基于特征融合的无参考屏幕图像质量评价

考虑到人类视觉系统对图像边缘和局部纹理信息较为敏感,本文提出一种基于特征融合的无参考屏幕图像质量评价方法。所提方法通过梯度方向直方图和局部二值模式分别提取屏幕图像的边缘和局部纹理信息,接着通过特征融合过程得到一个更加能够描述屏幕失真的融合特征,最后采用支持向量回归训练得到屏幕图像融合特征向量与主观质量分数的质量评价映射模型。实验结果显示,与现有的图像质量评价方法相比,本文所提算法能够更好地反映出人类视觉系统对屏幕图像的主观感知度。      

基于结构信息和像素失真的客观图像质量评价

为了度量多种失真类型的图像质量,根据人类视觉系统(HVS)对图像空域结构信息高度敏感和任一类型的失真都会产生像素失真理论,提出一种基于结构信息和像素失真的无参考的质量评价方法.该方法利用色彩信息提取能够表征图像结构信息的视觉内容结构图,并加权像素失真来度量图像质量,同时对部分失真类型进行修正.该方法不涉及任何参数设置也无需训练过程.实验结果表明,该方法能够较好地评价白噪声、JPEG压缩、高斯模糊、JPEG2000压缩和FastFading等失真图像的质量,并与主观评价方法有较好的一致性.     

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。     

基于联合字典的无参考真实失真图像的质量评价

针对真实失真图像提出一种基于联合字典的无参考 (NR)图像质量评价(IQA)方法,分为训练和测试两个阶 段。在训练阶段,首先对真实失真图像提取美学特征和自然场景统计特征,然后对图像特征 和标签进行联 合字典学习,训练得到特征字典和质量字典。在测试阶段,根据特征字典和质量字典计算真 实失真图像的 质量值。在LIVE Challenge数据库上的实验结果表明,本文方法的评价结果与主观评价结果 有较好的相关 性,符合人类视觉系统的感知,相比较传统的无参考方法,具有更好的优越性。     

基于双目特征联合的无参考立体图像质量评价

通过模拟人类视觉系统(HVS)的双目视觉行为,提 出一种基于双目特征联合的无参考立 体图像质量评价(NR-SIQA)方法。首先分析立体视觉感知中的双目联合行为,提出 可应用于立体图像质量预 测的双目联合模型;然后采用学习和统计分析的方法,分别提取局部和全局特征并联合作 为感知特征; 最后采用机器学习算法,建立特征和质量的关系模型,并结合基于特征的双目联合模型预测 立体图像质量。实验结果表明,本文方法在对称立体图像库上的Pearson线性相关系数(PLCC)和Spearman等级系数(SRCC)高于0.93,在非对称库上高于0.87,优 于现有评价方法。     

基于边缘特征融合网络的图像去噪方法

目前大多数图像去噪算法在去除噪声的同时,通常会丢失图像的边缘细节信息.针对这一问题,提出了一种基于边缘特征融合的图像去噪方法.首先,通过基于Canny算子的边缘提取网络提取图像的边缘信息,由于Canny算子不需要训练,这在很大程度上缩短了去噪时间;其次,通过基于残差密集连接的初去噪网络来保证训练的稳定性以及避免梯度消失,实现图像的初步去噪;最后,通过基于信道与空间注意力机制的融合网络将提取的边缘信息图像与初步去噪图像充分融合,自适应地给相对重要的边缘信息分配更大的权值,对图像的边缘细节进行增强,以得到具有更多边缘信息的清晰图像.实验结果表明,在BSD68和Set12数据集上,与常见的DnCNN、BM3D等去噪方法相比,所提出去噪方法的平均PSNR比DnCNN分别高出0.13 dB、0.29 dB,比BM3D分别高出0.76 dB、0.82 dB,在视觉效果上看也保留了更多的图像细节,同时去噪速率也大幅度的提高.     

基于血管分割的视网膜图像无参考质量评价方法

为了研究不同失真类型和不同失真程度对血管分割 的影 响,本文将图像的失真类型和失真程度量化为图像血管分割精确度,由于现有公开库中包含 血管分割标签 的图像中均为低失真甚至无失真图像,因此本文构建了一个视网膜失真图像数据库,共包含 2种失真类型, 每种失真类型的图像均有8个等级的失真程度,共552幅视网膜失真图像,并将每幅失真图 像对应的血管 分割精确度作为该图像的标签。此外,本文提出了一种基于血管分割方法的视网膜图像无参 考质量评价方 法,通过提取视网膜图像的像素值统计特征、图像纹理特征以及血管形状特征得到最终视网 膜图像的质量。 在提出的数据库上测试结果显示,皮尔逊线性相关系数值高于0.96, 斯皮尔曼等级相关系数值高于0.95。 与现有评价方法相比,该方法优于传统的无参考评价方法,更能够客观的反映不同失真图像 对血管分割这一应用的影响。     

