结合HVS和相似性度量的图像质量评价测度

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。传统的评价方法(如PSNR和MSE)只是在像素域统计参考图像和失真图像的误差,因而不能有效反映图像的视觉感知质量。针对上述问题,在充分考虑人眼视觉感知特性的基础上,提出一种新颖的图像质量评价算法,通过模拟人类视觉系统,并结合相似性度量方法获得有效的图像质量评价测度。实验结果显示,采用本文方法获得的图像质量评价结果与主观感知具有较好的一致性,能准确地反映人眼对图像质量的视觉感知。     

基于视觉相似性的去色图像质量评估

针对基于结构相似性的去色图像质量评估算法没有充分利用图像的梯度特征且采用的对比度相似度特征会忽略图像连续颜色块的一致性导致算法与人类视觉主观判定有较大出入的问题,提出一种基于图像视觉相似性的去色图像质量评估算法--C2G-VSIM。该算法以彩色图像为参考图像,由不同去色算法产生的与之相关的去色灰度图像作为测试图像,对参考图像以及测试图像进行颜色空间转换,并且进行高斯滤波,充分考虑了图像亮度相似度和结构相似度特征,并在此基础上首先引入一种新的颜色一致性对比特征以促使C2G-VSIM对全局颜色对比度特征进行捕捉,其次引入梯度幅值特征至C2G-VSIM中以提高算法对图像梯度特征的敏感度,最后联合得到图像质量评估因子C2G-VSIM。在Cadík的数据集上的实验结果表明,C2G-VSIM与人类视觉主观评定的等级相关性在准确度和主观评判喜爱度上分别达到了0.8155和0.7634,相对于基于彩色图和灰度图的结构相似性（C2G-SSIM）评估算法在未增加较大耗时的情况下,准确度有明显提高。所提算法与人类视觉主观判定具有较高的一致性,且计算简单,在实际工程中能大规模且有效地对去色图像进行自动化评分。     

一种基于人眼视觉特性的图像质量评价

图像质量评价的研究已成为图像信息工程的基础技术之一。由于图像的最终接受者是人，所以评价图像质量的关键在于其是否符合人类视觉系统特性。为了建立一种新的符合人眼视觉特性的图像质量评价方法，利用小波变换与人类视觉系统的多通道特性相匹配的特点，结合对比敏感度函数的带通特性，同时考虑计算的复杂性，给出了一种与人对图像质量评价保持良好一致的图像质量评价算法。实验结果表明，其评价结果与主观评价方法平均评价分数的相关系数达0．95，而对应的客观评价方法峰值信噪比与平均评价分数的相关系数为0．81。     

基于HVS的水下图像质量评价

因为水的吸收和散射效应,导致水下图像普遍存在模糊、低对比度和色彩不均衡等问题,而自然图像质量评价方法没有考虑水下成像的特殊性,难以应用于水下图像;同时目前有效的水下图像的质量评价方法较少,且存在一定局限性.针对此问题,提出了一种新的与主观感知密切相关的无参考水下图像质量评价方法,选择与视觉感知相关性高的色度特征(Col...     

基于人眼视觉特性的X线图像质量评价方法

图像质量评价是图像处理技术的基础.由于图像处理结果的最终接受者是人,因此在评价图像质量时必须考虑到人类视觉系统的特性.为此利用小波的多分辨率分析方法与人眼视觉系统(HVS)信息处理特性相类似的特点,结合对比敏感度函数的带通特性,提出了一种无参考的客观图像质量评价方法.实验结果表明,该评价方法优于传统的质量评价方法,而且能较好地与人的主观视觉感受保持一致.     

