一种针对图像模糊的无参考质量评价指标

在成像模型的基础上,分析了图像模糊的原因,提出了一种为图像构造参考图像的方法,进而将结构相似度(SSIM)评价方法引入到无参考图像质量评价中,提出一种无参考结构清晰度(NRSS)的新的无参考图像质量评价方法,将其用于对模糊图像的质量评价。该方法通过低通滤波器来构造参考图像,通过计算原始图像与参考图像的结构相似度值来评价原始图像质量,很好地结合了成像系统的数学模型和结构相似度评价方法的优势,实验结果表明无参考结构清晰度评价指标能够给出和主观评价方法以及其余有参考评价方法一致的结果。     

边缘加权的结构相似性测度

针对结构相似性测度(SSIM)不能较好地客观评价图像模糊与强高斯噪声失真的问题,提出一种边缘加权的结构相似性测度(EWSSIM),以符合人眼视觉系统(HVS)特性。EWSSIM将原始图像和失真图像的整体轮廓信息与局部纹理细节信息加权,更充分地描述图像的结构相似度。通过LIVE图库的仿真结果表明,与SSIME相比,WSSIM能够更好地评价图像模糊与强高斯噪声失真,且在各类失真图像的评价一致性上优于SSIM。     

基于边缘的结构相似度模糊图像质量评价

结构相似性理论是一种关于图像质量评价的新思想,它很好地模拟了人眼视觉特性的整体功能。本文首先介绍了传统图像质量评价方法的不足,分析了基于视觉特性的结构相似度理论。作为结构相似性理论的一个实现,结构相似度模型(SSIM)简单且评价性能优于峰值信噪比(PSNR)或均方误差(MSE),但SSIM模型不能较好地评价严重模糊的降质图像。基于此,在SSIM基础上,本文提出了一种新颖的、基于边缘的图像质量评价模型(ESSIM)。该模型充分考虑了图像的边缘信息和人类视觉系统的关系。实验结果表明,ESSIM是一种有效的图像质量评价方法,尤其在对模糊图像的质量评价上优于结构相似度的评价方法SSIM。     

一种改进的基于结构相似度的图像质量评价方法

基于结构相似度（SSIM）的图像质量评价方法简单高效,准确性较高,评价性能优于峰值信噪比（PNSR）和均方误差（ MSE）,但SSIM模型不能较好地评价严重失真和交叉失真类型的图像。文中提出了一种改进的基于结构相似度的图像质量评价方法（ HSSIM）,该方法将直方图信息作为图像的主要结构信息,根据人眼视觉特性,利用直方图集中度来表示图像模糊度,最终计算得到图像的结构相似度值。实验结果表明,HSSIM比SSIM模型更符合人眼视觉系统特性,能更好地评价失真图像的质量。     

基于变差函数全局纹理增强的结构相似度图像质量评价

为解决结构相似度算法的图像质量评价缺陷,提出了一种基于变差函数全局纹理增强的结构相似度图像质量评价。该方法首先利用改进的对数变差函数模型提取原图像和失真图像在水平0°、垂直90°和对角45°、135°四个方向的纹理信息特征,然后分别求出对应的纹理增强图像,最后改进SSIM中的结构信息来确定纹理区域的明显失真,计算得到整幅图像的VSSIM值。目前大多数的全参考评价方法不能对数据库中的所有失真类型进行评价,只能对某一类固定的失真类型来评价。本方法对LIVE数据库中的五种失真类型都适用,仿真实验表明,该算法对五种不同失真类型的评价结果具有一定的合理性,并且与主观评价数据库较为一致,其性能也优于其他质量评价模型。     

基于结构方向信息的图像质量评价方法

结构相似度(SSIM)方法通过度量原图像和失真图像之间的结构相似程度,达到了比传统PSNR方法更好的图像质量评价效果。但SSIM算法本身并没有充分利用图像的结构信息,在SSIM算法的基础上进一步挖掘图像结构中包含的方向信息,提出了局部结构方向相似度(LSOS),将LSOS方法和现有的SIExt算法相结合,提出基于结构方向信息的图像质量评价算法(SOI)。实验表明,该方法能够达到比SIExt和SSIM方法更好的图像质量评价结果。     

基于梯度幅度值的结构相似度的图像质量评价方法

说明传统图像质量评价方法的不足之处.在SSIM模型不能很好地评价严重模糊的降质图像的基础上,从图像梯度幅度值和图像边缘的关系出发,分析了基于梯度幅度值的结构相似度(GSIM)的图像质量评价方法.实验结果表明,该模型比SSIM模型更符合人眼的视觉特性.     

