图像质量评价研究综述——从失真的角度

随着多媒体技术的快速发展及广泛应用,图像质量评价因其在多媒体处理中的重要作用得到越来越多的关注,其作用包括图像数据筛选、算法参数选择与优化等。根据图像质量评价应用时是否需要参考信息,它可分为全参考图像质量评价、半参考图像质量评价和无参考图像质量评价,前两类分别需要全部参考信息和部分参考信息,而第3类不需要参考信息。无论是全参考、半参考还是无参考图像质量评价,图像失真对图像质量评价的影响均较大,主要体现在图像质量评价数据库构建和图像质量评价模型设计两方面。本文从图像失真的角度,主要概述2011—2021年国内外公开发表的图像质量评价模型,涵盖全参考、半参考和无参考模型。根据图像的失真类型,将图像质量评价模型分为针对合成失真的图像质量评价模型、针对真实失真的图像质量评价模型和针对算法相关失真的图像质量评价模型。其中,合成失真是指人工添加噪声,如高斯噪声和模糊失真,通常呈现均匀分布;真实失真是指在图像的获取中,由于环境、拍摄设备或拍摄操作不当等因素所引入的失真类型。相对合成失真,真实失真更为复杂,可能包括一种或多种失真,数据收集难度更大;算法相关失真是指图像处理算法或计算机视觉算法在处理图像...     

基于深度学习的图像质量评价方法综述

图像质量评价是对图像或视频的视觉质量的一种度量,主要分析了最近10年图像质量评价算法的研究情况。介绍了图像质量评价算法的衡量指标以及常用的图像质量评价数据集,对图像质量评价方法的分类做了阐述,重点分析了基于深度学习技术的图像质量评价算法。目前,该类算法的基础模型主要包括深度卷积神经网络、深度生成对抗网络和变换器,其性能通常高于传统的图像质量评价算法。描述了基于深度学习技术的图像质量评价算法的原理,重点介绍了基于深度生成对抗网络的无参考图像质量评价算法,通过增强对抗学习强度提高模拟参考图的可靠性。深度学习技术需要海量训练数据的支持,探讨和总结数据集增强的方法,对数字图像质量评价方法的未来研究进行展望。     

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。     

数码打印、复印一体机常见图像质量问题排除方法(上)

对于数码打印、复印一体机来说,其工作原理基本相似,只是在显影上有双组份和单组份之分,所以很多常见的图像质量问题可以多种机型通用。数码打印、复印一体机当使用一定的年限时或打印、复印到一定张数后,其图像质量都会有所下降,一些部件在使用到极限时,就会出现图像质量的缺陷。有些图像质量问题是由于我们对数码打印、复印一体机工作原理及性能不太熟悉,在操作时没有将其调整到最佳状态或还处于错误状态下,还有的是使用耗材不符合规定等,使输出图像效果不佳,这就是我们称之为图像质量问题(故障)。它一般不影响机器硬件的正常工作,但输出图像效果却不尽人意。下面介绍一些常见的图像质量问题及解决办法。     

图像数字水印算法误差分析

通过建立水印嵌入参数和图像质量之间的关系,给定了图像质量的客观评价准则,例如,信噪比或峰值信噪比,使水印算法能自行确定最佳的水印嵌入能量或强度,有一定的实用价值;还论述了由于在水印嵌入时进行了截断处理,导致水印提取时产生截断误差,这将有助于对水印算法的进一步改善。     

数字图像的平滑技术

一幅原始图像在获取和传输过程中会受到各种噪声的干扰,使图像质量下降.退化会引起图像模糊,特征淹没,对分析图像不利.为了抑制噪声改善图像质量进行的处理称为图像平滑或去噪.主要分析图像在空间域平滑处理方法,相关方法的适用场合.     

无参考图像质量评价综述

图像质量评价是图像处理领域的热门研究课题之一。图像质量评价研究的目标是设计算法,给出和人的主观视觉感受相符合的评价结果。在客观图像质量评价的几种方法中,由于无参考图像质量评价方法的灵活性,该方法正受到越来越多的关注。文章首先概述了图像质量评价的相关知识,并从无参考图像质量度量方法和评价算法等角度对无参考图像质量评价进行分析．最后概括了无参考图像质量评价发展的现状及其发展趋势。     