基于概率矩阵分解的多失真图像质量评估算法

图像质量评价(Image Quality Assessment, IQA)是视觉感知模型研究的重要分支,使用IQA算法自动化地评估图像质量有广阔的应用前景。基于概率矩阵分解(Probability Matrix Factorization)提出一种多失真图像质量评价算法,主要贡献有:提出一种图像质量评价的新思路,即利用PMF方法从失真图像估计参考图像,把失真图像和估计参考图像之间的信息损失作为图像质量的度量;构建新颖的特征向量描述这种信息损失;使用支持向量回归(Support Vector Regression, SVR)完成图像质量模型的训练。提出的算法在多个公开的图像质量评价数据库上超过了经典方法,实验结果证明该方法与人的主观质量评价具有更好的一致性。     

基于Curvelet变换的图像质量多尺度灰评价

为了更加客观有效地评价图像质量,利用灰色关联分析理论的整体比较机制和Curvelet变换多尺度多方向分析图像特征的优点,提出一种改进的图像质量评价算法——Curvelet系数灰关联法。该算法首先在不同尺度和不同方向上得到待评价图像与参考图像之间的灰色关联度,然后对同一尺度上各个方向的关联度求均值,利用其与标准参考序列进行二次关联比较,从而从二个层次综合评价图像质量。实验表明,该方法不仅能够提供更多的质量信息,而且较PSNR评价方法,能够更好地符合人眼的主观感知。     

基于Contourlet系数灰关联的图像质量评价算法

为了更加客观有效地评价图像质量,本文提出一种基于Contourlet系数灰关联的图像质量评价算法。该算法利用灰色关联分析的整体比较机制和Contourlet变换多尺度多方向分析图像的优点,首先从不同尺度不同方向上分别计算出参考图像与待评价图像之间的灰色关联度,然后对同一尺度上所有方向的关联度求均值,最后,利用这些均值与标准参考序列进行二次关联比较,从而可在不同尺度不同方向及综合两个层次评价图像质量。实验表明,该方法不仅能从不同尺度不同方向提供更多的质量信息,而且能更好地符合人眼的主观感知。     

基于CMOS传感器的图像质量评价

根据基于CMOS传感器的成像设备所获取图像的特点,提出一种针对CMOS传感器的全参考图像质量评价算法.该算法利用方向梯度直方图和信息熵理论建立图像结构规则度的有效表达方式,并结合结构规则度和亮度信息表征图像的质量.实验结果表明:对于多类常见干扰图像,所提算法的客观分数与图像主观分数的相关系数可达到0.95以上.该算法可以作为评估和提升CMOS传感器性能、改善相机成像质量的重要基准.     

基于感兴趣区域的图像质量评价方法

将图像质量的评价划分为感兴趣区域与非感兴趣区域的加权组合评价,在感兴趣区域内使用梯度算子改进结构相似评价方法,非感兴趣区域沿用经典的结构相似评价。实验结果表明,该方法能较好地考虑感兴趣区域的重要性,更符合人的主观视觉质量。     

基于小波变换的无参考立体图像质量评价

立体图像质量评价是图像处理领域中一项重要技术,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。为了更好地评价立体图像质量,提出了一种基于小波变换提取左右图像及其合成图像特征的无参考立体图像质量评价方法。该方法首先通过对失真的立体左右图像计算合成图像;再通过小波分解提取左右图像及其合成图像的小波系数,获取小波子带能量作为立体图像质量感知特征;最后通过支持向量回归建立立体图像特征与主观得分的关系模型,来预测和得到立体图像质量的客观评价得分。实验结果表明,与现有无参考立体图像质量评价方法相比较,该客观评价模型可以获得更好的主观感知一致性,更加符合人眼视觉系统。     

图像配准的小波分解方法

提出了利用图像与其作小波分解后的近似分量的轮廓相似性，进行图像配准的一种方法．首先利用仿射变换和小波分解的理论，证明了该方法的正确性，并对求配准参数的运算量进行了分析；然后给出了利用该方法实现图像配准的步骤；最后结合MRI图像的配准，对该方法进行了实验验证．该方法能提高配准的速度，对实时图像配准具有实用价值．     

利用奇异值分解法的立体图像客观质量评价模型

为了利用人眼的立体掩蔽效应去除视频信号中存在的视觉心理冗余,以进一步提高立体视频编码效率,提出一种立体图像客观质量评价模型.首先通过对立体图像的主观视觉质量分析探寻具有统计意义的人眼立体掩蔽效应规律,为客观质量评价模型的建立和优化提供理论依据;然后根据图像的奇异值表征图像属性具有较强稳定性特点,并将其引入模型中;最后通过实验对该模型进行优化,并按照VQEG的质量评价参数对优化后的模型进行性能评价.实验结果表明,Pearson线性相关系数值为0.955,均方根误差值为3.737,Spearman等级相关系数值为0.906,异常值比率值为0.811%,表明文中提出的客观评价模型能够很好地预测人眼观看立体图像的主观感知.     

