全景鸟瞰拼接图像的质量评价方法

针对全景拼接图像尚无有效的全参考质量评价方法,无法有效地选择最佳拼接方案以及优化系统参数的问题,创新性地提出一种基于图像信息采样的质量评价方法,即通过统计俯视图像素在原始图像中的对应分布,对原始图像素的重采样率和均值方差等统计信息进行分析评估。首先介绍一种车载环视摄像头下4个不同角度的视频图像拼接的方法,然后提出像素采样率性能指标,最后通过仿真实验与实际测试,对比图像方差、熵值和平均梯度等指标,证明了提出的评价方法能够有效地评价拼接图像质量和优化摄像头安装参数。     

面向水下图像的质量评价方法

目的 针对目前水下图像质量评价方法少和现有方法存在局限性等问题,提出一种无参考并且无需手工设计特征的水下图像质量评价方法。方法 提出的水下图像质量评价方法将深度学习网络框架与随机森林回归模型相结合,首先采用深度神经网络提取水下图像的特征;然后使用提取的特征和标定的水下图像质量分数训练回归模型;最终,利用训练好的回归模型预测水下图像的质量。结果 在本文收集的水下图像数据集和水下图像清晰化算法处理结果上评测本文方法,并与多种质量评价方法进行比较,其中包括预测结果与主观质量分数比较、水下图像清晰化结果评测比较、预测结果与主观质量分数相关性比较、鲁棒性比较等。主观实验结果表明本文的评价方法可以相对准确地给出符合人类视觉感知的水下图像质量分数,并且具有更好的鲁棒性。定量实验结果表明本文方法与其他方法相比,预测的图像质量分数与主观分数具有更高的相关性。结论 提出的水下图像质量评价方法无需参考图像,省去了手工设计的特征,充分利用了深度学习网络的学习和表征能力。本文方法的准确性较好,普适性和鲁棒性较高,预测的质量分数与人类视觉感知具有较高的一致性。本方法适用于原始的水下图像和水下图像清晰化算法的处理结果。     

虚拟现实图像客观质量评价研究进展

随着科学技术的发展,虚拟现实(virtual reality, VR)技术逐渐渗透到医疗、教育、军事和娱乐等众多领域,并凭借在各个领域广阔的应用前景而受到广泛关注。鉴于视觉质量是决定VR技术能否成功应用的关键,且图像是VR应用最基础和最重要的视觉信息载体,VR图像质量评价已经成为质量评价领域的重要前沿性研究方向。与传统图像质量评价类似,VR图像质量评价可以分为主观质量评价和客观质量评价。由于客观质量评价相比主观质量评价具有成本低、稳定性高和应用范围广等优点,对VR图像客观质量评价的研究受到了国内外学者的高度重视。目前,关于VR图像客观质量评价的研究已经取得了一定进展,但是文献中缺少对该方向相关研究方法的综述。基于此,本文针对VR图像客观质量评价的研究进行概述。首先,对VR图像质量评价的研究现状进行分析。然后,重点对现有的VR图像客观质量评价模型进行综述。具体地,根据模型是否需要使用原始无失真图像信息作为参考,将现有的VR图像客观质量评价模型划分为全参考型和无参考型两大类。其中,全参考型方法进一步划分为基于峰值信噪比/结构相似度的方法和基于传统机器学习的方法。根据特征表达空间的不同,无参...     

基于全景深度图像的汽车外形重建方法

将全景深度图像与虚拟现实建模语言VRML的特点有机结合起来,实现了由深度图像到三维模型的快速重建及车身外形的多细节层次描述。该算法在网格均匀细化基础上,结合图像处理方法,能有效处理车身外形的孔洞部分,且较准确地反映车身外形。利用所得到的三维VRML模型,可方便地进行模型交互修改,并实时显示;在汽车外形概念设计和用户个性化外形定制系统的应用中,对VRML模型的建立提出了一种新方法。     

基于全景深度图像的汽车外形重建方法

将全景深度图像与虚拟现实建模语言VRML的特点有机结合起来,实现了由深度图像到三维模型的快速重建及车身外形的多细节层次描述.该算法在网格均匀细化基础上,结合图像处理方法,能有效处理车身外形的孔洞部分,且较准确地反映车身外形.利用所得到的三维VRML模型,可方便地进行模型交互修改,并实时显示;在汽车外形概念设计和用户个性化外形定制系统的应用中,对VRML模型的建立提出了一种新方法.     

