基于纹理特征的无参考图像模糊度评价方法

图像的纹理信息是人眼观察和识别物体的重要特征,根据清晰图像低通滤波前后纹理特征变化较大的特点,提出了基于纹理特征的无参考图像模糊度评价方法,对输入图像进行不同尺度的低通滤波,得到输入图像的两个副本,利用灰度共生矩阵求取两个副本图像的纹理特征变化量,以此作为图像的模糊评价依据。实验表明,该算法计算的模糊度相对于图像的模糊程度是单调的,具有良好的抗噪性,并且符合人眼视觉系统特性。     

基于稀疏表示的图像模糊度评价方法

根据自然图像稀疏表示基函数类似V1区简单细胞感受野的反应特性,以及系数反映神经元响应程度的特性,提出基于稀疏表示的图像模糊度评价方法.将输入图像分成互不重叠的块,采用训练好的词典对各块进行稀疏分解,并计算每块的关注度系数.将每块稀疏系数的p范数与关注度系数的加权和作为模糊度评价的依据.实验结果表明,该算法计算的模糊度相对于图像的模糊程度是单调的,具有较好的抗噪性,符合人眼视觉系统特性.     

结合HVS及SSIM的无参考模糊图像评价方法

针对传统无参考模糊图像质量评价算法未考虑人类视觉系统在模糊检测时的有限性这一缺点,提出了一种结合人类视觉特性及结构相似度的无参考图像质量评价方法。该方法向原始输入图像增加低通滤波器生成重新模糊图像;之后创建一个以原始输入图像的边界点为中心的强边界像素块集合;分别计算集合中像素块与对应的重新模糊图像中像素块间的结构相似度指数;所得的全部结构相似度指数的均值作为最终的原始输入图像的模糊值。基于LIVE模糊图像数据库的实验结果表明,该方法有较好的性能,其计算结果与主观统计值的线性相关系数及斯皮尔曼等级相关系数分别为0.9298及0.9318。     

基于切比雪夫矩无参考模糊图像质量评价

提出了一种新的基于Tchebichef矩的无参考模糊图像质量评价方法。将模糊图像通过低通滤波得到再模糊图像;将模糊图像和再模糊图像分别进行8×8分块并计算每一图像块的Tchebichef矩;根据Tchebichef矩块的值将原始图像块分为平滑块,纹理块和边缘块,计算原始图像和再模糊图像对应块之间的Tchebichef矩向量相似度,得到三类图像块的局部平均相似度;进行融合得到原始图像的最终评价质量。实验结果表明,该方法优于其他算法,与主观评分有更好的一致性,能够更准确地评价模糊图像质量。     

基于DCT零系数与局部结构张量的局部模糊检测

针对当前相关图像模糊测量方法不能有效检测纹理平坦清晰区域的问题,提出一种新的图像局部模糊区域检测方法,将其应用于存在运动模糊的静态图像运动目标检测。对图像进行分块操作,计算离散余弦变换后的图像块中零系数的个数,数目较多的为模糊区域,较少的为清晰区域。对被判断为模糊区域的图像块,计算模糊区域中每一个像素点处的局部结构张量,对其进行奇异值分解,根据奇异值局部方向一致性度量准则,获得准确的模糊区域。实验结果表明,与现有的SVD,DCT等方法相比,该方法可以较准确地实现对局部模糊图像的模糊度量。     

基于结构张量的三维地震图像增强方法

为降低三维地震图像噪声和增强图像横向分辨率,提出了基于结构张量的地震图像纹理增强方法。针对具有复杂纹理的三维地震图像结构张量,将非线性各向异性扩散图像边缘增强滤波与最优旋转不变性的微分滤波器相结合,用于检测纹理边缘和判断连续区域。通过检测三维地震图像结构张量的方差变化程度,实现增强图像纹理边缘的同时避免因算法误差导致的图像模糊。分析结果表明,该方法适用于地震图像增强,可以有效地提高三维地震图像质量,并且清晰地刻画图像中构造特征。     

利用图像结构成分的优先块匹配图像修复方法

针对基于样本块图像修复方法中样本块优先级计算易受纹理信息影响,引起修复顺序偏差,进而造成最终修复结果中结构特征不连续的问题,将图像结构成分引入修复过程,提出一种基于图像结构成分计算样本块优先级的图像修复方法.首先通过自适应局部拉普拉斯滤波器对待修复图像进行保边细节平滑处理,得到图像结构成分;然后利用结构成分和原图像共同计算样本块数据项,并以此确定样本块修复优先级,实现图像修复.通过增加结构成分引导方法,在基于等照度线和基于结构张量的图像修复算法上对常用修复测试图像进行实验,结果表明,增加结构成分引导的方法相对于原方法可改进修复效果.     

