基于人眼对比度敏感视觉特性的图像质量评价方法

结合传统采用的均方误差和峰值信噪比评价灰度图像质量的统计方法和色差描述彩色图像差异的特点,提出了一种基于人眼视觉特性的色差均方误差和色差峰值信噪比统计参数的评价彩色图像质量的方法,并通过实验进行了验证。实验结果与德克萨斯大学奥斯汀分校的LIVE图像库中的图像主观评价结果基本符合,表明所提出的方法不仅从统计意义上有效地反映了局部甚至像点间的差别,而且由于该统计方法同时考虑了人眼视觉特性,提高了客观评价与主观评价的一致性。     

基于人眼视觉特性的深度学习全参考图像质量评价方法

针对现有的图像质量评价方法普遍为人工设计特征,难以自动且有效提取到符合人类视觉系统的图像特征,受人眼视觉特性的启发,提出一种新的基于卷积神经网络的全参考图像质量评价方法（DeepFR）。该方法基于对数据集本身的学习设计了卷积神经网络DeepFR模型,利用人眼视觉系统对梯度的敏感性进行加权优化,提取了符合人眼视觉特性的视觉感知图。实验表明:设计的DeepFR模型优于已有的全参考图像质量评价方法,其预测结果与主观质量评价有很好的精确性与一致性。     

基于人眼视觉的小波域结构相似性图像质量客观评价方法

针对空域结构相似性评价方法在几何失真图像及噪声污染图像的质量评价中存在的不足,在考虑人眼视觉特性前提下,研究了一种基于人眼视觉的小波域结构相似度的图像质量评价方法(WDSSIM),该方法首先将参考图像和失真图像进行小波变换,以获取不同尺度和频带的子带图像,并根据人眼视觉JND模型,获取人眼视觉对参考图像的带间敏感度和各子带的带内敏感度;然后,以带内敏感度因子为权值分别求取参考图像和失真图像同一尺度和频带的子带图像之间的结构相似度;最后,以带间敏感度因子为权值对各子带对的结构相似度进行加权归一化,获得整幅图像的结构相似度.     

利用边缘相似度的光场图像质量评价

近年来，随着虚拟现实（Virtual Reality，VR）和增强现实（Augment Reality，AR）技术发展和普及，光场图像引起了学术界和工业界的广泛关注。然而，在光场采集和图像压缩、存储、传输和渲染的过程中，不可避免会引入各类失真从而导致光场图像质量出现劣化。因此，如何根据人眼视觉特性来准确高效地评价光场图像质量成为急需解决的问题。考虑到光场图像复杂的结构特性，本文意在利用边缘相似度来构建适用于光场图像质量客观评估的数学模型。首先, 利用梯度和Gabor滤波器分别提取光场图像的空域和频域相似度，进而进行融合得到边缘相似度图，接着对边缘相似度图采用基于频域边缘强度的池化策略进行权重计算得到最终的客观评估分数。实验结果显示，与现有的图像质量评价方法相比，本文所提算法能够更好地反映出人类视觉系统对光场图像的主观感知特性。      

基于人眼失真敏感度的图像质量评价算法研究

人眼作为图像的最终观测者,对图像失真的敏感度会随着图像纹理的变化而变化。根据人眼视觉系统的这一特性,将图像的纹理信息引入到图像质量计算中,提出了一种基于人眼失真敏感度的结构相似度算法(DS-SSIM)。通过对LIVE DATABASE中5种失真类型共779张失真图像的仿真实验得出,相比PSNR,SSIM,ESSIM等算法,DS-SSIM算法的评价结果与人为主观评分具有更高的一致性,更加符合人眼视觉特性。     

基于人眼视觉特性的红外图像增强技术研究

基于红外图像灰度分布集中、对比度低的特点,结合人眼视觉特性,提出了基于人眼视觉特性的非线性变换方法.基于人眼灰度分辨能力随灰度变化的线性关系,推导了人眼的可分辨率灰度函数和基于人眼视觉的非线性变换函数,建立了人眼的非线性变换模型,实现了将有限的红外图像信息映射到有利于人眼观察的灰度分布区域.实验结果表明,该方法处理的图像反差适中、纹理明晰、细节部分对比明显,有效解决了红外图像低对比度和细节模糊的问题.     

