无参考图像质量评价综述

图像质量对人类视觉信息的获取影响很大, 如何在没有参考图像的情况下准确地评价失真图像的质量是一个关键但又非常困难的问题. 本文回顾了近20年来无参考图像质量评价发展的主要技术. 首先,介绍了这一领域常用的衡量评价算法性能的技术指标,以及几个网上共享的典型图像质量评价数据库; 然后,对各种无参考图像质量评价算法进行详细的分类介绍和特点评析; 最后,基于典型数据库对近几年的一些非特定失真图像质量评价方法进行了性能测试和比较. 目的是为这一领域的研究人员提供一个较为全面的、有价值的文献参考.     

无参考模糊图像质量评价改进算法

针对传统无参考模糊图像质量评价算法存在高计算复杂度的问题,通过改进经典的二次模糊处理算法,提出一种快速有效的无参考模糊图像质量评价方法。该算法基于人眼视觉系统(HVS)特性,利用局部方差选取人眼感兴趣图像块代替整体图像,并将感兴趣图像块通过低通滤波处理,构造模糊图像块,通过计算滤波前后图像块相邻像素差值变化大小获取原始整体图像的客观质量评价参数。仿真测试结果表明,该算法与传统整体图像二次模糊算法相比,皮尔逊相关系数提高0.01,与主观评价结果更为一致;运算速度提高一倍,降低了运算复杂度。     

无参考图像质量评价综述

图像质量评价是图像处理领域的热门研究课题之一。图像质量评价研究的目标是设计算法,给出和人的主观视觉感受相符合的评价结果。在客观图像质量评价的几种方法中,由于无参考图像质量评价方法的灵活性,该方法正受到越来越多的关注。文章首先概述了图像质量评价的相关知识,并从无参考图像质量度量方法和评价算法等角度对无参考图像质量评价进行分析．最后概括了无参考图像质量评价发展的现状及其发展趋势。     

无参考模糊图像质量评价改进算法

针对传统无参考模糊图像质量评价算法存在高计算复杂度的问题,通过改进经典的二次模糊处理算法,提出一种快速有效的无参考模糊图像质量评价方法。该算法基于人眼视觉系统(HVS)特性,利用局部方差选取人眼感兴趣图像块代替整体图像,并将感兴趣图像块通过低通滤波处理,构造模糊图像块,通过计算滤波前后图像块相邻像素差值变化大小获取原始整体图像的客观质量评价参数。仿真测试结果表明,该算法与传统整体图像二次模糊算法相比,皮尔逊相关系数提高0.01,与主观评价结果更为一致;运算速度提高一倍,降低了运算复杂度。     

基于深度学习的无参考图像质量评价综述

图像质量评价是图像处理、图像/视频编码等领域的基础性问题,用于评估图像的失真程度,被广泛应用于算法设计与分析、系统性能评估等方面.无参考图像质量评价(又称为盲图像质量评价)是一种重要的客观质量评价方法.因为无须原始的参考图像,因此具有广泛的应用前景.近年来,随着深度学习技术的不断发展,人们提出了多种基于深度学习的无参考...     

基于机器学习的无参考图像质量评价综述

无参考图像质量评价（NRIQA）因其广泛的应用需求一直以来都是计算机视觉及其交叉领域的研究热点。回顾近十几年来基于机器学习的典型NRIQA模型,介绍图像质量评价的常用数据库、算法性能指标、NRIQA主要难点和现有的解决方法;分析了不同模型的思想、实现、特点;最后统计对比多个数据库上的测试结果。总结研究现状、分析发展趋势,为这一领域的研究者提供文献参考。     

基于局部特征的无参考模糊图像质量评价算法研究

图像拍摄过程中,相机晃动和快速运动状态下拍摄的图像因失焦而导致模糊,使图像结构发生衰变。通过提取模糊图像的局部标准差和梯度测度图,利用显著性加权策略,得到反映图像微小细节变化的模糊感知测度图,利用图中的像素值特征评价图像质量,在LIVE、CSIQ数据库取得较好性能,且时间复杂度低。     

应用再模糊理论的无参考图像质量评价算法

为了提高无参考图像质量评价方法的评价性能,提出了一种应用图像再模糊理论的图像质量评价算法.将待测图像经过再模糊化处理,利用模糊前后两张图像的差异提取图像的局部特征和全局特征,共同构建多维特征向量,并采用支持向量回归(SVR)的方法实现图像无参考质量评价.在公开的图像数据库中进行测试实验,结果表明:所提图像质量评价方法具...     

