基于空域特征的无参考图像质量评价算法

针对现有无参考图像质量评价算法通用性差,且存在高计算复杂度的问题,提出一种基于图像空域统计特征的无参考图像质量评价算法。该算法引入图像对数统计特性,通过度量失真图像与自然图像统计特征之间的偏差,实现无参考图像质量评价。仿真测试结果表明,与现有无参考技术相比,提出算法简单有效,适用于多种失真类型,且与人类主观感知具有较好一致性。     

互信息域中的无参考图像质量评价

目的无参考图像质量评价是近几年来的研究热点,具有深远的现实意义和广泛的应用价值,提出一种基于互信息的无参考图像质量评价方法。方法该方法使用原始自然图像及其对应的规范化亮度图像和局部标准差图像作为输入,利用自相关互信息对输入图像邻近像素间的相关性进行量化,并引入多尺度分析得到图像在两个尺度上的互信息特征,最后使用支持向量机(SVM)在LIVE图像数据库上训练学习,从而对多类失真图像进行客观质量评价。结果在LIVE图像数据库中对本文算法进行性能测试,实验结果显示该算法得到的评价结果与人眼主观评价结果之间的平均相关系数高达0.93,总体分类准确率达到79%,性能足以与当前主流的全参考、无参考方法相竞争。结论本文方法有别于传统的基于变换的无参考图像质量评价方法,将着眼点放于自然图像邻近像素之间的固有联系上,并取得了较好的实验效果。由于没有使用图像变换并从全局域进行考虑,本文方法具有较低的时间复杂度。     

基于双目融合的无参考立体图像质量评价

针对对称失真和非对称失真图像的评价问题,提出了一种基于双目融合的无参考立体图像质量评价方法。首先,分别将立体图像的左、右视点图像分解成拉普拉斯金字塔序列,利用图像平均梯度和区域能量确定各层融合系数,在双目加权模型的基础上逐层融合两序列并重构合成图像。然后,提取左、右视点图像、合成图像的多尺度多方向频域变换特征和对比度、熵、能量、逆差分矩特征。最后,将特征参数作为支持向量回归模型的输入进行训练并预测图像质量。在LIVE 3D phaseⅠ和LIVE 3D phaseⅡ图像库上作相关性分析,其Pearson线性相关系数和Spearman等级相关系数均分别达到0.96和0.95以上。结果表明,本文方法对立体图像质量的预测结果与主观评价值具有较高的一致性。     

结合NSS和小波变换的无参考图像质量评价

为了度量不同失真类型的图像质量,提出一种基于小波多尺度变换的无参考质量评价方法。该方法根据自然场景统计(NSS)模型中小波多尺度变换子带能量在对数域的线性分布规律,利用失真条件下变化缓慢的高尺度子带能量预测理想图像的低尺度子带能量,同时对一些不适合失真类型进行能量补偿,最后通过量化失真图像的预测值和实际值之间的能量差异来度量图像质量。实验结果表明,该方法与主观评价方法有较好的一致性,且在总体性能上优于当前相关文献的方法。     

基于非下采样轮廓波变换和多核学习的盲图像质量评价

非下采样轮廓波(Contourlet)变换具有多尺度、多方向特性,能够对图像纹理和结构信息进行精确提取,可以很好地模拟人类视觉系统的多分辨率特性,基于此提出一种基于非下采样Contourlet变换的通用型盲(无参考)图像质量评价算法。首先在空间域上对图像进行非下采样Contourlet变换;然后在各方向带中分别提取能有效反映人类视觉失真程度的特征:高频幅值、平均梯度、信息熵作为图像的特征;最后将其输入到高效的分层多核学习机中学习,预测图像的质量得分。在混合失真型数据库和3个单失真型数据库上的交叉实验结果表明,该算法性能优越,能很好地预测失真图像质量,具有很好的主客观一致性。     

结合图像二次模糊范围和奇异值分解的无参考模糊图像质量评价

针对图像的模糊失真问题,提出一种结合图像二次模糊范围和奇异值分解的无参考图像质量评价方法.首先根据图像二次模糊范围的差异性构建参考图像;然后对失真图像与参考图像进行奇异值分解,利用奇异值向量矩阵的相似度构建失真特性向量;再结合Log-Gabor滤波器组和高斯差分模型进行视觉显著度检测;最终以显著度加权的失真特性向量预测模糊图像的质量得分.大量实验结果表明,与同类算法相比,文中方法能够准确地评价模糊图像质量,与主观评价具有较高的一致性;在LIVE2图像库上,评价指标斯皮尔曼等级相关系数达到0.968 7,均方根误差为4.858 9;该方法无需对数据进行训练,具有较强的实用性和推广性.     

