基于梯度结构相似度的无参考模糊图像质量评价

在对模糊图像边缘膨胀后进行边缘膨胀块提取的 基础上,提出一种基于梯 度结构相似度(GSIM)的无参考模糊图像质量评价方法(NRGSIM)。首先,将原始模糊图像经过低 通滤波生成再模糊图像;之后,将原始模糊图像生成的边缘膨胀图像进行8×8分块,并将子块 划分为边缘膨胀块和平滑块;然后,计算原始模糊图像和再模糊图像中所有对应到边缘膨胀 图 中边缘膨胀块的相应子块的GSIM;最后,平均得到整幅图像的模糊值。在4个数据 库上实验结果表明,本文方法评价结果合理、稳定,更加符合人类视觉特性,与主观评分有 较好的一致性,而且计算简单,取得了很好的评价效果,LIVE2数据库上的SROCC指标达到0.964。     

基于掩盖效应和梯度信息的无参考噪声图像质量评价改进算法

针对目前大多数噪声图像质量评价算法借助域变换或机器学习所带来的运算量大、训练过程繁复等弊端,以及依赖人工设置固定阈值存在普适性不佳的问题,该文改进了一种基于掩盖效应的空域噪声图像质量评价算法。首先依据Hosaka原理提出层递进的分块规则,将图像分成与其内容频率分布高低相符的不同尺寸的子块并赋予相应的掩盖权值;然后通过提取像素点梯度信息,经两步检噪实现子块噪点甄别;再使用掩盖权值对子块噪声污染指标加权得到初步质量评价结果;最终修正和归一化后为整图质量评价结果——改进的无参考峰值信噪比(MNRPSNR)。应用该算法在LIVE和TID2008图像质量评价数据库上对多种噪声类型图像进行实验,结果显示其较目前主流评价算法保有很强竞争力,对传统算法改进效果显著,与人眼主观感受一致性高,普适于多种噪声类型。

     

基于非局部梯度的图像质量评价算法

图像质量评价研究的目标在于模拟人类视觉系统对图像质量的感知过程,构建与主观评价结果尽可能一致的客观评价算法。现有的很多算法都是基于局部结构相似设计的,但人对图像的主观感知是高级的、语义的过程,而语义信息本质上是非局部的,因此图像质量评价应该考虑图像的非局部信息。该文突破了经典的基于局部信息的算法框架,提出一种基于非局部信息的框架,并在此框架内构建了一种基于非局部梯度的图像质量评价算法,该算法通过度量参考图像与失真图像的非局部梯度之间的相似性来预测图像质量。在公开测试数据库TID2008, LIVE, CSIQ上的数值实验结果表明,该算法能获得较好的评价效果。

     

基于对抗和梯度的无参考图像质量评价算法

由于现有的生成对抗网络（GAN）很难完全获取细节上的失真,生成高质量图像仍旧比较困难。为了提高基于GAN的无参考图像质量评价（NR-IQA）方法的性能,提出一种基于对抗和梯度的NR-IQA方法。通过改进网络模型结构和引入基于梯度和色度相似性的平均偏差相似指数（MDSI）来提升模型的整体性能,整个模型由GAN和质量预测网络组成。首先,为了增强对抗训练,设计了双判别器的GAN,将失真图像和参考图像分别输入到网络中,利用WED数据集对GAN进行训练;其次,利用GAN生成相应失真图像的虚拟图像,并分析两者之间的差异,得到失真差异图和MDSI图;最后,为了从多个方面测量图像的感知质量,设计了多流质量预测网络,将失真图像、虚拟图像、失真差异图、MDSI图分别输入到网络中,输出图像质量预测分数。在LIVE、CISQ、TID2013数据集上进行训练和测试,所提算法在三个数据集上都表现出较好的性能,尤其在TID2013上。实验结果表明,该算法与人的主观评价具有较高的一致性。     