基于相位的结构相似度图像质量评价模型

基于结构相似度的图像质量评价算法忽视了图像自身的相位特征信息,不能较好地评测某些失真类型的图像质量。针对这一问题,提出一种基于相位的结构相似度图像质量评价模型(PSSIM)。该模型在结构相似度的基础上,进一步考虑了图像的相位一致性特征,设计了一种图像质量评价函数的计算方法。实验仿真结果表明,PSSIM是一种有效的图像质量评价方法,同时该方法和人类主观评价感受具有良好的一致性。     

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。     

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。     

Fuzzy C-Means clustering through SSIM and patch for image segmentation

In this study, we propose a new robust Fuzzy C-Means (FCM) algorithm for image segmentation called the patch-based fuzzy local similarity c-means (PFLSCM). First of all, the weighted sum distance of image patch is employed to determine the distance of the image pixel and the cluster center, where the comprehensive image features are considered instead of a simple level of brightness (gray value). Second, the structural similarity (SSIM) index takes into account similar degrees of luminance, contrast, and structure of image. The DSSIM (distance for structural similarity) metric is developed on a basis of SSIM in order to characterize the distance between two pixels in the whole image. Next a new similarity measure is proposed. Furthermore, a new fuzzy coefficient is proposed via the new similarity measure together with the weighted sum distance of image patch, and then the PFLSCM algorithm is put forward based on the idea of image patch and this coefficient. Through a collection of experimental studies using synthetic and publicly available images, we demonstrate that the proposed PFLSCM algorithm achieves improved segmentation performance in comparison with the results produced by some related FCM-based algorithms.     

彩色视觉相似性图像评价方法

针对当前评价方法对彩色图像评价的不足,提出一种基于彩色视觉相似性的图像质量评价方法。首先通过把彩色图像转换到相对均匀的色空间（LAB2000HL）,再根据视觉空间响应特性分别使用亮度对比度敏感函数（CSF）和色度CSF进行调整,获得各维图像的结构相似性（M-SSIM）指数,最后综合考虑色空间各维信息对彩色视觉质量影响的权重,建立综合评价指标现实彩色图像的质量评价。实验中,利用图像数据TID2008进行测试,并通过Spearman 等级相关系数和Kendall等级相关系数分析评价结果与其视觉主观评价的一致性。实验结果表明,与其他图像质量方法比较,所提方法的评价结果与视觉主观评价具有较高的一致性。     

基于视觉相似性的半色调图像评价方法

为衡量半色调图像质量或加网算法的优劣,提出平均亮度相似性误差、平均对比度相似性误差和视觉相似性误差以衡量半色调图像与连续调图像之间的视觉相似性。该方法根据人眼视觉局部适应性特征,把图像划分子区域,利用亮度掩蔽和对比度掩蔽的特征,获得各子区域的亮度相似性误差和对比度相似性误差,最终获得平均亮度相似性误差、平均对比度相似性误差和视觉相似性误差分别评价半色调图像与原连续调图像在亮度和纹理的视觉相似性,及半色调图像中的局部缺陷。分别通过与峰值信噪比(PSNR)和权重信噪比(WSNR)在亮度相似性上进行比较,与全局质量因子(UQI)和图像结构相似(SSIM)在评价纹理相似性上进行比较,发现所提质量评价方法比较接近人眼视觉评价的结果。     

基于对偶树复小波变换的模糊图像质量评价

小波域和结构相似度SSIM的质量评价方法已经成为图像处理领域的研究热点,然而都存在一定的缺陷:传统的离散小波变换缺乏平移不变性,其方向选择性也十分有限;对于严重模糊的图像,SSIM评价结果并不十分准确。基于此,提出了一种适应于模糊图像质量评价的新算法。该算法用对偶树复小波变换DTCWT将图像进行分解来获取复小波系数,然后对所得到的六个方向的高频子带系数分别进行平均梯度幅度值的结构相似度MGSIM测量,最后将所得到的全部MGSIM的均值作为最终的原始模糊图像的模糊值。仿真实验验证了本方法比结构相似度更吻合人眼的视觉效果,与主观评价方法具有很好的一致性,并且在各方面的性能都优于目前有关文献的方法。     

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。     

基于灰度共生矩阵的无参考模糊图像质量评价方法

无参考图像质量评价已成为近来研究的热点.基于灰度共生矩阵提取相位一致图像特征进行学习的基础上,提出一种无参考模糊图像质量评价方法.该方法首先通过LogGabor小波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,最后利用支持向量回归模型训练学习,预测得到无参考模糊图像质量得分.4个公开数据库模糊图像上的实验结果表明,该方法预测得分与主观得分有较好的一致性,获得较好的评价指标.     

一种基于相位特征的小波域图像质量评价算法

基于像素值的图像质量评价算法忽视了图像自身的结构特征信息,不能较好地评测某些失真类型的图像质量。针对这一问题,本文提出一种基于相位特征的图像质量评价算法。该算法根据人眼对图像的理解主要建立于图像低层次结构这一特点上,给出一种图像质量评价函数的计算方法。首先将图像的相位一致性作为评价函数的第一个特征;然后将图像的小波变换模作为评价函数的第二个特征。最后基于这2个特征获取整体图像的质量评价测度。仿真实验验证了该算法的有效性,结果表明提出的图像质量评价算法和人类主观评价感受具有良好的一致性。      

频率与方向敏感SSIM的图像质量评价方法

将人眼视觉对比敏感度的空间频率及方向特性,引入到结构相似度(SSIM)计算中,提出一种对频率与方向敏感度加权的结构相似度评价方法。对图像进行多级小波分解并计算各个子带的SSIM值,根据子带能量比重,对同一分解级下不同方向的子带SSIM值进行加权,以对比敏感度函数(CSF)的方向敏感性,根据CSF的子带响应对各个分解级进行加权,显示CSF的频率敏感性。在LIVE2及TID2008图像质量数据库上的仿真结果表明,与其他图像质量评价方法相比,该方法评价结果与主观评价具有较好的一致性。