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。     

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.     

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。     

一种基于倒谱的人脸图像清晰度评价方法

针对人脸图像清晰度,给出了一种基于倒谱的定量评价方法。实验结果表明,与传统方法相比,所提出的清晰度评价方法能更加准确地评价出人脸图像的质量;采用该方法对人脸识别样本进行筛选,能有效地提高自动人脸识别的识别率,且对整体识别时间影响很小,因而更适合用作自动人脸识别中的图像质量评价。     

虹膜识别平台搭建和数据库建设

介绍了一个高性价比的虹膜识别系统解决方案,其中包括一套自动化虹膜采集仪以及上位机识别软件.同时基于该平台,通过对序列图像进行质量评价,构建了一个中等规模的高质量虹膜数据库,并给出了数据库的几个关键参数,为虹膜识别算法的研究提供了很好的支持.     

采用Gabor函数的虹膜提取技术研究

将原用于模拟脑部主要直观皮层中单细胞的Gabor函数用作眼部图像的滤波函数,可以快捷方便地从眼部图像中提取虹膜图像。实验表明,通过对该Gabor函数中相关参数的分析和优化,该方法能较好地将虹膜（纹理）与巩膜、虹膜与瞳孔进行分离,从而方便地实现虹膜提取,并能简化虹膜识别系统的程序,提高其处理速度。     

基于三维感知的立体虚拟视点图像质量评价方法

为了评价立体虚拟视点图像的质量,提出了一种基 于三维感知的客观评价方法。综合考虑了立体虚拟视点图像两大最主要失真类型:单视点绘 制失真和立体视点不匹配失真。针对单视点绘制失真,先提取 当前视点失真图与无失真图的差异性区域,再针对该差异性区域计算平均结构相似度(MSSIM ),最后将左 右视点平均池化作为单目纹理特征值;针对立体视点不匹配失真,先对左右视点失真图分别 进行视差映射, 再提取映射图与该视点失真图的差异区域作为双目不匹配区域,然后针对不匹配区域计算MS SIM 值,最 后将左右视点平均池化作为双目竞争特征值;最终将两个特征值幂次融合,作为最终的立体 虚拟视点图像 质量评价客观指标。实验结果表明本方法有效匹配主观打分的DMOS值,皮尔森线性相关系数 和斯皮尔曼 秩相关系数分别为0.911和0.900,正确反映了 立体虚拟视点图像质量。     

基于多特征融合和卷积神经网络的无参考图像质量评价

为了更好地评价图像质量,解决在基于卷积神经网络的图像质量评价模型(CNN-IQA)上明显忽略的分块图像之间存在差异性的问题,提出了一种多特征融合的CNN模型。首先,将整幅图像进行不重叠分块,并提取每个分块图像的信息熵和纹理特征。然后,将提取计算的两特征相结合,计算各分块图像的重要性权重,以此衡量分块图像对失真图像质量的影响。最后,根据计算出的重要性权重修改损失函数,突出重要性高的分块图像在训练过程中发挥的作用。在LIVE数据集进行验证和对比实验发现,该算法的SROCC与LCC指标为0.962和0.960,相比原算法至少提升0.9%;在TID2008数据集上验证和对比实验发现,该算法获得的SROCC与LCC指标为0.922和0.926,相比原算法至少提升0.6%。并且在两数据集上的结果均优于其他对比算法。实验结果证明了其在预测图像质量方面具有良好的性能和泛化性。     

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.     

虹膜图像内外边缘定位算法研究

虹膜定位是虹膜识别过程中的重要环节,定位的速度和精度决定了整个虹膜识别系统的性能,精确的虹膜定位是有效进行虹膜识别的前提,所以一种简洁有效的虹膜定位算法是至关重要的。针对现有的虹膜定位算法的局限性,提出了一种新的虹膜定位算法。首先从虹膜图像的灰度直方图入手,分析虹膜图像的结构及其灰度分布,先用二值化的方法分离出瞳孔,再用数学形态学方法对其进行膨胀和腐蚀运算,然后确定瞳孔的圆心和半径,对内边缘进行精确定位。利用虹膜定位的先验知识,在缩小搜索范围的基础上,再用形态学算法与新的Hough变换相结合来进行虹膜图像外边缘的定位,确定外圆圆心及半径。实验结果证明了该算法的有效性和可行性。     

基于人眼视觉特性的彩色图像质量评价

图像处理系统的性能优劣的评判往往需要一个合理迅速的图像质量评价算法作为支撑.传统的图像质量评价算法由于没有充分考虑人眼的视觉特性,使得质量评价结果与实际图像的人眼感知质量不符.根据人眼对图像边缘信息非常敏感这一人眼视觉特性,提出一种综合图像边缘和背录相似度的算法(EBS)来评价彩色图像质量,即通过比较失真彩色图像与原始参考图像的边缘以及除边缘之外的背景相似程度最终确定失真图像的质量.应用于由779幅包含五种类型失真的图像质量评价库的实验结果表明,该算法的评价结果相比PSNR,MSSIM,IFC以及基于像素域的VIF等算法与图像的主观评价结果(由DMOS值表示--将背景不同的一组观察者对失真图像的评分进行统计平均后所得到的评价结果)更一致,也即该算法的评价结果更接近图像的实际视觉感知质量.