基于复值小波分解的图象拼合

图象拼合是一种基于图象的场景编码方法，它被很多基于图象的绘制IBR（image based rendering）系统采用，用来建立复杂的虚拟场景表示（例如，360°球面和柱面全景图、环境映照及高分辨率图象等）.基于复值小波多分辨率分解(Complex Wavelet Multiresolution Decomposition)提出了一种有效的图象拼合方法，它能同时地、逐步求精地对图象进行匹配和整合.首先，采用复值小波变换不仅可以保证全局优化的结果，还能够满足图象整合的规模不变和平移不变性.其次，基于多分辨     

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.     

基于小波分解的分形压缩图象增强

讨论分形解码结果图象的特点,基于分形码对图象的放大作用,用小波提取放大图象中的高频信息,再用小波图像融合方法增强图象细节,同时用小波的局部极大值的Ｌｉｐｓｃｈｉｔｚ指数调整方法去除结果图象的块效应,直接提高压缩结果图象质量,可用于改善高压缩比的分形压缩解码结果图象质量。     

基于不可分小波分解的图像配准方法

张量积小波强调的是图像中水平和垂直方向的高频信息,而不可分小波具有各向同性,可以提取图像中各个方向的边缘,能获得比较完整的图像轮廓,将这种特点应用于图像配准时,能准确定位图像仿射不变点的位置。为此,提出一种通过求取不可分小波分解后的高频子图像配准参数来配准原图像的方法,把图像的配准问题转化为其不可分小波分解后的高频子图像配准问题。从不可分小波分解的快速算法理论出发,证明该配准方法的正确性。构造一组四通道不可分小波滤波器组,在此基础上给出配准的方法和步骤。实验结果表明,该方法具有较好的配准效果,其求取图像配准参数的运算量比直接求取原图像配准参数运算量的1/4还少,与基于张量积小波分解的图像配准方法相比,具有较高的配准精度。     

基于视觉信息保真度的图像增强质量客观评价方法

视觉信息保真度(VIF)是一种基于自然场景统计模型(NSS)、图像失真和人类视觉失真建模的新判据。传统上,图像质量评价算法将图像质量解释为使用"基准"或"完美"的图像作为参考的相似性或者保真度。本文将VIF方法应用于图像增强效果的评价,该方法将失真图像取代"完美"图像作为参考图像以评价增强后的图像的质量。由于VIF指标在某种程度上融合了HVS的特点,因此,相比传统方法具有明显的优势。本文通过大量的主观测试对该方法进行验证,实验显示该方法的性能优于当前的其他方法。     

基于小波分解卷积神经网络的病理图像分类

组织病理图像分析是癌症诊断的金标准,在患者的预后治疗中起到至关重要的作用.目前在AI医学影像领域,利用CNN(Convolutional Neural Network)网络对数字病理图像的分类已经成为研究热点.但是传统CNN网络中广泛使用最大/平均池化(Max/Average pooling)模块,不可避免的丢失了...     

一种基于内容的图像质量评价测度

鉴于传统的图像质量评价测度,如峰值信噪比,不能有效地反映人对图像的视觉感知。为此,提出了一种基于内容的图像质量评价测度;在改进基于结构相似度(structural similarity,SSIM)的图像质量测度基础上,根据图像的内容将图像分成边缘、纹理和平滑区域3部分,在每个区域又利用模糊积分融入了结构相似性的数量信息,从而充分利用了图像结构信息相似性及其在位置和数量上的融合信息来全面评价图像质量。实验结果表明,利用该测度所得到的图像质量评价结果与主观评价结果有着很好的相关性,能较准确地反映人对图像质量的主观感受。