通用型无参考图像质量评价算法综述

图像质量评价可有效评估图像采集和传输过程引起的失真或退化,在数字多媒体领域具有广阔的应用前景,无参考图像质量评价算法由于不需要参考图像先验知识,近年来成为图像质量评价领域研究的热点。在对国内外文献进行广泛调研的基础上,从评价算法原理和性能比较两个方面,系统综述了BIQI、DIIVINE、BLIINDS、BLIINDS-II、BRISQUE、NIQE和GRNN等当前性能较优的几种无参考图像质量评价算法。介绍了各种算法的特征提取和质量评价原理,在LIVE数据库上对上述评价方法进行仿真评估,并分析和比较了各种算法的评价性能和执行速度,提出了无参考评价方法的进一步研究方向。综述的几种无参考图像质量评价算法虽然已具有很好的效果,但在评价时严重依赖数据库中的主观评价数据,并且在评价精度和算法复杂度方面还存在一些不足,需要进行深入研究。     

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。     

基于尺度不变性的无参考图像质量评价

现有的通用型无参考图像质量评价方法大多是利用失真图像及其主观值来训练回归模型预测图像质量指标,然而这种方法需要消耗大量的时间进行训练,并且评价效果依赖于训练图像库中的失真类型,通用性较差,很难应用到实际场合中。为了解决数据库依赖问题,提出一种归一化的基于图像尺度不变性的无参考图像质量评价方法。该方法不依赖外部数据,将图像的统计特性及边缘结构特性作为图像质量评价的有效特征,利用图像多尺度不变性计算多尺度间的整体特征差异,从而预测图像质量。实验结果表明,所提方法对混合失真图像质量评价效果好,运行效率高,与目前现有的无参考图像质量评估方法相比具有较好的综合性能,具有较好的应用价值。     

结合NSS和小波变换的无参考图像质量评价

为了度量不同失真类型的图像质量,提出一种基于小波多尺度变换的无参考质量评价方法。该方法根据自然场景统计(NSS)模型中小波多尺度变换子带能量在对数域的线性分布规律,利用失真条件下变化缓慢的高尺度子带能量预测理想图像的低尺度子带能量,同时对一些不适合失真类型进行能量补偿,最后通过量化失真图像的预测值和实际值之间的能量差异来度量图像质量。实验结果表明,该方法与主观评价方法有较好的一致性,且在总体性能上优于当前相关文献的方法。     

基于稀疏表示与能量分解的无参考图像质量评价

针对基于稀疏表示的图像质量评价算法特征信息挖掘不充分,忽略稀疏特性等问题进行了研究,提出了一种基于稀疏表示与能量分解的无参考图像质量评价方法。首先利用L1范数作为稀疏惩罚项学习稀疏编码字典,并计算待评价图像的稀疏表示系数。然后对稀疏系数矩阵进行奇异值分解,并重建若干个等能量的子矩阵。最后联合max-pooling和L1范数描述稀疏系数矩阵及其子矩阵特征,L1范数刻画着稀疏性,子矩阵丰富了特征信息。实验结果表明,该算法能在无参考的情况下更好地评价图像质量,主客观分值一致性好且时间复杂度较低,具有较好的应用价值。     

基于掩盖效应的无参考数字图像质量评价

针对数字图像的客观质量评估,从噪声检测的角度,提出了一种基于掩盖效应的无参考图像质量评估方法。首先对Hosaka分块进行了改进,取消了该方法对图像尺寸的限制。通过分块,将图像以不同的频率成分区分开来。然后计算各个子块的噪声。根据图像的污染程度,提出了基于掩盖效应的无参考图像峰值信噪比NPSNR。实验结果表明,该方法具有无参考、运算复杂度低、主客观较一致等特点。     

基于小波高频结构相似的无参考高斯图像质量评价

针对传统无参考图像质量评价方法计算复杂、难以应用的问题,提出一种简单、直接的小波高频结构相似性的无参考高斯图像质量评价方法。该方法根据自然图像同尺度高频子带间结构相似度(SSIM)随着失真程度的增加而降低的性质,利用小波变换获取图像的同尺度不同方向的三个高频分量,通过分别计算图像高频子带间的峰值信噪比(PSNR)与结构相似度得出图像高频结构差异作为最终的图像客观评价指数。通过与三个公开图像数据库实验验证可知,提出的方法与主观评价具有较好的一致性,并且算法结合了物理意义明确的峰值信噪比与结构相似度,比传统方法算法运行更为简单快捷,评价一幅图像只需0.2s左右,具有良好的实用性。     

基于模糊不变矩的复制粘贴伪造检测方法

随着各种高级图像处理算法以及相应图像处理软硬件的出现,即使非专业人士也很容易篡改图像,并使人肉眼很难甚至无法识别。针对一种常见的图像篡改--复制粘贴伪造,提出了一个能自动检测并标识数字图像中复制区域的方法。将图像分成多个重叠块,每块的特征用由模糊不变矩计算得到的模糊不变量表示,按照预定的相似标准来确定图像篡改区域。实验结果表明：相对于基于PCA的方法,该方法在抗模糊处理方面具有明显的优势。     

基于Tchebichef不变距的图形识别

论文提出一种新的基于Tchebichef不变距的图形识别方法,Tchebichef不变距通过对图像进行大小归一化、平移处理以及旋转处理并结合Tchebichef正交距得到;利用提出的Tchebichef不变距作为特征进行图形的识别,和采用Hu不变距以及Zernike不变矩的识别方法相比,无论是在无噪声还是在有噪声的情况下都有更高的识别精度;仿真试验证实了本方法的可行性。