基于视觉显著性和感知相似性的全参考图像质量评价方法

目的 图像质量评价（IQA）旨在使用计算模型自动衡量和评价图像质量,以代替人类视觉系统的主观意见,并应用到相关实际问题中。方法 首先将参考图像与失真图像进行输入,使用视觉显著性模型计算图像局部相似度的特征映射,并在质量得分池化阶段作为加权函数,同时,针对视觉显著性图作为单一特征映射的不足,增加了梯度幅度,然后将图像进行颜色空间的转化提取颜色特征,最后分配相应的权重来计算图像相似度。结果 在4个大型数据集上的对比测试显示,在保持适度计算复杂度的同时,VSPSI相比其他有代表性的模型在预测精度上得到了一定的提升,特别是在TID2013数据集上的SROCC达到了0.9055。结论 研究结果表明,VSPSI是一个性能优良的IQA方法,在不同数据集和不同失真类型中都有良好的表现,具有较强的鲁棒性,可胜任多类失真图像的客观质量评价,同时可通过优化视觉显著性模型进一步提升VSPSI的性能。     

基于ResNet50与迁移学习的轮毂识别

针对人工进行轮毂分拣存在的误识别问题,采用一种基于ResNet50与迁移学习的神经网络模型来识别汽车轮毂。把预训练模型参数迁移到ResNet50卷积神经网络中,修改原网络的输出层,构建基于ResNet50的迁移学习模型,通过进一步训练轮毂数据集来微调模型参数,提取轮毂的细粒度特征。通过对比AlexNet、VGG11、VGG16与ResNet50模型在未使用微调、使用微调和冻结不同数量卷积层参数时的训练效率、准确率,证明ResNet50迁移学模型在冻结前7个Bottleneck残差块参数时不仅能缩短训练时间,并能在相同迭代周期下取得更高的准确率。在该冻结策略下训练生成TL-ResNet50迁移学习模型,分别对8种轮毂进行预测,得出每种轮毂的平均准确率达到99%以上。     

基于卷积神经网络的PCB缺陷图像识别

PCB缺陷图像检测是确保PCB生产质量的重要环节,但传统的人工PCB缺陷检测具有劳动强度大、工作效率低等不足.为此,本文研究了一种基于卷积神经网络的PCB缺陷图像识别方法,建立了包括三种PCB缺陷和无缺陷图像的数据集,基于ResNet101网络模型搭建了PCB缺陷图像识别分类模型.引入迁移学习的方法,基于在大数据集上充分训练好的模型结合PCB图像数据集,并训练该PCB缺陷图像识别模型.实验结果表明,ResNet101模型对无缺陷PCB图像和三类常见PCB缺陷图像的平均识别准确率达到91.98％,验证了该模型对PCB图像识别分类的有效性.     

无参考混合失真图像质量评价方法

目的为了解决图像在实际处理过程中产生混合失真的情况,研究无参考混合失真图像质量评价方法。方法首先利用空域-频域信息熵和奇异值建立无参考混合失真图像失真类型判别模型,然后再根据不同的混合失真类型,分别提取多维空间统计特征、奇异值改变量和空域-频域信息熵等3种不同的图像信息特征,建立无参考混合失真图像质量评价模型,并选取最佳无参考图像质量评价(NR-IQA)模型得到分数。结果该方法能100%判别混合失真类型,对于模糊噪声、模糊压缩混合失真在LIVE混合失真图像数据库(LIVEMD)上的斯皮尔曼等级相关系数(SROCC)最高分别能达到0.9874和0.9916,具有很好的主观一致性。结论实验结果表明,该无参考混合失真图像质量评价方法与人眼视觉感知具有很好的主观一致性。     

