航拍图像质量评价及其在图像增强中的应用

无人机在航拍过程中,由于受太阳光及大气环境、无人机姿态变化等因素干扰,导致采集图像出现失真,对后续信息处理造成不利影响。针对上述问题,提出了一种基于卷积神经网络的无参考航拍图像质量评价方法,并将其应用于航拍图像增强处理中。首先,设计了一种多层卷积神经网络。网络包括5层卷积层、5层池化层和3层全连接层;其次,进行卷积层和池化层多层堆叠学习图像特征信息。最后,将学习到的特征通过三层全连接层的回归与分类得到航拍图像质量分数。在自建的失真航拍图像库中进行实验表明,所提方法预测出的航拍图像质量分数与人眼视觉感知具有较高一致性,且在航拍图像增强领域应用效果较好。     

感知特征互补的图像质量评价

针对图像质量客观评价方法在实际应用场景下性能退化的问题,将人眼视觉特性融入图像特征处理的多个环节,提出一种融合视觉结构显著和视觉能量显著特征互补的方法。首先,根据人眼特性对图像的灰度能量、对比度能量和梯度结构三层互补特征进行空域-频域联合变换处理;其次,分别提取前述三层视觉特征的多通道信息并进行评价;最后,基于视觉特性和图像失真度将各层视觉特征评价从内层至外层逐步自适应综合。实验表明,本方法具有较高的水平和更好的稳定性,提高了实际应用场景下的评价性能。     

粗糙集在融合图像质量评价中的应用

提出了一种基于粗糙集理论的融合图像质量评价方法。采用粗糙集属性约简方法把冗余的属性和冲突的对象从决策表中删去,从而对决策信息系统进行了相对简化,使模型具有一定的抗信息丢失能力。该方法运用到融合图像质量评价中去,实验结果表明其有效性。     

色彩熵在图像质量评价中的应用

目的 由于色彩空间包含了图像的大量信息,而且Lab色彩空间更接近于人眼视觉,因此提出一种改进的无参考图像质量评价算法IQALE(image quality assessment using Lab color space and entropy),通过在SSEQ(spatial-spectral entropy-based quality)算法中加入Lab色彩空间a通道和b通道的特征来提高算法精度。方法 信息熵是近几年研究较多的图像特征,并且能较好地运用在图像质量评价研究中。该文在色彩空间和灰度空间同时提取信息熵特征,通过支持向量机(SVM)对图像特征和MOS值进行训练和测试。结果 在LIVE、TID2008、MICT、CSIQ和IVC这5个常用数据库上的实验结果表明:在算法中加入Lab色彩空间信息可以提高算法精度,并且本文算法IQALE的效果优于目前流行的无参考图像质量评价算法。为了验证算法的可扩展性,该文还在这5个数据库上进行了数据库独立性实验。结论 从实验结果来看,本文提出的IQALE算法通过加入色彩熵特征使得算法具有较高且较稳定的精度,数据库独立性实验也体现了算法较好的鲁棒性,对于各种失真类型都具有较好的普适性。     

主动特征学习及其在盲图像质量评价中的应用

盲图像质量评价是指在没有原始图像信息的情况下,预测给定图像的视觉感知质量.迄今为止,基于无监督特征学习的盲图像质量评价方法取得了较好的性能,但其质量预测精度随特征维度的降低而显著下降.为了克服这一缺陷,作者将主动学习策略与无监督特征学习相结合,提出了一种主动特征学习框架,以提高图像特征表示的判别性,并利用所学特征进行质量预测.实验表明,在特征维度较低时,与基于无监督特征学习的方法相比,文中方法在图像质量预测精度上提高了8%.同时,文中方法的性能也优于现有的其他盲图像质量评价方法.     

自然图像质量评价方法综述

5G时代的到来使得图像处理技术也得到了迅猛发展,自然图像质量评价方法成为图像处理领域的重要研究热点.在自然图像获取、图像压缩、存储等处理时,图像质量不可避免的产生各种类型的失真,从而自然图像质量评价方法的应用越来越广泛.首先阐述自然图像的失真类型和公开标准图像数据库的相关知识,然后分别从主观评价和客观评价两种方法分析自...     

信息量加权的梯度显著度图像质量评价

目的：针对信息量加权结构化图像质量评价算法(Information Content Weighted SSIM, IW-SSIM)对图像局部失真度量能力的不足,提出了一种被称为信息量加权的梯度显著度图像质量评价改进算法(Information Content Weighted Gradient Salience SSIM, IW-GS-SSIM)。方法：该算法首先根据人眼视觉系统响应亮度刺激的韦伯定律,仅在空域内利用一次滤波快速计算出当前像素点与背景之间的对比度并将其非线性映射为该像素点的视觉显著度。然后,将视觉显著度与梯度特征结合后获得了一种新的被称为梯度显著度局部失真度量(GS-SSIM)并将其替换IW-SSIM算法中的SSIM局部结构化度量。结果：在六大公开基准数据库上完成的大量对比实验表明：对于图像的各种噪声和模糊等类型失真,GS-SSIM较SSIM局部失真度量具有更高的评价准确率。与IW-SSIM算法和其它被广泛引用的图像质量评价算法相比,改进算法评价结果总体上与主观评价结果具有更高的一致性。结论：视觉显著度与梯度特征相结合后所构成的结构化度量能够有效提高经典SSIM结构化度量对图像局部失真度量的准确性,未来可以考虑将人类视觉系统(HVS)的其它特性融入到图像质量评价算法中,以进一步提高算法的准确性。     

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.     

