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。     

模糊失真图像无参考质量评价综述EI北大核心CSCD

图像的模糊问题影响人们对信息的感知、获取及图像的后续处理.无参考模糊图像质量评价是该问题的主要研究方向之一.本文分析了近20年来无参考模糊图像质量评价相关技术的发展.首先,本文结合主要数据集对图像模糊失真进行分类说明;其次,对主要的无参考模糊图像质量评价方法进行分类介绍与详细分析;随后,介绍了用来比较无参考模糊图像质量评价方法性能优劣的主要评价指标;接着,选择典型数据集及评价指标,并采用常见的无参考模糊图像质量评价方法进行性能比较;最后,对无参考模糊图像质量评价的相关技术及发展趋势进行总结与展望.     

针对模糊效应的卫星图像质量评价模型研究*

为了实现景象匹配制导应用中对图像数据源质量的客观评价,针对卫星图像的模糊效应,研究了影响图像质量的清晰度评价指标,通过分析比较其对图像匹配过程的影响,挑选出有效指标作为评价因子;通过对大量实验数据特性的统计,结合线性回归分析,提出了基于假设检验的权值拟合算法,完成了各指标贡献率（即权值）的求解;进而建立了面向匹配制导应用的图像质量评价模型。实验表明,该模型具有良好的单调性和稳健性,在匹配制导中能对图像质量进行有效评定,对把握卫星基准图像源质量具有重要现实意义。     

数字图像的质量评价

图像质量评价的使用已成为图像信息工程的基础技术之一。本文对目前一些典型的数字图像质量介方法进行了简要综述,并着重介绍了一种基于视觉兴趣的图像质量评价方法,最后指出了图像质量评价研究可能发展的方向。     

基于卷积神经网络的人脸图像质量评价

针对人脸识别过程中人脸图像质量较低造成的低识别率问题,提出了一种基于卷积神经网络的人脸图像质量评价模型。首先建立一个8层的卷积神经网络模型,提取人脸图像质量的深层语义信息;然后在无约束环境下收集人脸图像,并通过传统的图像处理方法以及人工筛选进行过滤,得到的数据集用以进行模型参数的训练;其次通过在图形处理器（GPU）上加速训练,得到用于拟合人脸图像到类别的映射关系;最后将输入在高质量图像类别的概率作为图像的质量得分,建立人脸图像的质量打分机制。实验结果表明,与VGG-16网络相比,所提模型准确率降低了0.21个百分点,但是参数规模减小了98%,极大地提高了模型运算效率;同时所提模型在人脸模糊、光照、姿态和遮挡方面都具有较强的判别能力。因此,可将该模型应用在实时人脸识别系统中,在不影响系统运行效率的前提下提高系统的准确性。     

基于颜色与结构失真的色域映射图像无参考质量评价算法

为了预测色域映射图像客观质量,通过分析不同色域映射算法的映射原理发现色域映射图像中主要存在颜色失真与结构失真的情况.基于此,提出了一种基于颜色与结构失真的色域映射图像无参考质量评价算法.在颜色失真方面,计算色调异常率和图像R、G、B三个分量的统计分布与理想均匀分布之间的相对熵;在结构退化方面,提取图像的信息熵与四阶矩,并对图像亮度与饱和度进行统计建模,提取参数特征.随后,将以上提取的数据作为质量感知特征与图像的主观分数值输入后向传播神经网络进行回归训练得到针对色域映射图像的质量评价模型.最后,在三个公开的色域映射图像数据库上进行性能验证.实验结果表明,该算法在预测色域映射图像质量方面优于现有的无参考算法.     

基于局部方差的快速分形图像块编码算法

在分形图像块编码中,大部分时间花在序列块和较大的主池间寻找紧密的匹配上,对一幅较大的图像来说,由于主池按指数地增加,这种时间上的耗费便加剧了。本文提出了利用主块局部方差来减少搜索的空间,通过根据其局部方差排序收缩的主池,我们可以把所有可能的紧密匹配都限定在一个相对小范围的窗口来限制搜索空间,而在得到同样编码图像质量前提下同满搜索方法相比,编码的时间可以被缩短,其提高的速度可以达10倍左右。     

图像重定向质量评价的研究进展

随着移动显示设备的普及,人们可以使用不同的终端设备来获取图像信息。为了适配不同尺寸的设备,图像重定向技术应运而生,并成为当前研究的热点。尽管该技术在近年来取得了长足进步,但没有算法能够保证在不降低视觉内容质量的前提下满足多种显示设备的要求。换句话说,在图像重定向的过程中,不可避免地会引入失真,降低用户的视觉体验。因此,如何客观、准确地评价重定向图像质量对图像重定向算法的选择、优化及发展至关重要。当前,研究人员已针对图像重定向质量评价开展了一系列研究,并取得了一定的研究成果。但是缺乏对图像重定向质量评价的综述,因此本文对当前图像重定向质量评价的研究进展进行了较为全面的回顾和总结。首先简单介绍了图像重定向以及传统图像质量评价;然后分别介绍图像重定向质量评价的数据集和客观质量评价方法,将现有的客观质量评价分为基于传统特征相似性的方法和基于图像配准的方法两类,并分析了两类方法的优缺点;接着在3个数据集上对具有代表性的算法的性能进行了对比分析;最后,总结了当前图像重定向质量评价领域面临的问题和挑战,并指明了未来可能的发展方向。     