基于视差图和复数轮廓波变换的无参考立体图像质量评价

现有的2D图像质量评价方法并不能很好地应用于立体图像质量评价中。为了有效评价不同失真立体图像的质量,提出了一种基于视差图和复数轮廓波变换的无参考图像质量评价方法。首先提取了能够反映3D信息的视差图,然后对左右失真图像和视差图进行复数轮廓波变换,计算能量和能量差特征,最后通过支持向量回归SVR模型训练学习,预测图像质量分数。实验结果表明,此方法优于当前文献报道的立体图像质量评价方法。     

基于可控金字塔的无参考图像质量评价模型

为具有多种失真的图像提供一个无参考质量评价通用模型,提出了基于可控金字塔的评价算法.该算法结合自然场景图像的统计特性,利用可控金字塔变换对图像进行多尺度多方向的分解,并经过较小的训练,得到未失真图像子带系数分布特征模型.根据不同子带系数对图像降质的影响设置权值,计算量化后失真图像系数的实际分布与未失真自然场景子带系数分布特征模型的偏离程度,以度量图像的质量.实验结果表明,该算法能较好地符合人类视觉的主观评价.     

基于小波域峰态值的无参考噪声图像评价算法

随机散布在自然图像里的噪声失真一般会破坏图像的原始概率密度分布。研究发现,无失真自然图像和它对应的噪声图像在离散小波变换（Discrete Wavelet Transform,DWT）系数分布上有很大区别：对于自然图像,其DWT系数分布比较尖锐,峰值高,拖尾短;对于噪声图像,其系数分布则比较扁平,峰值低,拖尾长。作为一种常用的统计特征描述,峰态值可以度量和区分不同失真程度的噪声图像的DWT系数分布,而且,DWT系数分布的峰态值具有很好的频率尺度不变性。基于以上特性,提出了一种无参考噪声图像质量评价模型（Blind Noisy Image Quality Assessment model using Kurtosis,BNIQAK）。实验测试了三个最大的质量评价图像库中的五种噪声失真图像,结果表明,和现有无参考噪声评价模型、一般无参考评价模型和全参考（Full-Reference,FR）评价模型相比,BNIQAK具有更好的评价效果。     

基于灰度共生矩阵的无参考模糊图像质量评价方法

无参考图像质量评价已成为近来研究的热点.基于灰度共生矩阵提取相位一致图像特征进行学习的基础上,提出一种无参考模糊图像质量评价方法.该方法首先通过LogGabor小波变换生成待评测图像的相位一致图像,然后利用灰度共生矩阵计算相位一致图像的信息熵、能量、对比度、相关性和同质性5个特征,最后利用支持向量回归模型训练学习,预测得到无参考模糊图像质量得分.4个公开数据库模糊图像上的实验结果表明,该方法预测得分与主观得分有较好的一致性,获得较好的评价指标.     

基于梯度相关性分解的无参考图像质量评价方法

目前大部分无参考型的图像质量评价方法都是基于图像的几何特征进行描述的,但是这种方法对于图像的边界要求较为严格,并且在实际应用中的图像的失真类型是未知的。针对这一缺点,提出一种基于梯度相关性分解的无参考图像质量评价(DGS)方法,该方法提取图像的梯度,对其进行奇异值分解作为图像的主要结构信息,以此对图像的质量进行评价。实验结果表明,DGS模型比通用的简单有效的峰值信噪比(或均方误差)模型更符合人眼视觉系统特性,能在无参考的情况下更好地评价图像质量,并与图像的主观评价值达到更准确的一致性。     

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。     

色彩熵在图像质量评价中的应用

目的 由于色彩空间包含了图像的大量信息,而且Lab色彩空间更接近于人眼视觉,因此提出一种改进的无参考图像质量评价算法IQALE(image quality assessment using Lab color space and entropy),通过在SSEQ(spatial-spectral entropy-based quality)算法中加入Lab色彩空间a通道和b通道的特征来提高算法精度。方法 信息熵是近几年研究较多的图像特征,并且能较好地运用在图像质量评价研究中。该文在色彩空间和灰度空间同时提取信息熵特征,通过支持向量机(SVM)对图像特征和MOS值进行训练和测试。结果 在LIVE、TID2008、MICT、CSIQ和IVC这5个常用数据库上的实验结果表明:在算法中加入Lab色彩空间信息可以提高算法精度,并且本文算法IQALE的效果优于目前流行的无参考图像质量评价算法。为了验证算法的可扩展性,该文还在这5个数据库上进行了数据库独立性实验。结论 从实验结果来看,本文提出的IQALE算法通过加入色彩熵特征使得算法具有较高且较稳定的精度,数据库独立性实验也体现了算法较好的鲁棒性,对于各种失真类型都具有较好的普适性。     