一种基于人眼对比度敏感视觉特性的图像自适应量化方法

为了提高图像的压缩比和压缩质量,结合人眼对比度敏感视觉特性和图像变换域频谱特征,该文提出一种自适应量化表的构建方法。并将该表代替JPEG中的量化表,且按照JPEG的编码算法对3幅不同的彩色图像进行了压缩仿真实验验证,同时与JPEG压缩作对比分析。实验结果表明：与JPEG压缩方法相比,在相同的压缩比下,采用自适应量化压缩后,3幅解压彩色图像的SSIM和PSNR值分别平均提高了1.67%和4.96%。表明该文提出的结合人眼视觉特性的自适应量化是一种较好的、有实用价值的量化方法。     

图像质量评价方法研究进展

图像质量评价是图像处理领域的研究热点。该文综合论述了图像质量的主观和客观评价方法,重点阐述了单视点图像质量的客观评价方法。对目前比较常用的峰值信噪比和均方误差全参考评价算法进行了分析并指出其存在的问题。然后,对基于误差敏感度和基于结构相似度的评价算法进行了论述和分析,并对质降和无参考评价方法进行了综述。根据视点的个数,图像质量评价可分为对传统单视点图像和立体图像的评价。该文还对立体图像质量评价算法进行了分析讨论。最后,就图像质量评价算法的进一步发展提出了若干技术与研究方向的展望。     

基于小波频带划分及CSF特性的图像质量评价方法

文章在人眼视觉系统(HVS)的基础上,利用小波变换频带划分的原理,提出了一种新的图像质量评价方法.此方法把小波变换后不同方向频带划分特性与HVS中对比敏感函数(CSF)曲线的带通特性有机地结合起来,得到一种新的图像质量评价指标--人眼视觉信噪比(HVSNR).最后,通过试验证明了这种新的评价指标比传统的峰值信噪比(PSNR)更加接近人们的主观视觉感受.     

基于人眼视觉特性的红外图像增强算法

提出一种基于人眼视觉特性的红外图像增强算法.该算法采用符合人眼感知特性的LIP(Logarithmic Image Processing)模型,并根据人眼视觉在图像变化区域比平滑区域敏感,使用幂次变换方法对图像的高频和低频成分分别进行增强处理.实验结果表明:本文相比传统算法能够有效增强图像细节信息,提高图像对比度,明显改善红外图像的视觉效果.     

一种基于Contourlet变换的图像质量评价算法

由于基于Contourlet变换的图像处理已经成为多尺度、多方向图像处理领域的重要组成部分,所以能对嵌入Contourlet变换域图像处理系统中的图像质量进行评估的算法就成为重要的评估方法。通过对Contourlet变换域图像结构特性的研究,提出了Contourlet结构相似度(CSSIM)的图像质量评价方法。在LIVE图库上的实验结果表明CSSIM比SSIM和DWTSSIM(基于小波的SSIM)更加符合人眼的视觉特性,可以更好地评判图像质量。因此该算法可应用于基于Contourlet变换的图像处理系统中。     

基于频域直方图和HVS的彩色图像质量评价算法

针对主流图像质量评价算法应用于彩色数字图像时,性能和准确度并未达到很好效果,提出了一种基于直方图和HVS的彩色图像评价算法(HHBQA)。将图像转换成频率空间,并对频率域幅度进行直方图计算;结合人类视觉对亮度和颜色的感知特点,对彩色图像的亮度和颜色分配权重并最终融合评价结果。实验结果表明,本算法与真实感官感受具有高度一致性,优于其他主流算法,同时具有最快的计算处理时间。     

基于结构信息提取的图像质量评价

结构相似性理论是一种关于图像质量评价的新思想.与自底向上地模拟人眼视觉系统(HVS)低阶的组成结构不同,结构相似性理论自顶向下地模拟HVS的整体功能.作为结构相似性理论的一个实现,结构相似度(SSIM)指数有着简单高效的优点,但SSIM在交叉失真类型和失真严重时的准确性不够好.本文将结构信息重新解释为图像中能量足够大的中高频成分,从新的角度将SSIM理解为一种更好的局部误差度量方式.提出一种基于结构信息提取(SIExt)的图像质量评价方法,将图像中的结构信息分离出来给予较大的权重,并用SSIM作为误差度量估计局部失真.实验结果表明,SIExt比PSNR和SSIM等方法有更好的准确性.     