基于卷积神经网络的交通标志模糊影像识别

当前方法不能有效的识别交通标志模糊影像,且识别交通标志所用的时间较长,存在识别效果差和识别效率低的问题。提出基于卷积神经网络的交通标志模糊影像识别方法,首先对交通标志模糊图像做亮度均衡化处理,消除交通标志自身因素和天气因素对交通标志识别过程产生的影响。对均衡化处理后的图像进行分割,计算各个图像块的显著度,挑选显著度最高的图像块作为交通标志图像的感兴趣区域。提取感兴区域中存在的HOG特征向量和LBP特征向量,对HOG特征向量和LBP特征向量进行融合,得到交通标志图像的HOG-LBP特征。将HOG-LBP特征输入卷积神经网络中,在卷积神经网络中进行前向计算和反向计算,根据计算结果调整偏差和权值,输出交通标志模糊影像的识别结果,实现交通标志模糊影像的识别。仿真结果表明,所提方法的识别效果好、识别效率高。     

图像模糊度参数估计与图像复原的实验及分析

由于成像系统与运动物体之间存在相对运动，摄像机在成象过程中经常会产生运动模糊。为了有效复原退化图像，需要从模糊图像中估计模糊函数的某些参数、噪声统计量等相关信息。在运动模糊中，模糊函数中最重要的参数是模糊度参数。模糊图像的模糊度内的像素点存在着相关性，利用其相关性可估计模糊度参数。根据运动模糊图像中沿着运动模糊方向与其他方向有不同图像特性的特点，估计水平直线运动图像模糊度参数并采用维纳滤波方法复原模糊图像，取得了较好的恢复效果。     

椭圆窗口和参数自适应的非局部均值算法

对于传统的非局部均值(NLM)算法,方形搜索窗口会将大量低相似度的图像块引入去噪图像的加权平均计算过程中,导致去噪图像的细节轮廓变得模糊.针对此问题,提出了利用控制核函数来获取椭圆窗口和图像块参数的自适应NLM算法.首先,根据图像的局部梯度信息和结构张量获得可描述图像局部边缘结构的椭圆方程,并由此确定搜索窗口的形状,从而将搜索窗口的搜索范围限制在与图像局部结构相一致的区域内;然后采用控制核函数获得和搜索窗口形状一致的椭圆形图像块,并结合平滑参数自适应的思想进一步增强算法效果.通过在不同噪声等级的经典灰度图中进行实验,实验结果表明,该算法相比于传统NLM算法和参数自适应的NLM算法,在客观的图像评价指标上,有着更高的PSNR和SSIM值;而在主观视觉上,随着噪声等级的提升,该算法在抑制噪声的同时,能够更好地保留住图像的高频纹理信息.     

基于梯度域融合的图像视觉效果改善

针对同一场景不同图像之间可存在互补优缺点的特点,提出了采用梯度域融合的方法改善图像视觉效果的增强方法。首先将待融合各图像的结构张量按一定比例进行融合,在权重的设计中考虑了各通道图像的局部对比度。之后求出目标梯度场,其结构张量在Frobenius范数意义下逼近前述融合后得到的结构张量。最后采用最小二乘拟合从目标梯度场重建出增强后的图像。方法可应用于同一图像不同增强方法结果之间、相同场景采用不同对焦距离或不同曝光时间所拍摄照片之间等的融合。实验结果表明,融合后的图像能保持各输入通道图像中显著的有意义细节和结构信息,有效改善增强图像的视觉效果。     

基于图像特征的各向异性扩散去噪方法

对图像去噪滤波方法,J.Weickert模型未考虑图像光滑区域与其他图像特征的区别,在光滑区域的扩散也按照局部结构特征值进行,因而在光滑区域不可避免地产生虚假边缘,为此,提出一种改进的各向异性扩散方法。该方法首先用维纳滤波减弱噪声对图像的影响,再利用相干性正确判断边缘区域、光滑区域和T形拐角等图像特征,并依据图像特征设置相应区域扩散张量的特征值。实验结果表明,改进方法在消除噪声和保护边缘方面能取得较好的效果,并有效消除光滑区域的虚假边缘,可得到较高的峰值信噪比。     

