一种无参考运动模糊图像的质量评价方法

针对高动态环境下视觉导航系统的可靠性受到运动模糊制约,而现有的结构相似度算法（SSIM）对模糊图像评价不敏感的问题,提出了一种基于改进结构相似度的无参考运动模糊图像质量评价算法。首先,将原始运动模糊图像经过同运动方向的模糊算子生成再模糊图像;之后,将原始模糊图像与再模糊图像进行8×8分块,并在相应子块中找到边缘信息丰富的子块;然后,计算原始模糊图像和再模糊图像中对应边缘信息丰富子块的结构相似度;最后,通过边缘置信度对子块加权得到整幅图像的模糊评价指标。实验结果表明,此评价方法结果与主观评价结果具有较高的一致性,能够准确地对运动模糊图像进行评价。由于本方法能有效地优化边缘子块的权值,与传统的平均结构相似度（MSSIM）评价方法相比,具有更高的灵敏性。     

基于图像相关性和结构信息的无参考图像质量评价

分析了非下采样Contourlet变换(NSCT)方向子带亲 戚系数 间和父子系数间的强相关性及其包含的结构信息,并基于图像发生失真会 影响这些系数间的强相关性和结构信息的假设,提出了一种新的无参考图像质量评价(NR-I QA)方法。首先,分别计算 NSCT方向子带亲戚系数间和父子系数间的互信息(MI),以此作为描述这些系数 间相关性的统计特征;其次, 分别计算NSCT方向子带亲戚系数间和父子系数间的结构相似度(SSIM),以此作为描述 图像结构信息的统计特征; 进而,结合这些系数间的MI和SSIM等统计特征,构造了相应的NR-I QA模型和图像 失真类型识别模型;最后,在LIVE及LIVE Multiply Distorted图像质量评价数据库上进行 了大量的实验仿 真。结果表明,本文评价模型的评价结果与人类主观评价具有非常高的相关性,LIVE图 像质量评价数据 库上的斯皮尔曼等级相关系数和皮尔逊线性相关系数均在0.931以上 。无论总体评价效果还是各失真类型 评价效果,与当今主流评价算法相比非常具有竞争性;而且,失真类型识别模型的识别精度 可以达到92.31%,明显高于这些主流算法。     

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。     

基于亮度与彩色纹理统计的无参考图像评价

基于均值减去对比度归一化系数与彩色共生矩阵相结合,提出一种通用无参考图像质量评价方法。首先,分别利用对称广义高斯分布和非对称广义高斯分布拟合MSCN系数组成18维特征值作为亮度统计特征;其次,将原始图像从RGB色域转换到HSV色域,分别提取H、S、V3个通道的4维灰度共生矩阵的纹理特征,将3通道4维共计12维特征值通过既定公式融合降维成3维作为彩色纹理统计特征;最后,在1个原始尺度和1个经过高斯降采样尺度下提取上述参数共计42维参数组成特征集利用SVR和SVC建立图像质量评价和失真类型识别模型。利用LIVE数据库与真实数据库验证了所提的方法与人眼主观感受有着很好的一致性。     

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。     

基于特征解纠缠表示的无参考图像质量评价

无参考图像质量评价是在不给定参考图像的情况下评估受损图像的质量。由于缺少无损的参考图像,无参考图像质量评价方法的表现与全参考图像质量评价方法相比差距较大。为了解决这一问题,提出一种基于特征解纠缠表示的无参考图像质量评价方法。该方法能分离出受损图像的内容特征和受损信息特征,通过内容特征对受损图像进行复原,使用孪生卷积网络从受损图像和复原图像中提取图像特征,并将其与受损信息特征进行融合,进而预测受损图像的质量。在TID 2013数据集上,提出的无参考图像评价方法的Spearman秩相关系数与Pearson线性相关系数分别为0.885和0.876,性能优良。     

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。     

基于特征符号化和Transformer的无参考图像质量评价方法

基于深度学习的无参考图像质量评价方法目前存在语义关联性不足或模型训练要求高的问题,为此,本文提出了一种基于语义特征符号化和Transformer的无参考图像质量评价方法。首先使用深层卷积神经网络提取图像的高层语义特征;然后将语义特征映射成视觉特征符号,并基于Transformer自注意力机制对视觉特征符号之间的关系进行建模,提取图像的全局特征,同时使用浅层神经网络提取底层局部图像特征,捕捉图像低级失真信息;最后结合全局图像信息与局部图像信息,对图像质量进行预测。为了验证模型的精度和鲁棒性,以相关系数PLCC和SROCC作为评价指标,在5个主流的图像质量评价数据集和1个水下图像质量评价数据集上进行了实验,并将本文提出的方法与15种传统和基于深度学习的无参考图像质量评价方法进行了对比。实验结果表明,本文方法以较少的参数量（大约1.56 MB）在各类数据集上均取得了优越的性能,尤其在多重失真数据集LIVE-MD上将SROCC提升到了0.958,证明在复杂的失真情况下仍能准确评估图像质量,本文网络结构能满足实际应用场景。     

