一种基于颜色特征的图像质量评价算法

颜色作为描述图像最直接有效的特征,是目前图像质量评价中备受关注的评价参数之一。提出一种基于颜色特征的全参考图像质量评价系统,该系统在结构相似性SSIM(Structural Similarity)理论的基础上,充分考虑色度信息对人眼视觉感知的影响,利用分块颜色矩,建立了一种新的相似度度量模型。实验结果表明,该模型获得的客观评价结果与主观评价值具有很高的一致性。     

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。     

一种基于人脸区域的图像质量客观评价算法

提出了一种基于人脸区域的图像质量客观评价模型算法,该算法将整个图像区域划分为感兴趣区域(人脸区域)和不感兴趣区域,对这两个区域内的图像损伤,在计算中分别赋予不的权重,以体现人眼的感知兴趣.实验证明通过该模型算法得到的客观评价结果与人眼的主观感觉具有更好的一致性.     

一种快速的虹膜定位算法

针对虹膜定位存在速度慢,外边缘模糊导致提取困难等问题,提出一种利用灰度直方图增强对比度,粗定位与精定位结合的三步定位算法。首先利用灰度投影粗定位出瞳孔圆心,再根据灰度直方图将图像二值化后,用算子提取边缘,然后通过粗略搜索缩小搜索范围,最后实现精确定位。试验表明,本算法减少了传统方法中搜索的盲目性,解决了外边缘定位效果不佳的问题,对图像质量要求不高,且快速有效,精度高。     

一种基于HWD的图像质量评价测度

提出了一种新的图像质量评价测度.首先对图像进行Hybrid Wavelets and Directional Filter Banks (HWD)分解,得到相应的尺度和方向子带信息.然后对各个子带进行对比敏感度掩模,使不同尺度和方向子带的信息具有相同的灵敏度.根据人类视觉感知特性设定视觉感知阈值,获得相应的视觉感知系数并归一化.利用参考图像和失真图像视觉感知系数差值的变化得到相应的图像质量评价测度.实验结果表明本测度与主观感知有很好的一致性,能准确地反映人眼对图像的视觉感知.     

图像质量客观评价算法中校准模块的设计

提出了一种适用于全参考的图像质量客观评价的校准模块。该模块通过分析主观评价结果的统计特性,以及以最差图像质量的视频序列作为客观评价分值区间划分的参考,可以有效改善客观评价算法的评价性能,获取与主观评价结果较高的一致性。在实验部分,通过对PSNR在采用该校准模块前后的评价结果进行分析,验证了算法的有效性。     

一种基于混合特征的图像质量评价方法

基于空域的图像质量评价方法虽然计算效率较高,但忽视了图像本身的特征信息,适应范围也较窄。针对这一问题,文中利用小波分析与人类视觉系统的相似性,提出了一种基于梯度和结构特征的小波域图像质量评价方法。该方法将图像的低频成分与高频成分作为两个区域,将图像的低频成分的梯度特征作为质量评价函数的第一个特征;然后是将图像的高频成分中的边缘、纹理结构作为质量评价函数的第二个特征。最后融合这两个特征,计算参考图像和失真图像之间对应的质量评价测度。实验结果表明,该方法的评价结果更加有效、范围广,优于基于空域的图像质量评价方法。     

一种无人机侦察图像质量评价模型

机载压缩、链路传输等过程都可能导致无人机侦察图像质量下降,能否对其进行客观评价已引起人们的注意。目前,图像质量评价研究的主要困难是主观质量评价和客观质量评价之间存在偏差。利用峰值信噪比(PSNR)和结构相似度(SSIM)作为图像质量的描述参数,同时把侦察图像分为侦察态和搜索态2类,并基于支持向量机(SVM)进行分类建立无人机侦察图像质量客观评价模型。机载原始图像和压缩、传输后图像数据实验比较,该模型的输出能有效地反映图像的主观评价。     

一种视觉兴趣性图像质量评价方法的应用

应用一种基于视觉兴趣性的图像质量评价方法,对分形图像压缩后的解码图像质量进行了评价。实验结果表明,该方法与传统的客观图像质量评价方法基本一致,而当人眼对图像某一部分有较高兴趣时,该方法更符合实际情况。同时,也指出了该方法的局限性,提出了用像素数代替面积的思想。     

虹膜图像的质量评价研究

对虹膜识别系统来说,所采集虹膜图像的质量好坏直接影响识别是否成功。本文针对散焦模糊和眼睑睫毛遮挡问题提出了一种新的虹膜图像质量评价方法:判断图像是否散焦模糊采用了LoG算子提取瞳孔两侧局部虹膜的高频能量,判断虹膜是否有眼睑严重遮挡采用了计算瞳孔上方指定矩形区域的灰度均值,同时计算该区域的水平梯度来衡量虹膜受睫毛遮挡的程度。仿真实验表明,算法的平均处理速度0.020 9s/帧,满足实时虹膜识别系统的需求,是一种快速有效的虹膜图像质量评价算法。     

Dual-branch vision transformer for blind image quality assessment

Blind image quality assessment (BIQA) has always been a challenging problem due to the absence of reference images. In this paper, we propose a novel dual-branch vision transformer for BIQA, which simultaneously considers both local distortions and global semantic information. It first extracts dual-scale features from the backbone network, and then each scale feature is fed into one of the transformer encoder branches as a local feature embedding to consider the scale-variant local distortions. Each transformer branch obtains the context of global image distortion as well as the local distortion by adopting content-aware embedding. Finally, the outputs of the dual-branch vision transformer are combined by using multiple feed-forward blocks to predict the image quality scores effectively. Experimental results demonstrate that the proposed BIQA method outperforms the conventional methods on the six public BIQA datasets.     