基于相干性的多聚焦图像融合算法

为提高多聚焦图像的融合效果,提出一种基于相干性的融合算法。该算法对源图像进行离散小波变换,利用高频小波系数构造结构张量矩阵,通过矩阵特征值定义反映局部几何信息的相干性并建立融合策略。实验结果表明,该算法得到的融合图像在主观视觉效果和客观量化指标方面均有良好的表现,提高了融合的视觉效果。     

张量场理论在图像去噪中的应用研究

利用张量场能体现图像各个局部的朝向信息的特点,提出利用张量场局部朝向信息控制滤波器对图像进行去噪处理的方法。以达到最大限度地保持图像中原有的边缘、线条等机构信息的目的。实验结果表明,该算法在去除噪声的同时很好地保持了图像中的细节特征,去噪后的图像在峰值信噪比和主观视觉效果上都有显著提高。     

基于非局部结构张量的SSIM图像质量评价方法

针对基于局部运算的图像质量评价方法的局限性,提出一种基于非局部结构张量的SSIM图像质量评价方法。图像在各像素点的非局部结构张量的主特征值大小很好地反映了该像素点的结构强度信息,特别是纹理结构等细节信息; 主特征向量的方向反映了该像素点的结构方向信息。利用退化图像和参考图像的非局部结构张量的主特征值相似度刻画结构强度相似度,利用主特征向量夹角的余弦刻画结构方向相似度。数值实验结果显示,利用文中方法对TID2008数据库中的图像进行评价的平均运算时间为778.43s,且评价结果与主观评价接近。     

基于加权多尺度张量子空间的人脸图像特征提取方法

为了不破坏原始数据固有的高阶结构和数据之间的相关性,减少光照对图像特征的影响,并优化多尺度特征的权重,提出了基于加权多尺度张量子空间的图像特征提取方法。采用多尺度小波变换表征图像各个 部位特征,使用不确定度权衡每个尺度对图像分类的作用,并组建成多尺度张量子空间,结合多线性主成分分析与线性判别分析算法,降低了图像在处理过程中的成本,保存了高维数据固有结构和相关性,完成对图像特征提取。使用CAS-PEAL-R1东方人脸库进行评测,实 验结果表明,该图像特征提取算法用于图像识别过程中具有较好的效果,具有一定的可行性。     

基于解析稀疏表示的图像模糊无参考快速评价算法

针对模糊图像的质量评价,提出了一种基于解析稀疏表示的图像模糊快速评价算法。考虑到模糊会造成图像中高频信息的损失,因此所提出的方法通过衡量图像中的能量来评价图像的模糊程度。首先利用解析稀疏表示字典将待评价图像进行分解,并通过稀疏表示系数计算图像的能量,以作为图像模糊程度的指标。为了消除图像内容对评价结果的影响,采用图像块的方差和来对图像的能量进行归一化。然后利用视觉显著性进行加权,使得模糊质量分数与主观评价结果更加一致。最后在四个通用的图像质量数据库上对算法的性能进行测试。实验结果表明该算法的性能优于现有算法,且计算复杂度较低。     

A novel forged blurred region detection system for image forensic applications

As new technologies and devices are introduced in the market, the crime rate also increases in developing and developed countries. One such crime is image forgery which can be detected by forensic applications. In this paper, we propose a novel idea for identifying forgery attack done by blur artifact unlike existing forgery attack done by geometrical distortion such as rotation and scaling. The proposed method segment region of interest from the input forgery image based on the combination of statistical analysis with color texture analysis which includes blur artifact region. For each region of interest, we propose a new method for estimating degree of blur to separate forged blur artifact and normal blur artifact. In order to validate the identified forged blur artifact, we explore Fourier and Gabor texture features to study the structure of the forged blur artifact which eliminates false blur forged blur artifact. To evaluate the proposed forged blurred region detection method, we use two standard databases namely, Image data manipulation, and MICC-F220 for experimentation. Experimental results of the proposed method with existing methods show that the proposed method outperforms the existing methods in terms of forged blur artifact region detection.