基于运动信息和结构信息的视频质量评价方法

图像和视频客观质量评价方法在各个领域有着广泛的应用,根据上述问题,主要针对图像边缘结构失真和噪音影响图像质量.以往的测量方法不能很好地应用于视频领域.提出一种基于运动信息和结构信息的视频质量评价方法,主要考虑场景结构和运动信息,然后依据HVS特性对不同程度的信息进行加权处理,从而综合采用一种视频质量评价方法.经实验结果证明,新方法在压缩、模糊方面明显好于PSNR, MSSIM和ESSIM评价方法.     

基于深度的3D视频质量评价

针对3D视频质量评价,基于人眼视觉系统HVS提出了一种新的加权SSIM评测方法.利用MVD深度视图空间和时间上的特性,提取主观权值映射,基于SSIM利用权值映射使得到了基于深度的SSIM加权算法DSSIM.实验结果表明,DSSIM比PSNR更趋近于HVS,比SSIM更充分地考虑了3D结构信息,得到更准确的3D视频质量评价.     

对视觉敏感区域进行加权的视频质量评价方法

最近Guan-Hao Chen在Zhou Wang提出的MSSIM方法基础上,提出了一种基于边缘结构失真的测量方法（ESSIM）,但是这种方法不能够很好的直接应用到视频领域。就人类视觉系统（HVS）做了一定的研究,提出了一种考虑人眼视觉特性,考虑结构信息和对运动场景分类的视频质量评价方法（HCSSIM）。实验结果表明,在压缩损失、模糊和部分椒盐噪声损失上,其评价结果要好于现有的几类通用的评价方法。     

符合人眼视觉特性的视频质量评价模型

视频技术的发展为其质量评价的出了新的课题,但由于评价图像质量的关键在于所用视觉模型是否符合人的感知特性,因此评价图象质量必须考虑以视觉锐度,对比度敏感度,多通道结构和掩盖特性为基础的人眼视觉特性（HVS）,为了使人们对基于人眼视觉特性的视频质量评价模型研究现状有所了解,介绍了几种目前比较成功的基于HVS的视频质量评价模型,并分析和总结了它们的性能,最后展望了评价模型的发展。     

基于HVS特征参数提取的视频质量评价四元数模型

提出一种基于HVS特征参数提取的视频质量评价四元数模型。四元数矩阵从表面纹理信息、帧间残差、亮度边缘和色度边缘四个部分来构建,同时加入HVS感兴趣区域加权和块效应加权。该方法利用四元数矩阵奇异值分解提取特征向量的方式来获取视频的特征信息。通过VQEG Phase I测试数据集的实验结果证明,该方法在非线性回归后相关系数、斯皮尔曼相关系数、离出率等指标均优于传统的其他视频质量评价算法,有效地提高了视频质量评价的主客观一致性。     

基于视觉感知的梯度结构相似度图像质量评价*

尽管SSIM(Structural Similarity)图像质量评价算法结构简单,评价性能优于一般客观评价算法,但该算法没有考虑人类视觉系统HVS(human visual system)对视觉感知的影响,且其算法定义中对“结构信息”的表述过于简单,并不能完全描述自然图像的结构信息。在SSIM算法的基础上,结合亮度和对比度掩蔽等视觉感知信息构造视觉感知（Visual Perception）函数,提出基于视觉感知的梯度结构相似度评价方法VI_GSSIM（Visual Perception and Gradient based SSIM, VI_GSSIM）。该方法通过图像质量与图像内容和失真类型的相关性,结合图像的误差可视性与内容可视性构造视觉感知函数,对HVS底层视觉系统建模,同时利用梯度重新定义结构信息,得到基于视觉感知的梯度结构相似度模型,对图像进行质量评价。实验结果表明提出的VI_GSSIM算法比SSIM更符合人眼的视觉特性,尤其适合评价降质较严重的图像。     

结合HVS特性的视频图像质量评价

在分析视觉非线性、对比敏感度、多通道结构等人类基本视觉特性的基础上,提出了一种结合人眼视觉系统特性(HVS)的视频图像质量评价新方法。该方法首先对图像信号进行小波分解,基于小波域提取视觉特征参数,然后建立符合人眼视觉感知特性的图像质量评价指标,在此基础上给出具体评价算法。仿真实验结果表明,在视频图像压缩编码中采用本算法的图像质量评价性能优于传统的客观评价方法。     