基于显著图与稀疏特征的图像视觉效果评价

提出一种基于显著图与稀疏特征的图像视觉评价算法,其中显著图类似于视觉阈值,提取出图像中的视觉注意区域,并使用独立成分分析(Independent Component Analysis,ICA)等同于稀疏编码,来提取该区域的稀疏特征。最后通过综合特征相似性和灰度相关性,得到一种全参考图像质量评价方法。通过在3个标准图像数据库测试的结果表明,相对于其他评价算法,该方法很好地拟合了人眼主观评价。     

基于融合显著图和高效子窗口搜索的红外目标分割

为了快速精确地分割红外图像目标,提出一种基于融合显著图和高效子窗口搜索的红外目标分割方法.在获取图像超像素的基础上,提取每个区域增强的Sigma特征,并考虑邻域对比度、背景对比度、空间距离和区域大小的影响,构建局部显著图,接着利用全局核密度估计构建全局显著图,然后融合局部和全局显著图实现图像显著性检测,最后应用高效子窗口搜索方法检测和筛选目标,实现红外目标分割.实验结果表明,新方法的显著图结果目标区域一致高亮且边缘清晰,背景杂波抑制效果好,可实现快速精确的目标分割.     

一种快速遥感影像海岛自动提取方法

为有效提高基于遥感技术的海岛调查中海岛提取的效率,该文提出了基于多窄带模型（Multi Narrow Band Model,MNBN）初始化的Grab Cut分割算法对高分辨率遥感图像中的海岛进行提取。首先基于海面与陆地提取进行海岛初提取,再利用初提取结果建立多窄带模型对Grab Cut进行初始化来提高分割算法的速度。分析表明,该算法可有效完成海岛提取,与其他自动海岛提取算法相比具有速度快、鲁棒性高等优点。     

基于特征图注意力机制的图像超分辨率重建

图像超分辨率重建中的高频分量通常包含较多轮廓、纹理等细节信息,为更好地处理特征图中的高频分量与低频分量,实现自适应调整信道特征,提出一种基于特征图注意力机制的图像超分辨重建网络模型.利用特征提取块提取原始低分辨率图像中的特征信息,基于多个结合特征图注意力机制的信息提取块,通过特征信道之间的相互依赖性自适应调整信道特征,...     

基于结构失真的图像质量评价方法的研究

在说明传统的图像质量评价方法及其不足的基础上,分别对基于结构失真图像质量评价方法的各个因子进行了讨论,并从图像空间及其向量的理论角度分析了结构性信息对于图像质量的影响。理论分析和实验均证明了结构失真评价方法与图像主观视觉质量的一致性。     

基于视觉显著度的多聚焦图像融合方法

多聚焦图像存在聚焦区和离焦区,聚焦区通常吸引人的注意力,具有突出的视觉显著性。传统融合算法缺乏对聚焦区域的定位能力,对多聚焦图像融合的适应性普遍较差。为此,提出一种模拟人类视觉注意机制的多聚焦图像融合方法。利用谱残差算法计算源图像的显著度图,通过判断不同源图像相同位置上的像素显著性,选择显著度大的图像像素组成该源图像的聚焦区,显著度相等的像素构成边界带,使用腐蚀膨胀操作消除聚焦区内的孤立像素点,以每幅源图像的聚焦区域和梯度值较大的边界带像素作为融合图像的像素。实验结果表明,该方法能自主选择清晰像素,获得37d B以上的高峰值信噪比,且基本无参数设置,在不同类型图像融合中均表现出较强的鲁棒性。     

基于图像质量评价的自动图像复原技术

针对很难使用一种图像复原技术来满足实际的成像系统应用需求的情况,提出了一种基于无参考图像质量评价的自动图像复原技术.该技术在图像复原中引入图像质量评价,使图像复原技术变为主动图像复原.为应对图像降质过程的复杂性,介绍了基于图像质量评价的多模式图像复原框架.为适应由于图像复原过程的病态性导致的图像误差问题,提出了一种新的无参考图像质量评价方法,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变化.实验表明该图像质量评价算子的有效性,可以满足自动图像复原对图像质量评价算法的要求.     

视觉选择性注意计算模型

提出一种用于智能机器人的视觉注意计算模型．受生物学启发,该模型模仿人类自下而上和自上而下 两种视觉选择性注意过程．通过提取输入图像的多尺度下的多个底层特征,在频域分析各特征图的幅度谱,在空域 构造相应的特征显著图．根据显著图,计算出注意焦点的位置和注意区域的大小,结合给定的任务在各注意焦点之 间进行视觉转移．在多幅自然图像上进行实验,并给出相应的实验结果、定性和定量分析．实验结果与人类视觉注 意结果一致,表明该计算模型在注意效果、运算速度等方面有效．     

一种基于混沌系统及Henon映射的快速图像加密算法

提出一种新的基于混沌系统及Henon映射的图像加密算法．使用经过取模处理的可逆二维非线性Henon映射对各像素点的灰度值进行链式循环迭代,每个迭代环节中Henon映射的参数与迭代次数依次取自一维混沌映射生成的混沌序列．该算法设计简单、运算快速、解密准确,尤其是解决了基于混沌或非线性变换的加密算法中普遍存在的由于计算机的有限精度或各计算机精度不同所导致的解密失败的难题,避免了常用置乱变换算法固有的缺陷及密码强度的不足,具有很高的安全性．     

基于人脸识别的人脸图像质量评估

无约束场景下,低质量的人脸图像不仅浪费计算资源而且降低系统识别率.针对此问题,提出一种基于人脸识别的人脸质量评估方法对人脸图像进行预评估.以人脸识别系统特征提取网络为基础网络在COX数据集上进行微调,并使用微调后网络对COX数据集进行质量分数标定.最后,结合基础网络及质量预测网络并以相应损失函数在标定数据上进行回归学习以获取质量评估模型.实验结果表明,该方法能够有效区分不同质量的人脸图像并提升人脸识别系统性能.