基于局部离散小波变换的无参考模糊图像质量评价方法

构造模糊图像的参考图像,使无参考(NR)图像质 量评价转变为一种全参考(FR)图像质量评价,提出一种基于 局部离散小波变换的NR模糊图像质量评价方法。首先,采用低通滤波的方 法构造原始模糊图 像的参考图像;然后,通过局部离散小波变换提取出原始模糊图像和参考图像的高频能量图 ;最后计 算两幅高频能量图的相似度,得到原始模糊图像的质量。在LIVE、TID2008和CSIQ 3个数据 库上的实验结果表明, 本文算法的评 价性能较优,相较其他常用的4个清晰度评价算法,在与主观评价的单调性和一致性上有明 显提高,在LIVE 数据库上的SROCC值达到0.9598,在CISQ数 据库上的SROCC值达到0．9104 ,与主观评价平均意见成绩(MOS)值拟合的散点图拟合度为最优。实验数据 结果表明,本文算法性能稳定,符合人类视觉系统。     

基于参数估计的无参考型图像质量评价算法

针对现有客观图像质量评价算法通用性差及人类主观感知相关性弱等问题,该文提出一种基于参数估计的无参考型图像质量评价算法。该算法通过分析图像本身所蕴含的质量特征,提取出图像结构信息、颜色信息和视觉信息的评价度量指标,采用回归分析的方法估计出相应指标的参数。实验结果表明,该算法与主观评价结果一致性好、鲁棒性强,优于其它客观评价算法,能够准确反映人类对图像质量的视觉感知效果。     

基于广义回归神经网络无参考模糊图像质量评价

提出一种基于广义回归神经网络的无参考模糊图像质量评价方法.该方法首先通过相位一致变换生成待评测图像的相位一致图像,然后利用灰度共生矩阵计算相位一致图像的信息熵、能量、对比度、相关性和同质性5个特征,最后利用广义回归神经网络模型训练学习,预测得到无参考模糊图像质量得分.在3个公开数据库模糊图像上的实验结果表明,新方法预测得分与主观得分有较好的一致性,更加符合人类视觉特性.     

无参考图像质量评价

图像质量评价是近几年图像处理领域比较热门的研究课题。目前,许多学者已经提出了各种各样的无参考质量评价方法。对无参考方法进行综述,详细介绍BIQI,BLIINDS-Ⅱ,BRISQUE,DESIQUE,DIIVINE,NIQE,SSEQ等无参考质量评价方法,并在LIVE和TID2008数据库上进行实验分析,最后根据分析的结果探讨图像质量评价的发展方向。     

无参考自适应光学图像质量评价

自适应光学(AO)成像系统受残余大气湍流、闭环跟踪误差和光电探测噪声等因素的影响,成像结果参差不齐,不利于后期图像筛选和事后处理,故需要对图像质量进行评价。传统图像质量评价方法对自适应光学图像质量的评价不可靠,甚至会出现评价结果与实际背离的情况。针对上述问题,根据自适应光学系统的成像过程,生成具有图像质量标签的自适应光学退化图像数据集,在此基础上采用以ResNet作为主干的深度神经网络,训练得到了用于评价自适应光学图像质量的神经网络模型,在测试集上的Spearman相关系数(SROCC)最佳为0.994。实验结果表明,该方法综合考虑了自适应光学图像成像过程中的多种退化因素,通过训练深度神经网络得到无参考自适应光学图像质量评价模型,评价精度优于其他传统图像质量评价算法。     

基于小波域自然影像统计特性的无参考遥感影像质量评价

遥感影像的获取往往受到模糊和噪声的共同影响,使得遥感影像的降质难以归到某一单一降质方式,从而给遥感影像的评价带来困难。在遥感影像小波域统计特性,即子带系数均值呈近似线性关系的基础上,通过对噪声、模糊对影像此线性关系的影响方式及破坏程度的定量分析,来判定影像的噪声和模糊强度,最后,利用二者的加权和作为遥感影像的最终质量评价指标。实验表明,与峰值信噪比指标PSNR相比,该文指标与结构相似性指标SSIM具有更好的一致性,对噪声影像、模糊影像以及同时存在噪声和模糊的遥感影像能够进行有效的、准确的评价。     