基于梯度及HVS特性的离焦模糊图像质量评价*

在当前人眼视觉系统（HVS）特性研究的基础上提出基于梯度及HVS特性的离焦模糊图像质量评价模型（GVSSIM）。该模型利用Sobel边缘梯度算子提取图像的梯度信息,并根据人眼视觉特性进行视觉加权,得到新的结构相似性评价指标,进而获得图像质量评价指标。该方法与SSIM(图像结构相似度)评价模型相比,具有计算简单的特点,对离焦模糊图像的评价结果能更好地反映人眼视觉感受。     

一种基于结构相似度的逆半调彩色图像质量评价方法

基于HVS(Human Visual System,人眼视觉系统)特性的图像质量评价方法研究已成为图像处理工程中一个重要研究领域.但该特性仅考虑了视觉处理的早期阶段,没有考虑到人的实际观察习惯,割裂了像素间的相互关系.鉴于此,本文考虑利用图像的结构信息来描述彩色逆半调图像的降质程度,并通过实验验证,该评价指标能较好反映实际观测效果.     

一种结合感知与融合的视频质量评价新方法

提出了一种结合人眼视觉特性(HVS)和信息融合的视频质量评价新方法.该方法是在结构相似(SSIM)方法基础之上,融合了人眼几个主要视觉特性,如对比敏感度、多通道、视觉掩盖、视觉非线性等.新方法具有SSIM算法简单、高效等特性,同时又满足人眼视觉特性,更好地反映了人的主观感受.通过VQEG Phase I测试数据集的实验结果证明,该方法在非线性回归后相关系数、斯皮尔曼相关系数、线外率等指标均优于传统的其他视频质量评价算法,有效地提高了视频质量评价的主客观一致性.     

基于几何结构失真模型的图像质量评价研究

客观图像质量评价研究的目的是设计一种和视觉感知保持一致,且适用于各种失真模型的质量评价方法. 传统的结构相似度量质量评价方法忽视了自然图像本身的特点,不能很好地评判某些失真类型图像. 本文根据人眼视觉系统(Human visual system, HVS)在感知图像质量过程中的特点,探索自然图像的本征几何结构特征, 考虑像素点的方向失真、幅度失真和方差失真,提出了一种新型的基于图像几何结构失真模型的完全参考质量评价方法. 在标准数据库上的实验结果表明,本文方法适用于所有失真模型图像数据的质量评价, 计算复杂度相对较低,得到的图像客观评价结果和主观评价方法具有更好的一致性, 能够很好地反映人眼对图像质量的主观感受.     

基于结构相似的H.264帧间预测改进算法

H.264/AVC通过帧间多模式预测、率失真优化及其它新技术.大大提高了视频压缩效率.失真测度的选择对帧间预测模式及运动估计中匹配块的选择有很大影响.在H.264帧间预测过程中,失真测度选用的是当前块和候选块之间的绝对差和(SAD)及平方差和(SSD).结构相似度(SSIM)是新提出的一种图像质量评价方法,与其他评价方法相比,它更加符合人眼视觉系统(HVS)且计算量不大.文中将SSIM引入到H.264帧间预测作为失真测度,提出了基于结构相似的帧间预测方法(IPBSS).该方法是在作者前期工作积累上的进一步改进.实验结果显示,该算法可以在保持视觉质量不下降的前提下,平均节约13%的码流.     

双尺度边缘结构相似度的图像质量评估

图像质量评价对于各种视频图像应用具有重要的意义。结构相似度准则SSIM在模糊图像及噪声污染的图像判定方面,存在偏差。该文提出了基于双尺度边缘结构特征的图像质量评价算法——MDESSIM,充分考虑了边缘信息在结构信息中的重要性,通过增加边缘结构的失真度量来综合评价图像质量。实验结果表明了MDESSIM算法的有效性。     

