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。     

基于亮度统计的无参考图像质量评价

基于亮度均值减损对比归一化(MSCN) 系数统计特性及其8方 向邻域系数间的相关性,提出了一种通用无参考图像质量评价方法.首先,分别利用非 对称广义高斯分布(AGGD)模型拟合MSCN系数及其8方 向邻域系数,并估计 相应AGGD 模型参数作为亮度统计特征;其次,计算8方向邻域MSCN系数间的互信息(MI),作为描述方向相 关性的统计特征;进而,分别利用支持向量回归机(SVR)和支 持向量分类机(SVC)构建无参考图像质量评价模型和图像失真类型识别模型; 最后, 在LIVE 等图像质量 评价数据库上进行了算法与DMOS的相关性、失真类型识别、模型 鲁棒性及计算复杂性等方面的实验。实 验结果表明,本文方法的评价结果与人类主观评价具有高度的一致性,在LIVE图像质量评 价数据库上的斯 皮尔曼等级相关系数(SROCC)和皮尔逊线性相关系数 (PLCC)均在0.945以上;而且,图像失真 类型识别模型的识别准确率也高达到92.95%,明显高于 当今主流无参考图像质量评价方法。     

基于自然统计特征分布的无参考图像质量评价

针对目前的无参考评价方法无法准确反映人类对图像质量的视觉感知效果,该文提出一种基于自然统计特征分布(DIstribution Characteristics of Natural, DICN)的无参考图像质量评价方法。其原理是用小波变换将图像分解为低频子带和高频子带部分,再将高频子带部分分成 的小块,提取每一子块的幅值和信息熵,并分别计算其分布直方图均值和斜度作为特征,利用支持向量回归思想对特征进行训练,建立5种不同失真类型的质量预测模型。在此基础上,采用支持向量机针对图像特征构造分类器并进行失真判断以确定不同失真的权重,结合5种失真评价模型可得到自然统计特征分布的无参考评价模型。实验结果分析表明,该算法的评价效果优于现有的经典算法,与主观评价具有较好一致性,能够准确反映人类对图像质量的视觉感知效果。     

基于奇异值分解与自然图像统计的无参考图像质量评价方法

针对图像质量评价问题,从自然图像统计与SVD角度出发,提出一种通用无参考图像质量评价方法.方法对待测失真图像进行局部归一化,利用奇异值分解提取图像高频信息,采用非对称广义高斯分布进行模拟高频信息的自然图像统计特征,构建图像质量特征向量;利用支持向量机构建图像质量回归模型,实现图像质量评价.通过在LIVE2图像质量评价数...     

基于半监督学习的无参考图像质量评价算法

为了能够在图像质量评价领域实现自监督学习,提出一种基于半监督学习的双分支网络训练的无参考图像质量评价算法。它是具有两个分支的训练过程,其中在一个分支使用少量手工标记数据样本来进行有监督学习,在另一个分支进行自监督学习来辅助前者训练同一个特征提取器,自监督学习部分采用几种传统的全参考方法联合为训练样本打上软标签。在6个公开的图像数据库中进行大量实验,结果表明所提算法不仅在合成失真图像数据集上优于目前大多数方法,而且在真实失真图像数据集上具有良好的泛化性能,预测结果与人类主观感知表现一致。     

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。     

结合结构信息和亮度统计的无参考图像质量评价

基于非下采样Contourlet变换(Nonsubsampled Contourlet Transform,NSCT)子带系数间的结构相关性,本文提出了一种通用的无参考图像质量评价方法.首先,利用互信息分析NSCT子带系数间的相关性,确定出相关性比较强的子带系数;其次,分别计算这些子带系数间的结构信息比较算子,以此作为描述图像结构相关性的统计特征;进而,结合空间域亮度均值减损对比归一化(Mean Subtracted Contrast Normalized,MSCN)系数及其邻域系数的统计特征,分别构造相应的无参考图像质量评价模型和图像失真类型识别模型;最后,在LIVE等图像质量评价数据库上进行了大量的实验仿真.仿真结果表明,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,与当今主流评价算法相比非常具有竞争性.     

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。     

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。     

一种基于颜色特征的图像质量评价算法

颜色作为描述图像最直接有效的特征,是目前图像质量评价中备受关注的评价参数之一。提出一种基于颜色特征的全参考图像质量评价系统,该系统在结构相似性SSIM(Structural Similarity)理论的基础上,充分考虑色度信息对人眼视觉感知的影响,利用分块颜色矩,建立了一种新的相似度度量模型。实验结果表明,该模型获得的客观评价结果与主观评价值具有很高的一致性。     