基于卷积神经网络的印刷套准识别方法

目的 针对目前印刷套准识别方法依赖于经验人工设计特征提取的问题,提出一种不需要人工提取图像特征的卷积神经网络模型,实现印刷套准状态的识别.方法 采用图像增强技术实现不均衡训练集的均衡化,增加训练集图像的数量,提高模型的识别准确率.设计基于AlexNet网络结构的印刷套准识别模型的结构参数,分析批处理样本数量和基础学习率对模型性能的影响规律.结果 文中方法获得的总印刷套准识别准确率为0.9860,召回率为1.0000,分类准确率几何平均数为0.9869.结论 文中方法能自动提取图像特征,不依赖于人工设计的特征提取方法.在构造的数据集上,文中方法的分类性能优于实验中的支持向量机方法.     

基于四元数奇异值分解的数字印刷质量评价

目的针对人眼视觉感受与印刷质量评价结果存在不一致的缺陷,提出全四元数及奇异值分解的数字印刷质量评价方法。方法首先,依据图像颜色空间属性,采用四元数作为印刷图像表示模型,其中四元数矩阵实部为图像亮度方差,虚部为红、绿、蓝颜色,建立印刷图像全四元数表示模型。然后,对四元数图像模型进行四元数奇异值分解,得到图像四元数特征向量。最后,印刷图像质量评价指标以图像奇异值特征向量线性相关程度进行衡量。结果印刷图像四元数模型可完整地表示数字印刷图像,有效地凸显人眼视觉敏感结构信息,在印刷质量评价中实现了图像信息并行处理。结论印刷图像四元数模型提高和改善了彩色印刷图像质量准确性,与人眼视觉特性一致性较好。     

基于双分支加权卷积神经网络的视网膜图像质量评价方法

近年来,眼底图像分析已成为一种直观且高效的辅助诊断技术。专家根据眼底相机捕获的视网膜图像对眼底疾病患者进行诊断,因此,眼底视网膜图像的质量对于医生提供及时且准确的疾病诊断至关重要。本文提出一种端到端的眼底视网膜图像质量评价方法,通过空间横向和纵向卷积的双分支模块进行特征提取,并对双分支所提取的特征进行加权融合,以提高模型的特征提取能力。通过自有数据集的训练,本文提出的模型准确率达到85.14%,AUC为0.9173,F1分数为0.7838。为验证模型的有效性,使用DRIMDB公开数据集进行测试,准确率达到92.11%,AUC为0.9911,F1为0.8966。实验结果表明,提出的方法对于眼底图像质量评价是有效的,具有优越的性能和高效的收敛速率。     

不均衡训练集特征选择的印刷套准状态识别

目的 针对不均训练集导致印刷套准识别模型无法较好识别印刷套不准图像的问题,提出基于最大相关、最小冗余的印刷标志图像数据特征选择方法.方法 提取印刷标志图像的多维特征数据,计算特征与印刷套准和印刷套不准2类之间的相关性和特征之间的冗余度.确定特征选择的目标函数,通过增量搜索方法寻找最优特征,加入特征子集,实现不均衡印刷标志图像的特征选择.结果 文中的特征选择方法获得了3项不均衡数据分类性能评价指标,A为0.9900,R为0.9400,Gmean为0.9466.结论 在不均衡印刷标志图像套准识别中,文中提出的方法性能优于实验中的未处理方法、PCA方法、Relief方法和NCA方法.     

基于特征融合与降维的印刷套准识别方法

目的针对单一方面特征难以准确表达印刷标志套准状态的问题,研究印刷标志图像多维特征提取、融合和降维的印刷套准识别方法。方法提取印刷标志图像的灰度共生矩阵、Tamura纹理特征、灰度差分统计特征和灰度梯度共生矩阵表达其纹理,并采用主成分分析法对融合后的多维特征进行降维处理,得到主特征。将印刷标志图像的主特征数据分成训练集和测试集。支持向量机模型通过对训练集的学习确定模型参数,然后在测试集上验证模型的性能。结果文中建议方法在测试集上的识别准确率为99%,训练集对支持向量机模型的训练时间为1.9327 s,模型在测试集上的识别时间为0.0307 s,模型的总体时间(训练时间和识别时间之和)为1.9634s。结论文中建议方法优于采用单一方面特征的识别准确率;同时在不影响识别准确率的情况下,优于未PCA降维方法的模型训练时间、识别时间和总体时间。     