图像与视频质量评价综述

图像/视频的获取及传输过程中,由于物理环境及算法性能的限制,其质量难免会出现无法预估的衰减,导致其在实际场景中的应用受到限制,并对人的视觉体验造成显著影响。因此,作为计算机视觉领域的一项重要任务,图像/视频质量评价应运而生。其目的在于通过构建计算机数学模型来衡量图像/视频中的失真信息以判断其质量的好坏,达到自动预测质量的效果。在城市生活、交通监控以及多媒体直播等多个场景中具有广泛的应用前景。图像/视频质量评价研究取得了长足的发展,为计算机视觉领域中其他任务提供了一定的便利。本文在广泛调研前人研究的基础上,回顾了整个图像/视频质量评价领域的发展历程,分别列举了传统方法和深度学习方法中一些具有里程碑意义的算法和影响力较大的算法,然后从全参考、半参考和无参考3个方面分别对图像/视频质量评价领域的一些文献进行了综述,具体涉及的方法包含基于结构信息、基于人类视觉系统和基于自然图像统计的方法等;在LIVE(laboratory for image&video engineering)、CSIQ(categorical subjective image quality database)、T...     

改进的结构相似医学图像质量评价方法

医学图像质量评价从基本方法上和普通图像评价是相同的。基于人眼视觉系统的图像质量客观评价一直是图像处理领域的研究热点。Zhou Wang等人提出了著名的客观质量评价方法：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。其评价性能优于PSNR（或MSE）。但是SSIM评价模糊失真类的图像准确性较低。在深入研究SSIM算法的基础上,提出一种改进SSIM算法：基于梯度方向信息的图像质量评价方法（GDSSIM）。实验结果表明,GDSSIM评价高斯模糊（GBlur）图像库时准确性明显高于PSNR和SSIM,评价Fast Fading图像库时准确性也有明显优势。最后,初步探讨了以上图像质量评价算法在医学图像上的应用。     

人类深度感知立体图像质量评价方法

立体图像质量评价是感知与显示的基础,也是立体视频系统设计的依据。由于图像的最终接受者是人,所以评价图像质量的关键在于其是否符合人类的视觉系统特性。通过对视觉非线性、对比敏感度、多通道结构和掩蔽效应等人类视觉特性的分析,提出一种符合人类主观感知的立体图像质量评价方法。该方法首先对图像进行5级小波分解,将图像的空间频率按视觉系统的掩盖效应特点分成6个频带分别进行滤波,以改变原始图像的空间频率,然后对每个频带进行相似度度量。根据对比敏感度特性对各个频带的质量评价结果进行加权平均,得到最终的质量评价尺度。实验结果表明,本文方法优于传统的客观质量评价方法,与人的主观感受有更好的一致性,能够反映图像的质量以及立体感。     

Perceptual auto-regressive texture synthesis for video coding

Traditional video compression methods consider the statistical redundancy among pixels as the only adversary of compression, with the perceptual redundancy totally neglected. However, it is well-known that none criterion is as eloquent as the visual quality of an image. To reach higher compression ratios without perceptually degrading the reconstructed signal, the properties of the human visual system (HVS) need to be better exploited. Recent research indicates that HVS has different sensitivities towards different image content, based on which a novel perceptual video coding method is explored in this paper to achieve better perceptual coding quality while spending fewer bits. A new texture segmentation method exploiting just noticeable distortion (JND) profile is first devised to detect and classify texture regions in video scenes. To effectively remove temporal redundancies while preserving high visual quality, an auto-regressive (AR) model is then applied to synthesize the texture regions and combine with other regions which are encoded by the traditional hybrid coding scheme. To demonstrate the performance, the proposed scheme is integrated into the H.264/AVC video coding system. Experimental results show that on various sequences with different types of texture regions, we can reduce the bit-rate for 15% to 58% while maintaining good perceptual quality.     

基于人眼感知特性的亮度系数压缩方法

在传统视频编码系统中,尽管失真大多由均方误差(MSE)度量,但是基于MSE的失真往往难以衡量不同视频流的主观差异,因此,人眼视觉系统对视频流的感知特性有必要被编码器利用。为了进一步提高编码效率,针对人眼对不同亮度的信号敏感程度不同的特性,提出了一种基于人眼感知特性的亮度系数压缩算法,该算法通过前向量化将人眼不能察觉的冗余信息丢掉来提高编码器压缩效率,并保证了人眼对损失的信息不可见。实验结果表明,采用该算法的AVS参考编码器,其输出码率的下降幅度达到8%～40%,而解码图像的主观观测质量却同未采用该算法的编码器相当。