身并没有充分利用图像的结构信息,在SSIM算法的基础上进一步挖掘图像结构中包含的方向信息,提出了局部结构方向相似度(LSOS),将LSOS方法和现有的SIExt算法相结合,提出基于结构方向信息的图像质量评价算法(SOI)。实验表明,该方法能够达到比SIExt和SSIM方法更好的图像质量评价结果。     

基于相位的结构相似度图像质量评价模型

基于结构相似度的图像质量评价算法忽视了图像自身的相位特征信息,不能较好地评测某些失真类型的图像质量。针对这一问题,提出一种基于相位的结构相似度图像质量评价模型(PSSIM)。该模型在结构相似度的基础上,进一步考虑了图像的相位一致性特征,设计了一种图像质量评价函数的计算方法。实验仿真结果表明,PSSIM是一种有效的图像质量评价方法,同时该方法和人类主观评价感受具有良好的一致性。     

基于多元线性回归的图像质量评价方法

通过回顾图像质量评价的发展过程,对现有的各种图像质量评价方法进行分类。针对各种失真图像如压缩图像、噪声图像等,比较一些有代表性的评价方法的预测值与主观评价分数之间的Pearson相关系数和Spearman相关系数。结果发现不同评价方法对不同失真的反映灵敏度是不同的,即使是同一种方法在不同相关系数上的表现也不一致。采用多元线性回归分析对选定的图像质量评价方法进行拟合,综合不同方法的优点,提出了一种基于多元线性回归分析的图像质量评价方法。该方法对各种类型和各种程度的失真的灵敏度都比较好,性能也比较稳定。将新方法与选定的各种具有代表性的图像质量评价方法进行比较,实验结果表明,新方法在各个方面都具有较好的鲁棒性。     

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...     

全景图像质量评价方法最新进展

随着虚拟现实技术的快速发展,全景视频图像已成为一种新的媒体展示形式被投入使用。全景图像的质量评价方法对促进虚拟现实技术具有重要的现实意义。研究了近五年来全景图像质量评价新方法。分析了全景图像客观评价指标,包括基于峰值信噪比的改进方法和基于结构相似性的改进方法。归纳总结了基于深度学习的全景图像质量评价方法以及其特有的缝合失真和投影失真的评价方法。搜集整理了常用的全景图像质量评价公共数据集与专有自建数据集。采用皮尔森相关系数、斯皮尔曼秩相关系数与均方根误差作为评价指标,根据客观评分与人眼主观感受的相关程度对现有全景图像质量评价方法进行了对比分析。对全景图像质量评价方法的发展方向进行展望。     

一种基于相位特征的小波域图像质量评价算法

基于像素值的图像质量评价算法忽视了图像自身的结构特征信息,不能较好地评测某些失真类型的图像质量。针对这一问题,本文提出一种基于相位特征的图像质量评价算法。该算法根据人眼对图像的理解主要建立于图像低层次结构这一特点上,给出一种图像质量评价函数的计算方法。首先将图像的相位一致性作为评价函数的第一个特征;然后将图像的小波变换模作为评价函数的第二个特征。最后基于这2个特征获取整体图像的质量评价测度。仿真实验验证了该算法的有效性,结果表明提出的图像质量评价算法和人类主观评价感受具有良好的一致性。      

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。     

采用内容划分方法的视频质量评价

目前基于结构相似性的图像质量评价算法均是对图像进行整体质量分析,但图像中不同的区域存在着不同的结构特性和视觉感知特性,而对图像进行整体质量分析无法有效反应出这些差异。鉴于此,提出了一种基于内容划分的结构相似性图像质量评价算法,根据图像不同区域的变化率将图像分为4个部分,分别进行质量评价。采用运动估计的帧加权的方式将该方法扩展到视频质量评价中。实验证明了该算法与目前比较流行的几个算法相比具有较高的评价准确性。     

基于内容划分和运动补偿的视频质量评价

目前基于结构相似性的图像质量评价算法均是对图像进行整体质量分析,但人类视觉系统对图像中不同部分的敏感程度不同,而对图像进行整体质量分析无法有效反映出这些差异。鉴于此,提出了一种基于内容划分的图像质量评价算法,根据图像不同区域的梯度将图像分为四个部分,分别进行质量评价。之后,采用基于运动补偿的帧加权方式将上述方法扩展为视频质量评价。实验证明,所述算法与目前比较流行的几个算法相比具有较高的评价准确性。     

误差分散类逆半调图象的质量评价方法

提出一套针对误差分散类逆半调图象的质量评价方法。在分析了误差分散半调图象退化特性的基础上,将逆半调图象中的噪声表征为图象频率失真和附加噪声的联合作用,据此确定了该评价方法中的像素级差异测度,频谱距测度,边缘质量测度和附加噪声测度;通过对不同误差分散类逆半调图象序列的实验分析了这些测度的性能.实验证明在评价逆半调图象时,该套评价方法较目前广泛使用的峰值信噪比(PSNR)测度更为全面。     

一种JPEG图片的无参考图像质量评价方法

文章提出了一种基于半脆弱性数字水印算法的无参考图像质量评价方法(WIQM)。它首先按照一定的策略将水印嵌入到图像分块DCT变换的中频系数上,嵌入具体位置和嵌入强度的选择主要依据两个标准:图像的感官质量不受到影响;水印的质量变化能够有效的反映图像质量的变化。然后通过评估提取出来的水印的质量状况来评估图像的质量状况。最后以JPEG图片库为对象进行了实验,结果表明该方法是行之有效的。     

双尺度边缘结构相似度的图像质量评估

图像质量评价对于各种视频图像应用具有重要的意义。结构相似度准则SSIM在模糊图像及噪声污染的图像判定方面,存在偏差。该文提出了基于双尺度边缘结构特征的图像质量评价算法——MDESSIM,充分考虑了边缘信息在结构信息中的重要性,通过增加边缘结构的失真度量来综合评价图像质量。实验结果表明了MDESSIM算法的有效性。     

基于颜色与结构失真的色域映射图像无参考质量评价算法

为了预测色域映射图像客观质量,通过分析不同色域映射算法的映射原理发现色域映射图像中主要存在颜色失真与结构失真的情况.基于此,提出了一种基于颜色与结构失真的色域映射图像无参考质量评价算法.在颜色失真方面,计算色调异常率和图像R、G、B三个分量的统计分布与理想均匀分布之间的相对熵;在结构退化方面,提取图像的信息熵与四阶矩,并对图像亮度与饱和度进行统计建模,提取参数特征.随后,将以上提取的数据作为质量感知特征与图像的主观分数值输入后向传播神经网络进行回归训练得到针对色域映射图像的质量评价模型.最后,在三个公开的色域映射图像数据库上进行性能验证.实验结果表明,该算法在预测色域映射图像质量方面优于现有的无参考算法.