无参考图像质量评价研究进展

图像质量评价一直是图像处理和计算机视觉领域的一个基础问题,图像质量评价模型也广泛应用于图像/视频编码、超分辨率重建和图像/视频视觉质量增强等相关领域。图像质量评价主要包括全参考图像质量评价、半参考图像质量评价和无参考图像质量评价。全参考图像质量评价和半参考图像质量评价分别指预测图像质量时参考信息完全可用和部分可用,而无参考图像质量评价是指预测图像质量时参考信息不可用。虽然全参考和半参考图像质量评价模型较为可靠,但在计算过程中必须依赖参考信息,使得应用场景极为受限。无参考图像质量评价模型因不需要依赖参考信息而有较强的适用性,一直都是图像质量评价领域研究的热点。本文主要概述2012—2020年国内外公开发表的无参考图像质量评价模型,根据模型训练过程中是否需要用到主观分数,将无参考图像质量评价模型分为有监督学习和无监督学习的无参考图像质量评价模型。同时,每类模型分成基于传统机器学习算法的模型和基于深度学习算法的模型。对基于传统机器学习算法的模型,重点介绍相应的特征提取策略及思想;对基于深度学习算法的模型,重点介绍设计思路。此外,本文介绍了图像质量评价在新媒体数据中的研究工作及图像质量评价的应用。最后对介绍的无参考图像质量评价模型进行总结,并指出未来可能的发展方向。     

图像质量评价的建模与仿真研究

研究图像质量准确评价问题,图像采集、压缩传输中会出现畸变,使图像模糊,传统评价方法难以从对这些特征进行正确区分,导致图像质量评价准确率低。为提高图像质量评价准确率,提出一种采用最小二乘支持向量机(LSSVM)的图像质量评价方法。首先采用PSNR和SSIM分别对图像质量进行评价,得到的评价值作为描述图像质量的参数,然后输入到LSS-VM进行学习,建立新的图像质量分类器,采用建立的分类器对图像质量进行仿真评价。仿真结果表明,相对于单一的图像质量评价方法,提高了图像质量评价的准确率,评价结果与视觉感知评估值更加一致。     

基于图像质量加权的D-S证据理论多生物特征融合识别

对人脸和指静脉在决策层的融合识别,给出一种新的组合图像质量评价方法,并采用一种改进的基于图像质量加权的D-S证据理论融合这两种生物特征。首先,组合图像质量评价法采用清晰度和对比度、相关系数的组合方法来评价生物特征图像质量;其次,应用改进的基于图像质量的匹配值增强方法和D-S证据理论,减少了极大值图像质量指标的影响,使图像质量加权与实际情况更趋一致。实验结果表明,与没有考虑图像质量因素相比,考虑了图像质量信息的D-S证据理论融合方法提高了识别效果。     

噪声对PET图像质量的影响研究

研究PET图像噪声与质量的关系,作为选择最适当的PET重建迭代次数或迭代停止的依据.利用蒙特卡罗模拟Siemens ECAT PET扫描仪,用OSEM、MLEM迭代重建算法获得Huffman、Utah重建图像,使用了SSIM、PSNR两种不同质量评价方法估算图像质量并以标准偏差评估噪声.结果显示Huffman图像噪声随着迭代次数增加,图像质量随着迭代次数降低;均值滤波除燥会降低图像质量;利用Utah重建图像进行再度计算也得同样结果.说明噪声影响到图像质量的计算,噪声滤除会造成最优图像的计算错误.精准的估算噪声并且有效的滤除,将可获得真正最优迭代图像,作为停止迭代依据.     

IHS和小波变换结合多源遥感影像融合质量对小波分解层数的响应

随着遥感技术的快速发展以及遥感数据的广泛应用,影像的融合处理已成为多源遥感影像信息聚合、获取高质量空间影像的有效途径。基于SPOT全色和多光谱、TM多光谱遥感数据,运用IHS和小波变换相结合的融合方法,进行了不同来源影像融合、融合图像质量对小波分解层数的响应以及这种响应对研究区域面积的敏感性分析。结果表明,多源影像之间的IHS和小波变换相结合的融合方法明显地改善了影像的质量;融合图像质量与原始影像空间分辨率相关,如经1层小波变换融合,TM,SPOT融合图像熵值的增幅分别为2095%,019%。小波融合图像质量对小波分解的层数的敏感性较强,在小波分解层数为2,3或4时,都能获得高质量的融合图像;小波分解层数等于或大于5时融合图像质量下降,7是大幅下降的临界层数。融合图像质量对小波分解层数的响应特性对面积大小变化是敏感的,特别是小面积图像,为此,实际应用中需特别注意最佳分解层数问题。     