No-reference image quality assessment using structural activity

Presuming that human visual perception is highly sensitive to the structural information in a scene, we propose the concept of structural activity (SA) together with a model of SA indicator in a new framework for no-reference (NR) image quality assessment (QA) in this study. The proposed framework estimates image quality based on the quantification of the SA information of different visual significance. We propose some alternative implementations of SA indicator in this paper as examples to demonstrate the effectiveness of the SA-motivated framework. Comprehensive testing demonstrates that the model of SA indicator exhibits satisfactory performance in comparison with subjective quality scores as well as representative full-reference (FR) image quality measures.     

基于稀疏表示的SOM多失真图像质量评价方法

针对非线性回归下客观评分与主观评分一致性差的问题,本文提出一种基于稀疏表示的SOM多失真图像质量评价方法。首先,将参考图像及失真图像应用独立变量分析进行稀疏化表示,应用稀疏表示下的参考图像与失真图像间的结构相似度描述失真图像的质量,再使用SOM聚类算法和交叉验证方法提高非线性回归下的客观评分与主观评分之间的一致性。最后,在LIVE2,TID2013及IVC数据库中的实验结果显示,所提评价模型性能优越;3种数据库的平均结果说明,该文方法的总体性能高于现有的经典算法,表明该文方法能够很好地反映图像的视觉感知效果。通过对比时间效率,该方法基本能够满足实际要求,具有较高的适用性。     

A no-reference perceptual image quality assessment database for learned image codecs

The drastic growth of research in image compression, especially deep learning-based image compression techniques, poses new challenges to objective image quality assessment (IQA). Typical artifacts encountered in the emerging image codecs are significantly different from that produced by traditional block-based codecs, leading to inapplicability of the existing objective IQA algorithms. Towards advancing the development of objective IQA algorithms for recent compression artifacts, we built a learning-based compressed image quality assessment (LCIQA) database involving traditional block-based image codecs, hybrid neural network based image codecs, convolutional neural network based and generative adversarial network (GAN) based end-to-end optimized image coding approaches. Our study confirms the statistical difference and human perception difference between reconstructions of learned compression and traditional block-based compression. We propose a two-step deep learning model for learning-based compressed image quality assessment. Extensive experiments on LCIQA database demonstrate that our proposed model performs better than other counterparts on learning-based compressed images, especially on GAN compressed images, and achieves competitive performance to the state-of-the-art IQA metrics on traditional compressed images.     

图像处理中的质量评价简析

在图像处理中,图像质量的评价是一个重要的环节。比较全面系统的介绍和分析了当前常用的关于图像质量评价的几种方法,以及它们的原理、功效、优缺点和应用范围。     

基于Contourlet变换的质降参考图像质量评价模型

提出了一种新的基于Contourlet变换的质降参考图像质量评价模型(RR-CTBM),通过衡量图像间的纹理相似度,达到质量度量的目的。实验结果表明,所提出的RR-CTBM与主观视觉感知具有较好的一致性。     

图像质量评价的研究现状与发展

目前互联网应用与多媒体通信已成为信息世界的主流,数字图像在获取、压缩编码、存储或传输过程中存在不同程度的退化而影响视觉效果,因此图像质量的评价具有重要的理论和实际意义.梳理了目前国内外图像质量评价的最新研究成果,并对其进行归类、分析、研究与评述.在此基础上,提出图像质量评价的发展方向与研究展望.     

一种新的虹膜图像预处理方法

为了实现具有高准确性的非侵犯性虹膜识别,讨论了人眼图像中存在的由于虹膜识别的非侵犯性所造成的一些问题,提出了一种新的虹膜图像预处理方法.该方法包括内边界定位、眼睑检测、眼毛检测、外边界定位、虹膜归一化等操作.经该方法预处理得到的虹膜图像不包含眼睑和眼毛等干扰,使虹膜特征提取和匹配等过程不会受到各种干扰的影响,从而保证虹膜识别方法的健壮性.在多种图像库中的人眼图像上进行实验的结果证明,该方法能够有效地解决人眼图像中存存的问题,具有理想的准确性和较快的执行速度.     

图像拼接质量评价方法

在现有图像质量评价方法相关原理基础上,提出了一种基于图像边缘信息的拼接质量评价新方法。该方法针对图像拼接结果的特点,先对待评价图像进行边缘提取,然后利用拼接前后图像的边缘轮廓信息,综合图像像素误差信息和结构信息,根据其均值和方差等统计信息与影响图像拼接质量的主要因素(拼接错位和亮度突变)之间的关系,对拼接图像进行评价。该评价方法得出的评价结果更加符合人眼视觉对图像拼接质量的主观评价感受,较准确地反映了拼接图像的真实质量和所使用图像拼接算法的性能。