基于Res2net和金字塔池化的图像去雾算法

在计算机视觉的高级任务中,对图像的清晰度有很高的要求,目前基于深度学习的图像去雾算法仍存在一些问题,如细节丢失、色彩失真、去雾不完全等。为解决这些问题,设计了一种基于Res2net和金字塔池化的端到端图像去雾算法。该网络中,通过使用Res2net模块提取上下文特征,并利用金字塔池化模块融合不同尺度的特征信息。为了得到更好的网络模型,采用RESIDE数据集对提出的模型分别进行训练和测试。结果表明：该模型在主客观评价中都取得了不错的效果,极大地改善了去雾后图片色彩失真和去雾不够彻底的问题。     

基于码书的雾天图像质量评价方法研究

近年来,无参考图像质量评价发展迅速,但是对雾天图像质量进行评价的无参考算法还鲜有报道。该文提出了一种基于码书的无参考雾天图像质量评价算法。目的是使该方法评价雾天图像质量的结果与人类主观感知相一致。寻找能反映雾天图像质量的特征,运用这些特征构建码书,然后用码书对训练图像进行编码得到训练图像的特征向量,最后用这些向量与训练图像的主观评分进行回归得到雾天图像质量评价模型。该方法在仿真的雾天图像库中进行了测试,结果表明：Pearson线性相关系数和Spearman等级相关系数值都在0.99以上。并与经典的无参考算法NIQE和CONIA方法进行了比较,优于这些算法,能够很好地预测人对雾天图像的主观感知。     

基于小波图像融合的非对称失真立体图像质量评价方法

通过研究非对称失真立体图像人眼视觉感知特性,提出了一种基于小波图像融合的非对称失真立体图像质量客观评价方法.首先,采用固定尺寸块匹配方法得到原始立体图像块视差值,接着,根据该视差值的大小,同时结合非对称失真立体图像视觉感知特性,对匹配块进行小波融合得到原始融合图像和失真融合图像.最后,通过计算原始融合图像和失真融合图像...     

基于底层特征和高级语义的真实失真图像质量评价

目的由于现有无参考质量评价方法无法准确判断真实失真图像的质量,提出一种基于图像底层特征和高级语义提取的真实失真图像质量评价方法。方法首先根据真实失真图像的底层特征指标进行k-means聚类,在每一类图像中利用深度卷积神经网络(Deep Convolutional Neural Network, DCNN)的方法提取图像的一级高级语义特征,采用多种特征函数对一级高级语义特征进行聚合,得到图像的二级高级语义特征,并建立了高级语义特征与平均意见主观分(Mean Opinion Score, MOS)的高容量回归器。结果提出的算法在KonIQ-10k图像库预测出的质量分数与对应MOS值能达到很高的一致性,Spearman秩序相关系数(SROCC)和Pearson线性相关系数(PLCC)分别能达到0.95和0.97。结论提出的算法能够快速且准确地对真实失真图像质量作出评价。     