使用梯度相似度的激光干扰图像评估

提出一种基于梯度特征的图像质量评价算法(GSIM)。该算法通过比较原始图像和降质图像的亮度、对比度和清晰度信息, 得到归一化的图像质量评价指标。对Live数据库不同类型降质图像和实验采集的激光干扰图像的评价结果表明:与PSNR相比, GSIM算法的相关性方面提高了8.5%, 准确率提高了7.6%, 一致性提高了4.8%; 与SSIM算法相比, GSIM算法的相关性方面提高了1.5%, 准确率提高了3.8%, 一致性提高了2.6%。证明了提出的GSIM算法相对MSE、PSNR及SSIM算法能准确评价交叉失真图像质量, 评价结果更符合人的主观视觉感受。在评价基于掩盖效应的激光干扰图像时, GSIM算法能克服背景强度不一致带来的影响, 评价结果能准确反映激光干扰效果。     

基于结构相似的小波域图像质量评价方法的研究

 小波域的图像处理已经成为图像处理领域的重要组成部分,研究能嵌入在小波域图像处理算法中的图像质量评判方法显得至关重要.空间域结构相似度SSIM具有计算简单、与主观评分相关性高等优点.本文通过对小波域图像结构特性的研究,提出了小波域结构相似度(DWTSSIM)的图像质量评价方法.实验结果表明DWTSSIM比SSIM更加符合人眼的视觉特性,可以更好地评判图像质量,并且能容易地嵌入在小波域图像处理算法中,在图像处理过程中指导或调节算法.     

数字图像客观质量评价方法研究

文中重点探讨了数字图像客观质量评价方法.首先指出目前通用的均方误差和峰值信噪比方法存在缺陷;然后对目前研究的较为成熟的全参考和弱参考质量评价进行归纳总结,将新的图像质量客观评价研究分为三类:基于人类视觉系统的质量评价、基于质量相关因素的质量评价和基于结构失真的质量评价,并对每一类的主要模型进行了性能分析;最后指出了图像质量评价的研究方向.     

基于QDCT和HVS的双彩色图像水印算法

针对水印中信息容量、不可见性和鲁棒性相互制约的问题,文中提出了一种基于QDCT和HVS的双彩色图像水印算法。该算法首先将彩色载体图像和彩色水印图像进行QDCT;然后根据HVS的特性决定水印信息的嵌入位置与嵌入强度,并结合广义Arnold变换和冗余嵌入策略, 将水印QDCT系数嵌入到载体图像QDCT系数的实部和虚部。实验结果表明,通过该算法嵌入水印后的彩色图像在PSNR为35 dB时,在常见攻击下提取出的水印大部分NC值高于0.95,水印信息具有更好的不可见性与鲁棒性。     

基于梯度信息的图像质量评判方法的研究

图像质量客观评判标准广泛应用于图像处理中,基于人眼视觉系统的客观评判方法一直是图像处理领域的研究热点.最近,Zhou Wang等人提出了基于结构信息的评判方法—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.SSIM方法简单、评判性能优于PSNR(或MSE).但随着研究的深入,我们发现SSIM算法存在着一些问题,特别是不能很好地评判模糊失真类的图像.本文提出两种基于梯度信息的图像质量评判方法—基于梯度的结构相似度(GSSIM)和基于边缘的结构相似度(ESSIM).实验结果表明,GSSIM能更好地符合人眼视觉系统特性,而ESSIM对于模糊图像则取得了最好的评判效果.