基于边缘特征和亮度的彩色图像质量评价

传统的图像质量评价算法大多针对灰度图像而言,这些算法利用图像中对应的像素灰度误差建立数学模型来评价图像,不能够评价彩色图像的质量。本文提出了一种基于边缘特征和颜色亮度信息的彩色图像质量评价方法。首先,利用Sobel算子提取图像边缘;其次,定义了边缘和亮度相似系数来分析它们对图像的影响。最后,综合考虑这两个因素建立数学模型对彩色图像进行评价。大量实验表明:该方法适合评价彩色图像;同时,该实验结果与人的主观感觉的一致性较好。     

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。     

基于双目能量响应的无参考立体图像质量评价

为了实现对不同失真类型立体图像的质量评价,提出了一种基于双目能量响应的无参考立体图像质量评价(NR-IAQ)方法。首先,通过对各失真图像进行Gabor滤波,提取出不同频率、不同方向、不同视差响应下的局部特征矢量,作为立体图像特征信息;然后,利用支持向量回归(SVR)建立立体图像特征与主观评价值的关系,从而预测得到立体图像质量的客观评价值。实验结果表明,对于NBU-3D测试库,Pearson线性相关系数值在0.92以上,Spearman等级相关系数值在0.93以上;对于LIVE-3D测试库,Pearson线性相关系数值在0.96以上,Spearman等级相关系数值在0.96以上;与现有的全参考(FR)和(NR)质量评价方法相比,本方法得到的客观评价值与主观评价结果有较好的相关性,更加符合人眼视觉系统。     

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。     

Image quality assessment for contrast enhancement evaluation

Although the contrast enhancement (CE) is a great challenge, few efforts have been conducted on evaluation of the contrast changes. In this paper, we propose a contrast-changed image quality (CCIQ) metric including a local index, named edge-based contrast criterion (ECC), and three global measures. In the global measures, entropy, correlation coefficient and mean intensity are exploited. Particle swarm optimization (PSO) algorithm is utilized for obtaining an optimal combination of these quantities. Although the presented method utilizes the original image, it cannot be considered as a full-reference metric, since the original image is not regarded to have the ideal quality. Hence, it can be concluded that it follows a new paradigm in image quality assessment. Experimental results on the three benchmark databases, CID2013, TID2013 and TID2008 demonstrate that the proposed metric outperforms the-state-of-the-art methods.     

基于局部离散小波变换的无参考模糊图像质量评价方法

构造模糊图像的参考图像,使无参考(NR)图像质 量评价转变为一种全参考(FR)图像质量评价,提出一种基于 局部离散小波变换的NR模糊图像质量评价方法。首先,采用低通滤波的方 法构造原始模糊图 像的参考图像;然后,通过局部离散小波变换提取出原始模糊图像和参考图像的高频能量图 ;最后计 算两幅高频能量图的相似度,得到原始模糊图像的质量。在LIVE、TID2008和CSIQ 3个数据 库上的实验结果表明, 本文算法的评 价性能较优,相较其他常用的4个清晰度评价算法,在与主观评价的单调性和一致性上有明 显提高,在LIVE 数据库上的SROCC值达到0.9598,在CISQ数 据库上的SROCC值达到0．9104 ,与主观评价平均意见成绩(MOS)值拟合的散点图拟合度为最优。实验数据 结果表明,本文算法性能稳定,符合人类视觉系统。     

基于粒子群优化与梯度下降法的多模图像配准

针对多模图像配准单纯使用粒子群优化(PSO)算法导致搜索速度慢这一现象,提出了结合PSO和梯度下降法的分步式搜索算法.以CT与MR图像配准为例,计算了使用互信息作为相似性测量时的配准函数,进而分析了图像配准算法中可能遇到的局部极值问题.根据配准函数的特点,提出在局部极值较少时使用梯度下降法代替PSO算法搜索以减少运算量...     

基于边缘检测和像素分类的可逆数据隐藏

为了提高嵌入算法的整体性能,提出一种基于边缘检测和像素分类的灰度图像可逆数据隐藏算法。算法按嵌入容量优先原则自适应地选择最佳阈值提取图像边缘,并根据边缘信息和指定的图像质量控制因子将像素分为平滑、弱边缘和强边缘像素3类。对平滑像素,通过增加嵌入强度的方法提高嵌入容量,预测误差直方图平移2位;对弱边缘像素,像素值最大修改量为1,从而保证图像含密质量;强边缘像素的像素值保持不变,进一步提高含密图像质量。实验结果表明,本文算法在保证图像质量的同时有效提高嵌入容量,算法的整体性能优于其它同类算法。