图像重定向质量评价的研究进展

随着移动显示设备的普及,人们可以使用不同的终端设备来获取图像信息。为了适配不同尺寸的设备,图像重定向技术应运而生,并成为当前研究的热点。尽管该技术在近年来取得了长足进步,但没有算法能够保证在不降低视觉内容质量的前提下满足多种显示设备的要求。换句话说,在图像重定向的过程中,不可避免地会引入失真,降低用户的视觉体验。因此,如何客观、准确地评价重定向图像质量对图像重定向算法的选择、优化及发展至关重要。当前,研究人员已针对图像重定向质量评价开展了一系列研究,并取得了一定的研究成果。但是缺乏对图像重定向质量评价的综述,因此本文对当前图像重定向质量评价的研究进展进行了较为全面的回顾和总结。首先简单介绍了图像重定向以及传统图像质量评价;然后分别介绍图像重定向质量评价的数据集和客观质量评价方法,将现有的客观质量评价分为基于传统特征相似性的方法和基于图像配准的方法两类,并分析了两类方法的优缺点;接着在3个数据集上对具有代表性的算法的性能进行了对比分析;最后,总结了当前图像重定向质量评价领域面临的问题和挑战,并指明了未来可能的发展方向。     

一种改进的卷积神经网络的无参考JPEG2000图像质量评价方法

现有的图像质量评价模型对JPEG2000压缩图像的失真情况评价都不是很理想。针对这一问题,提出一种基于卷积神经网络的JPEG2000压缩图像质量评价方法。该模型由一层包含20个卷积核的卷积层,一层包含最大池、中值池和最小池的次采样层、一层采用1200个ReLU激活单元的全链接层和一个输出节点构成。采用最大、中值、最小三池联合的方法,可以有效提取图像的质量感知特征。在LIVE图像质量评价库JPEG2000压缩图像上的实验结果表明,该方法得到了比相关文献方法更好的主观感知一致性。     

图像结构失真的编码质量评价

客观图像质量评价方法——自动评价图像质量使其与主观感受一致, 对于很多图像和视频处理应用特别是图像编码具有重要意义。提出了一种基于结构失真的图像编码质量客观评价方法。首先根据匹配追逐算法将参考图像在基函数上进行投影分解按照重要性排列获得结构信息,并给出结构重要性度量,然后利用该信息计算编码图像的结构信息,比较编码前后结构信息的差异作为客观质量评价度量,其中在匹配追逐算法中,选取了2维可分离的Gabor基函数集作为字典。实验结果显示,上述方法与主观质量评价值有很好的一致性。     

基于边缘基元的图像内插质量评价方法

图像质量评价方法可以分成主观评价方法和客观评价方法两类。主观评价在具体应用时难以使用,常用客观评价方法PSNR是代表图像保真度的统计指标,但有时和主观评价不一致。针对内插重建图像这种特殊的缩减参考图像的质量评价,提出了基于边缘基元的评价方法。实验表明,该方法简便易行,符合人眼的视觉特点,可以和其他评价方法结合在一起作为参考。     

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。     

基于深度学习的无参考图像质量评价综述

图像质量评价是图像处理、图像/视频编码等领域的基础性问题,用于评估图像的失真程度,被广泛应用于算法设计与分析、系统性能评估等方面.无参考图像质量评价(又称为盲图像质量评价)是一种重要的客观质量评价方法.因为无须原始的参考图像,因此具有广泛的应用前景.近年来,随着深度学习技术的不断发展,人们提出了多种基于深度学习的无参考...     