Kurtosis-based no-reference quality assessment of JPEG2000 images

No-reference (NR) image quality assessment (QA) presumes no prior knowledge of reference (distortion-free) images and seeks to quantitatively predict visual quality solely from the distorted images. We develop kurtosis-based NR quality measures for JPEG2000 compressed images in this paper. The proposed measures are based on either 1-D or 2-D kurtosis in the discrete cosine transform (DCT) domain of general image blocks. Comprehensive testing demonstrates their good consistency with subjective quality scores as well as satisfactory performance in comparison with both the representative full-reference (FR) and state-of-the-art NR image quality measures.     

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。     

HEVC静态图像压缩与JPEG2000性能比较与分析

基于离散小波变换DWT(Discrete Wavelet Transform)的JPEG 2000代表着静态图像的最高水平.HEVC(High Efficiency Video Coding)提出了一个静态图像压缩档次——Main Still Profile,其帧内编码模式采用多种新的算法实现.通过大量实验比较发现,基于HEVC静态图像压缩比JPEG 2000具有更高的压缩效率,将来有望取代JPEG 2000成为新的静态图像压缩标准.     

一种基于JPEG2000算法的图像传感器设计

提出一种基于JPEG2000算法的实时图像传感器设计方案,将采集到的图像数据通过编码器ADV212压缩为JPEG2000格式,再由微控器对目标进行探测和识别。该图像传感器具有高压缩率、低比特速率、体积小巧以及控制灵活等特点,并实际应用于安防、监控领域,能够快速、准确地获取目标图像信息。     

基于平滑特性的压缩图像质量盲评估

根据压缩图像中图像块平滑特性的不同,提出了一种基于平滑因子的压缩图像质量盲评估方法.通过统计图像中为零的一维DCT交流系数的比例,构造了压缩程度因子以及质量评估体系,可有效区分图像的压缩程度.实验表明该方法对压缩图像有较好的评价效果,同时在对低通滤波图像的质量评估中性能优于利用块边缘像素差异的方法.     

一种基于JPEG2000标准的数字图像加密算法

针对最新的图像压缩标准JPEG2000,提出了一种在JPEG2000压缩过程中实时对小波系数进行加密的方法.在具体算法上采用本文提出的小波置乱(简称为OCWF)方法并结合符号加密来实现对小波系数的实时加密.实验结果表明,该方法具有加密效果好、加密开销少、对压缩性能影响小等优点,且完全适合高压缩率的有损压缩,可以满足版权保护等应用场合的需要.     

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。     

基于JPEG2000的实时红外图像压缩系统设计

文章给出了一个基于JPEG2000算法的实时红外图像压缩系统的设计电路,这个设计 方案兼顾了图像压缩率和抗误码能力,适合在无线信道传输。该电路使用了专用的硬件压缩芯片ADV202和高速数字信号处理器TMS320C6416,解决了直接采用FPGA +DSP设计复杂、开发周期长的缺点。实验表明本文的设计方案工作正常,图像压缩的效果令人满意。     

一种基于JPEG2000算法图像传感器的设计

提出了一种基于JPEG2000算法的实时图像传感器设计方案,将采集到的图像数据通过编码器ADV212压缩为JPEG2000格式,再由微控器对目标进行探测和识别。该图像传感器具有高压缩率、低比特速率以及体积小巧、控制灵活等特点,并在安防、监控领域中实际应用,能够快速、准确地获取目标图像信息。     

基于THJ2K的JPEG2000图像压缩系统

介绍了由清华大学研发的JPEG2000编码芯片THJ2K的功能和工作原理,在正常工作频率下(100 MHz),该芯片每秒可完成20帧分辨率为512×512×8 bit图像的压缩,而基于THJ2K设计的JPEG2000图像压缩系统,每秒可完成11.75帧分辨率为1 024×1 024×8 bit图像的压缩.