基于非局部梯度的图像质量评价算法

图像质量评价研究的目标在于模拟人类视觉系统对图像质量的感知过程,构建与主观评价结果尽可能一致的客观评价算法。现有的很多算法都是基于局部结构相似设计的,但人对图像的主观感知是高级的、语义的过程,而语义信息本质上是非局部的,因此图像质量评价应该考虑图像的非局部信息。该文突破了经典的基于局部信息的算法框架,提出一种基于非局部信息的框架,并在此框架内构建了一种基于非局部梯度的图像质量评价算法,该算法通过度量参考图像与失真图像的非局部梯度之间的相似性来预测图像质量。在公开测试数据库TID2008, LIVE, CSIQ上的数值实验结果表明,该算法能获得较好的评价效果。

     

CNN Based No-Reference HDR Image Quality Assessment

Motivated by the problems of non-universality and over-reliance on the original reference image in High dynamic range (HDR) Image quality assessment (IQA), a convolutional neural network-based algorithm for no-reference HDR image quality assessment is proposed. The Salience detection by self-resemblance (SDSR) algorithm which extracts the salient regions of the HDR image, is used to simulate the human visual attention mechanism. Then a visual quality perception network for training quality prediction models is designed according to the visual characteristics of luminance and contrast sensitivity. And this network consists of an Error estimation network (Error-net), a Perceptual resistance network (PR-net) and a mixing function. The experimental results indicate that the method proposed has high consistency with subjective perception, and the value of assessment metrics Spearman rank-order correlation coefficient (SROCC), Pearson product-moment correlation coefficient (PLCC) and Root mean square error (RMSE) correspondingly reaches 0.941, 0.910 and 8.176 as well. It is comparable with classic full-reference HDR IQA methods.     

一种通用型无监督的无参考图像质量评价算法

为了克服针对特定失真类型的局限性以及避免有监督的学习过程,通过视觉注意模型和边缘信息来构造特征池,提出了一种基于特征池的不区分失真类型以及无监督的无参考图像质量评价算法.该算法不针对特定失真类型,对各种失真类型的图像都能做出较好的评价,从这个角度来说,是一种通用型算法.此外,该算法不需要主观分值的训练,因而又是一种真正的无监督的质量评价算法.而且,在提取空域特征时,考虑了人类的视觉感知特性,认为感兴趣区域以及边缘块会显著地影响人们对图像质量的评价.实验结果表明,该算法性能与人们的主观感知具有较好的一致性.     

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HVS的视频会议画面对比度无参考质量评价

对比度是衡量视频会议画面质量的一个重要指标,结合人眼视觉系统特性,引入视觉感兴趣人物画面的加权因子和非视觉感兴趣背景画面的加权因子,提出一种基于人眼视觉特性的视频会议画面对比度无参考质量评价方法.实验表明,该方法是一种行之有效的视频会议画面质量评价方法,测试结果与TID2013图像库中主观评价结果的符合度较好.     

基于人类视觉系统的立体图像质量评价方法

随着立体图像的大规模发展,很多应用场合需要能够迅速有效地完成对立体图像的质量评价工作,以便于后续应用,而对其进行主观质量评价在效率上很难满足要求。因此,提出了一种感知质量评价算法,并结合了一些人类视觉系统的特性。首先需要得到视差图,然后通过边界图和显著图来对视差图进行加权调整。接着使用Minkowski融合方法将加权后的视差图整合成感知分数。最后,使用多尺度分析来得到最终的感知质量分数。通过使用EPFL立体质量评价数据库来验证文中的立体图像感知质量评价算法。实验显示算法最后得到的客观分数和EPFL数据库中的主观分数具有高度的一致性和单调性,证明了文中的立体图像感知质量评价算法是有效的。     

No-Reference Image Quality Assessment Method Based on Visual Parameters

Recent studies on no-reference image quality assessment (NR-IQA) methods usually learn to evaluate the image quality by regressing from human subjective scores of the training samples. This study presented an NR-IQA method based on the basic image visual parameters without using human scored image databases in learning. We demonstrated that these features comprised the most basic characteristics for constructing an image and influencing the visual quality of an image. In this paper, the definitions, computational method, and relationships among these visual metrics were described. We subsequently proposed a no-reference assessment function, which was referred to as a visual parameter measurement index (VPMI), based on the integration of these visual metrics to assess image quality. It is established that the maximum of VPMI corresponds to the best quality of the color image. We verified this method using the popular assessment database—image quality assessment database (LIVE), and the results indicated that the proposed method matched better with the subjective assessment of human vision. Compared with other image quality assessment models, it is highly competitive. VPMI has low computational complexity, which makes it promising to implement in real-time image assessment systems.     

基于图像失真类型的自适应图像质量评价方法

提出了一种图像质量评价方法,所提出的评价算法抽取DCT系数特征来代表图像的失真类型,使用基于支持向量机的分类器对图像失真类型进行预测,随后针对每一种失真类型,给出相应的融合评价算法,对图像进行质量评价.实验结果表明,该算法在整体性能上要优于传统的PSNR及SSIM等图像质量评价算法.