基于SIFT算法的全景图像拼接技术研究

全景图像拼接技术即通过将部分重叠区域的图像合成以描述某个场景信息的360度圆形图像.引用一种新型的基于SIFT （尺度不变特征变换）特征匹配的图像排序算法,实现图像的有序排列,针对图像拼接存在的误匹配点较多、耗时较长等问题,结合FAST算法进行特征点提取,接着针对相邻有序图像间的亮度差异采用自动校正操作,削弱了相邻图像间的亮度差异,并结合改进的Ransac算法剔除误匹配点对,最后用加权平衡算法实现图像的快速融合.实验结果表明该优化排序算法稳定、高效.     

基于分水岭算法的图像融合质量评价方法

传统图像融合质量评价方法的评价结果与人眼主观感知结果不一致,针对该问题,提出基于分水岭算法的图像融合质量评价方法。利用结构相似性理论获得源图像之间的结构相似信息图,运用分水岭算法对信息图进行分割。为减少过分割现象,在分水岭算法中应用标记符,将源图像的信息分为共有信息和互补信息,构建基于结构相似性的映射函数,分别处理共有信息和互补信息,完成融合图像质量评价。实验结果表明,与Piella和Zheng方法相比,该方法的抗干扰性能较好。     

柱面全景图象的一种实现方式

介绍了一种全景图象的建模和实现方式 .考虑了图象旋转对拼接过程的影响 ,这有助于提高拼接质量 .在立方体表面拼接成功了柱面全景图象 .开发了能够浏览立方体表面的柱面全景图象的浏览器 .     

Recent Advances in Image Dehazing

Images captured in hazy or foggy weather conditions can be seriously degraded by scattering of atmospheric particles, which reduces the contrast, changes the color, and makes the object features difficult to identify by human vision and by some outdoor computer vision systems. Therefore image dehazing is an important issue and has been widely researched in the field of computer vision. The role of image dehazing is to remove the influence of weather factors in order to improve the visual effects of the image and provide benefit to post-processing. This paper reviews the main techniques of image dehazing that have been developed over the past decade. Firstly, we innovatively divide a number of approaches into three categories: image enhancement based methods, image fusion based methods and image restoration based methods. All methods are analyzed and corresponding sub-categories are introduced according to principles and characteristics. Various quality evaluation methods are then described, sorted and discussed in detail. Finally, research progress is summarized and future research directions are suggested.      

基于结构失真分析的立体图像质量客观评价模型

在立体图像?视频系统编码、传输、解码等环节中,立体图像质量评价是图像失真的一个重要评判准则.考虑到图像结构特性能较好地反映立体图像质量变化,提出一种基于结构失真的立体图像质量客观评价模型,该模型包括左右视点图像质量和深度感知质量评价两部分.首先根据人眼对图像中不同区域的敏感度存在差异且自然图像具有一定方向奇异性的特性,得到左右视点图像质量评价值;然后利用左右视点的绝对差值图像,采用奇异值向量差异和均值偏差率来描述立体图像深度感的畸变;最后融合前面两部分的评价值得到最终的立体图像质量评价值.实验结果表明,文中模型与主观感知存在较好的一致性,对于高斯模糊、高斯白噪声、JPEG压缩、JP2000压缩以及H.264编码,其评价结果与主观感知之间的相关系数高于0.93,Spearman秩相关系数高于0.92,均方误差低于6.6.     

主动特征学习及其在盲图像质量评价中的应用

盲图像质量评价是指在没有原始图像信息的情况下,预测给定图像的视觉感知质量.迄今为止,基于无监督特征学习的盲图像质量评价方法取得了较好的性能,但其质量预测精度随特征维度的降低而显著下降.为了克服这一缺陷,作者将主动学习策略与无监督特征学习相结合,提出了一种主动特征学习框架,以提高图像特征表示的判别性,并利用所学特征进行质量预测.实验表明,在特征维度较低时,与基于无监督特征学习的方法相比,文中方法在图像质量预测精度上提高了8%.同时,文中方法的性能也优于现有的其他盲图像质量评价方法.     

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。