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。     

基于空间分布分析的混合失真无参考图像质量评价

针对难以准确有效地提取混合失真图像质量特征的问题,该文提出一种基于空间分布分析的图像质量评价方法。首先将图像进行亮度系数归一化处理,然后将图像进行分块,利用卷积神经网络(CNN)进行端对端的深度学习,采用多层次卷积核堆叠的方法获取图像的质量感知特征,并通过全连接层将特征映射到图像块的质量分数。再将块质量分数汇总获取质量池,通过对质量池中局部质量的空间分布情况进行分析,提取能够表征其空间分布情况的特征,然后采用神经网络建立局部质量到整体质量的映射模型,将图像的局部质量进行汇总。最后在MLIVE, MDID2013, MDID2016混合失真图像库中进行性能测试以及与相关的对比算法进行比较,验证了该算法的有效性。     

遥感图像质量评估方法研究

遥感图像提供了丰富的遥感信息,但是在成像过程中受大气、热噪声等因素的影响,往往反映的不够清楚。采用图像增强方法可以有效地去除这种不良影响,但是增强效果的评估是一个理论性和实践性很强的课题。针对遥感图像常见的高斯噪声争瑞利噪声,采用传统的图像增强方法进行处理,运用主客观相结合的评价方法,比较了不同图像增强方法时这两种噪声去除结果的优劣,为遥感图像质量以及处理方法的评估提供了很好的思路。     

适应于图像复原的无参考图像质量评价方法

由于图像降质过程的复杂性、成像获取条件限制,以及图像本身的复杂性和图像复原过程的病态性,图像复原解大多都是近似的或畸变的,一种适应于图像复原质量评价的计算方法将大大提升图像复原的应用范围。针对图像复原过程的病态性,提出了一种针对图像复原图像质量评价的计算方法,该算法通过在图像质量算子中引入图像相似矩阵和图像复原趋势矩阵,使其能适应复原对于图像结构或噪声结构的变化。该图像质量评价算子计算无需参考图像,可以很好地反映图像的模糊程度和噪声程度,并且计算简单。实验证明了该图像质量评价算子的有效性。     

学习相位一致特征的无参考图像质量评价

为了有效地评价不同失真类型的图像质量,该文提出一种利用广义回归神经网络(GRNN)学习图像相位一致特征的无参考评价方法。该方法首先使用相位一致模型产生相位一致图像、相位一致协方差最大、最小图像,然后利用灰度-梯度共生矩阵模型计算该3幅图像的梯度熵、原始图像的梯度均值和梯度熵,再加上该3幅图像的均值,共8个特征输入GRNN模型训练学习,预测得到图像质量评价得分。实验结果表明新方法与主观得分有较好的一致性,同时具有可靠的推广性。     

基于局部结构张量的无参考型图像质量评价方法

该文提出一种基于局部结构张量奇异值分解的无参考型图像质量评价方法,由于图像局部结构张量能反映图像几何结构,因此利用张量特征值之间的关系来度量图像噪声与模糊水平,将两个度量结合得到图像质量的综合评价。通过分析仿真图像和实际图像的质量评价结果,该方法能同时度量因噪声和模糊造成失真后的图像质量。与图像质量评价数据库的主观评价结果比较表明,该文方法与主观评价结果相关性强,能很好地反映图像质量的视觉感知效果,并且易于实现。     

基于正则化方向失真的压缩图像质量评价

图像质量评价是图像和视频处理系统中的基本算法。该文在分析人眼视觉系统对图像感知特点的基础上,结合二维图像的几何本征特征研究,提出了一种新型的基于图像正则化方向失真的完全参考质量评价算法。该方法计算简单,物理意义明确。仿真试验结果表明,该方法符合人眼视觉系统特性,所得到的图像质量客观评价结果与主观评价结果之间具有更好的一致性。