基于机器视觉的二维图像质量缺陷检测研究进展

目的 机器视觉图像处理技术是近年在图像处理领域发展起来的一门新兴边缘交叉学科，二维图像的质量检测是印刷行业中必不可少的环节，分析基于机器视觉的二维图像质量缺陷检测流程，探索影响基于机器视觉的二维图像质量缺陷检测精度的相关因素，为后续研究印刷品的二维图像自动化检测和质量控制提供参考。方法 在此基础上，围绕图像预处理中的灰度转换、噪声过滤、固定阈值分割、自适应阈值分割、Otsu法及边缘检测，对图像配准中的基于灰度统计信息分布配准方法、基于特征的图像配准方法进行总结，然后归纳分析图像的缺陷提取和分类。结论 以实际例子对上述研究内容进行了提炼，通过图像预处理中的噪声过滤为后续缺陷提取提供清晰图像，减少伪影干扰；通过图像预处理中的灰度变换、阈值分割、感兴趣区域提取减少系统处理时间，为实现高效的缺陷检测奠定了坚实的基础；通过图像配准消除了机械振动引起的图像位置偏移，确保后续缺陷提取的准确性；通过图像缺陷提取和分类帮助印刷企业找出生产问题，提供有针对性的改进措施，可为生产高质量产品提供支持。     

Residual learning based CNN for breast cancer histopathological image classification

Biopsy is one of the most commonly used modality to identify breast cancer in women, where tissue is removed and studied by the pathologist under the microscope to look for abnormalities in tissue. This technique can be time-consuming, error-prone, and provides variable results depending on the expertise level of the pathologist. An automated and efficient approach not only aids in the diagnosis of breast cancer but also reduces human effort. In this paper, we develop an automated approach for the diagnosis of breast cancer tumors using histopathological images. In the proposed approach, we design a residual learning-based 152-layered convolutional neural network, named as ResHist for breast cancer histopathological image classification. ResHist model learns rich and discriminative features from the histopathological images and classifies histopathological images into benign and malignant classes. In addition, to enhance the performance of the developed model, we design a data augmentation technique, which is based on stain normalization, image patches generation, and affine transformation. The performance of the proposed approach is evaluated on publicly available BreaKHis dataset. The proposed ResHist model achieves an accuracy of 84.34% and an F1-score of 90.49% for the classification of histopathological images. Also, this approach achieves an accuracy of 92.52% and F1-score of 93.45% when data augmentation is employed. The proposed approach outperforms the existing methodologies in the classification of benign and malignant histopathological images. Furthermore, our experimental results demonstrate the superiority of our approach over the pre-trained networks, namely AlexNet, VGG16, VGG19, GoogleNet, Inception-v3, ResNet50, and ResNet152 for the classification of histopathological images.     

基于亮度阈值效应的无参考图像质量评价方法

目的图像质量的优劣不仅与失真有关,同时与亮度图像的质量有关,而无参考图像质量评价中未考虑到亮度图像的质量对图像整体质量评价的影响,因此引入亮度阈值效应对其亮度图像的质量进行量化评价。方法在BRISQUE算法的基础上进行改进,以快速衰落失真为例,在调整亮度后获取的50幅图像库中进行实验,将失真图像分层为入射分量和反射分量,对入射分量(亮度图像)采用亮度阈值算法,反射分量(反射图像)采用BRISQUE算法,提出一种新的无参考图像质量评价方法。结果文中算法的皮尔逊相关系数(PCC)为0.9982,斯皮尔曼秩相关系数(SROCC)为0.9741。结论由实验数据可知,文中算法在人眼视觉的主观评价上相较于BRISQUE算法有更好的一致性,符合人眼的视觉感知。     

基于美学质量评价的条件生成对抗网络线稿图像彩色化方法

目的 为了更好地实现包装设计中符合用户美学感知需求的动漫图像元素,生成美感更高的彩色线稿图像,提出一种基于美学质量评价的条件生成对抗网络线稿图像彩色化方法(Conditional Image Colorization with Image Aesthetics GANs,IM-GAN).方法 采用Mish函数作为生成模型激活函数,并使用美学质量评价优化生成模型损失函数,实现线稿图像的自动彩色化任务.结果 使用图像美学质量评分作为客观评价指标,观察者打分作为主观评价指标,对算法进行评价.IM-GAN生成的彩色图像具有更高美学质量评分和主观打分.结论 文中方法能够完成线稿图像自动彩色化任务,在包装设计动漫形象应用方面具有一定的参考和使用价值.