Image quality assessment via multiple features

Multimedia devices are indispensable in the information society. And, image quality highly impacts user experience of multimedia equipment. Therefore, measuring image quality accurately has great application value. The existing image quality assessment (IQA) methods have demonstrated the natural sense statistics and image structural information can measure the degradation of image. However, the generalization ability of individual IQA method is limited. In this paper, we propose a novel no-reference IQA method which is based on multiple features. For each image, we first extract natural sense statistic feature, global structural feature and local structural feature, respectively. Second, we train the quality prediction model via different features, and obtain different quality prediction scores by the models. Third, the prediction scores are collected and transformed to feature vectors. Subsequently, the IQA model is trained by support vector regression, and the input variables are the obtained feature vectors and subjective scores. The experimental results on the public databases demonstrate the proposed method can accurately predict the quality of both natural image and screen content image, and the performance is competitive with prevalent methods.

     

基于小波高频结构相似的无参考高斯图像质量评价

针对传统无参考图像质量评价方法计算复杂、难以应用的问题,提出一种简单、直接的小波高频结构相似性的无参考高斯图像质量评价方法。该方法根据自然图像同尺度高频子带间结构相似度(SSIM)随着失真程度的增加而降低的性质,利用小波变换获取图像的同尺度不同方向的三个高频分量,通过分别计算图像高频子带间的峰值信噪比(PSNR)与结构相似度得出图像高频结构差异作为最终的图像客观评价指数。通过与三个公开图像数据库实验验证可知,提出的方法与主观评价具有较好的一致性,并且算法结合了物理意义明确的峰值信噪比与结构相似度,比传统方法算法运行更为简单快捷,评价一幅图像只需0.2s左右,具有良好的实用性。     

基于全局和局部特征的无参考夜间图像质量评价

针对夜间图像光线暗、特征不易提取的问题,提出一种基于全局和局部特征的无参考夜间图像质量评价方法.首先,利用等高线原理将图像分为亮区域和暗区域2部分,将亮区域占整幅图的比例作为特征1;其次,提取夜间图像的全局亮度信息并将其作为特征2;再次,结合微分算子法求得图像的边缘图作为特征3;然后,将夜间图像从RGB转换到HSI,提取色度、饱和度和亮度分量并将其分别作为特征4、特征5和特征6;最后,结合上述特征通过BP神经网络建立评价模型来评价夜间图像的质量.在公开数据库上的测试结果表明,所提方法与主观分数具有更好的一致性,并且优于现有的图像质量评价方法.     

No-reference image quality assessment using interval type 2 fuzzy sets

Image quality assessment of distorted or decompressed images without any reference to the original image is challenging from computational point of view. Quality of an image is best judged by human observers without any reference image, and evaluated using subjective measures. The paper aims at designing a generic no-reference image quality assessment (NR-IQA) method by incorporating human visual perception in assigning quality class labels to the images. Using fuzzy logic approach, we consider information theoretic entropies of visually salient regions of images as features and assess quality of the images using linguistic values. The features are transformed into fuzzy feature space by designing an algorithm based on interval type-2 (IT2) fuzzy sets. The algorithm measures uncertainty present in the input–output feature space to predict image quality accurately as close to human observations. We have taken a set of training images belonging to five different pre-assigned quality class labels for calculating foot print of uncertainty (FOU) corresponding to each class. To assess the quality class label of the test images, maximum of T-conorm applied on the lower and upper membership functions of the test images belonging to different classes is calculated. Our proposed image quality metric is compared with other no-reference quality metrics demonstrating more accurate results and compatible with subjective mean opinion score metric.     

全参考图像质量评价综述

图像质量评价是图像处理领域内一项很有意义的研究课题。客观图像质量评价方法可分为全参考评价方法、半参考评价方法和无参考评价方法, 目前全参考评价方法较为成熟, 而半参考和无参考评价方法则处于初级阶段, 远远达不到参考评价方法所能达到的效果。对全参考评价方法进行综述。首先简要地介绍了各种类型的评价方法, 其次详细地介绍了PSNR、SSIM、MSSIM、IFC、VIF、FSIM等几种典型的全参考图像质量评价方法, 然后在LIVE和TID2008数据库上进行实验, 对这几种全参考方法进行对比、分析, 最后探讨图像质量评价研究的发展趋势。