基于3D DCT的嵌入式零树视频编码

一、前言基于3-D DCT的视频编码以其高压缩比及速度快等特点,具有在低码率信道下实现视频图像实时编码的潜能,对应用具有极高价值,且其算法复杂度低。在相同的压缩比较条件下,基于3-D DCT的视频编码方法所得到的重建图像质量要优于H.261或MPEG方法;在相同的重建图像质量的条件下,基于3-D DCT的视频编码方法的压缩比要高于H.261或MPEG方     

基于梯度方向信息的医学图像质量评价方法研究

研究医学图像质量的评价方法,提高评价方法的可靠性。医学图像是由计算机使用数学方法重建得到的,其独特的成像特点对图像质量评价的要求很高。由于在图像成像过程中不可避免会受到噪声等影响,使得图像存在不均匀或失真等,传统的医学图像质量评价方法只是采用信噪比对图像的质量进行评价,对失真图像评价的可靠性不高。为提高评价方法的可靠性,提出基于梯度方向信息的医学图像质量评价方法。它不仅考虑图像信噪比,而且结合像素点间的相关性和人类视觉感知特性,计算出梯度方向信息作为评价指标,能够避免传统方法对失真图像评价可靠性不高的问题。实验表明,这种方法能够真实反映图像的视觉感知质量,具有较高的评价可靠性。     

通用型无参考图像质量评价算法综述

图像质量评价可有效评估图像采集和传输过程引起的失真或退化,在数字多媒体领域具有广阔的应用前景,无参考图像质量评价算法由于不需要参考图像先验知识,近年来成为图像质量评价领域研究的热点。在对国内外文献进行广泛调研的基础上,从评价算法原理和性能比较两个方面,系统综述了BIQI、DIIVINE、BLIINDS、BLIINDS-II、BRISQUE、NIQE和GRNN等当前性能较优的几种无参考图像质量评价算法。介绍了各种算法的特征提取和质量评价原理,在LIVE数据库上对上述评价方法进行仿真评估,并分析和比较了各种算法的评价性能和执行速度,提出了无参考评价方法的进一步研究方向。综述的几种无参考图像质量评价算法虽然已具有很好的效果,但在评价时严重依赖数据库中的主观评价数据,并且在评价精度和算法复杂度方面还存在一些不足,需要进行深入研究。     

改进的结构相似医学图像质量评价方法

医学图像质量评价从基本方法上和普通图像评价是相同的。基于人眼视觉系统的图像质量客观评价一直是图像处理领域的研究热点。Zhou Wang等人提出了著名的客观质量评价方法：结构相似度（SSIM）,它的理论基础是人眼视觉系统能高度自适应地提取场景中的结构信息。其评价性能优于PSNR（或MSE）。但是SSIM评价模糊失真类的图像准确性较低。在深入研究SSIM算法的基础上,提出一种改进SSIM算法：基于梯度方向信息的图像质量评价方法（GDSSIM）。实验结果表明,GDSSIM评价高斯模糊（GBlur）图像库时准确性明显高于PSNR和SSIM,评价Fast Fading图像库时准确性也有明显优势。最后,初步探讨了以上图像质量评价算法在医学图像上的应用。     

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。     

虹膜图像质量评价综述

虹膜图像质量评价是虹膜识别系统中重要的模块,通过评价低质量虹膜样本的综合质量来提升虹膜识别的性能。虹膜图像质量评价与图像获取、人机交互系统、识别性能预测以及自适应虹膜识别算法设计等密切相关。近年来,随着低图像质量的鲁棒虹膜识别系统不断发展,虹膜图像质量评价得到了广泛研究。为了使该领域的研究人员充分了解当前虹膜图像质量评价算法,本文对已有的方法进行了综述。回顾了虹膜图像质量评价算法的发展历程,阐述了其典型应用,进而展望了虹膜图像质量评价算法以及以质量为导向的虹膜识别技术的发展。     

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ROI的双尺度结构相似度图像质量评估

目前有些图像质量评估方法未考虑到感兴趣区域对图像质量的影响,所得结果与人的主观感觉有误差。为此,提出基于感兴趣区域的双尺度图像质量评价方法。将图像质量的评价分为感兴趣区域和不感兴趣区域的加权组合评价,在感兴趣区域内使用双尺度图像质量评价方法,不感兴趣区域使用传统的结构相似度评价方法。实验结果表明,该方法考虑了感兴趣区域对图像质量的影响,强化了感兴趣区域评价值在总评价值中的比重,更符合人的主观视觉质量。