多尺度脊波字典的构造及其在图像编码中的应用

在变换域图像编码技术中,图像的稀疏表示是编码的关键。该文在分析了脊波函数的缺陷的基础上,首先提出了一种多尺度脊波字典的构造方法,并通过树形结构对原子进行组织,加快了图像稀疏分解中最匹配原子的搜索速度;然后提出了一种基于树形多尺度脊波字典的匹配追踪静态图像编码方法;最后通过对量化失真与编码速率的分析,结合稀疏分解系数的分布,提出了系数的自适应量化和编码方案。实验结果表明,多尺度脊波字典能够对图像进行有效的稀疏表示;与JPEG2000相比,新的编码算法具有更好的编码性能,尤其在低比特率条件下。     

基于结构失真分析的立体图像质量客观评价模型

在立体图像?视频系统编码、传输、解码等环节中,立体图像质量评价是图像失真的一个重要评判准则.考虑到图像结构特性能较好地反映立体图像质量变化,提出一种基于结构失真的立体图像质量客观评价模型,该模型包括左右视点图像质量和深度感知质量评价两部分.首先根据人眼对图像中不同区域的敏感度存在差异且自然图像具有一定方向奇异性的特性,得到左右视点图像质量评价值;然后利用左右视点的绝对差值图像,采用奇异值向量差异和均值偏差率来描述立体图像深度感的畸变;最后融合前面两部分的评价值得到最终的立体图像质量评价值.实验结果表明,文中模型与主观感知存在较好的一致性,对于高斯模糊、高斯白噪声、JPEG压缩、JP2000压缩以及H.264编码,其评价结果与主观感知之间的相关系数高于0.93,Spearman秩相关系数高于0.92,均方误差低于6.6.     

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.     

二维匹配跟踪自适应图像编码

提出一种基于二维可分离Gabor函数时频原子字典的自适应图像编码方法．该方法能够产生嵌入式、渐进PSNR的位流，并具有对感兴趣区域ROI优先编码的能力．它将原始图像表示成若干时频原子函数的线性叠加，这些时频原子取自冗余的时频原子字典，可以最佳匹配图像中所包含的各种结构特征．实验结果表明，该算法能够有效地捕捉图像中所包含的纹理和边缘等具有高频窄带的信号特征，在极低位率下该算法的图像恢复质量要优于零树SPIFIT编码算法．     

基于结构信息的图像质量评价模型

针对客观数字图像质量评价方法结构相似度（SSIM）算法对严重失真类型的评价值与主观评价（MOS）值之间存在着明显差异的问题,对几种将SSIM算法与人眼视觉系统（HVS）特性相结合的算法基于图像边缘的ESSIM算法、基于空间域频域敏感的HSSIM算法,以及基于信息内容权值的IWSSIM算法进行了比较。从实验数据可知,ESSIM,HSSIM算法的准确性有不同程度的提高,而IWSSIM模型在比较主客观值相关的单调性方面更为稳定。实验结果为今后结构相似度算法的改进提供了依据,指明研究方向。     

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。     

客观评价图像编码质量的新方法

为了客观正确地衡量图像编码质量，基于重要性测度和模糊积分，给出了一种评价图像编码质量的新方法，该方法的第1步，首先分别计算图像在边缘、纹理和平坦区域各部分的误差，然后根据评价函数给出各部分的评价值，最后再根据边缘、纹理和平坦区域的重要性测度给出一个全局评价值；第2步，首先根据误差发生的位置来确定重要性测度，然后在这个重要性测度下，通过对全部像素的误差进行模糊积分来给出一个精细评价值；第3步，基于前面两步的评价值给出最终的评价值。实验结果表明，从和人的主观测试(MOS)的相关系数的角度来衡量，该方法明显高于PQS、峰值信噪比、加权均方差等方法。     

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。     

无参考屏幕内容图像质量评价

随着多客户端交互多媒体应用的快速发展,屏幕内容图像（Screen content image,SCI）的分发和处理与日俱增.图像质量评价课题的研究是其它许多应用的基础,至今图像质量评价课题研究的重点是传统自然图像,因此针对屏幕图像质量评价的研究就变的非常迫切和必要.客观图像质量评价算法的提出的基础建立在标准图像质量评价数据库上.本文首先构建了一个大规模的屏幕内容图像质量评价数据库（Immersive Media Laboratory screen content image quality database,IML-SCIQD）.IML-SCIQD数据库包含参考图像25张以及经过10种失真处理的1250张失真图像.以建立的IML-SCIQD数据库为基础,考虑到屏幕内容图像图像区域和文本区域的视觉感知差异,在基于自然场景统计的无参考方法的启发下,本文提出了针对屏幕内容图像的无参考评价算法（Natural Scene Statistics based No Reference Screen Content Image Quality Assessment metric,NSNRS）.NSNRS算法首先分别计算图像区域和文本区域的质量分数,再将这两个区域的质量分数结合起来得到整幅失真图像的质量分数.该算法与其它12种经典的客观评价算法,包括全参考算法,部分参考算法与无参考算法,在IML-SCIQD数据库和SIQAD数据库上进行了性能测试和对比,结果表明本文提出的算法优于经典的的无参考评价算法;就整个数据库而言,本文提出的算法可以达到与全参考方法相当的性能.