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.     

基于视觉注意的全参考彩色图像质量评价方法

如何实现对图像质量的高效准确评价一直是图像和信号处理领域的一个关键问题,针对当前大多图像质量客观评价算法忽略人眼视觉系统（HVS）的影响以及只考虑灰度图像质量评估的不足,提出一种基于视觉注意模型的全参考彩色图像质量评价（IQA）算法。该算法将彩色图像视觉显著性(VS)作为相似性特征与彩色图像多通道边缘强度相似性测度相结合,最终实现对彩色图像的质量评估。LIVE2数据库中实验证明,本算法在复杂度、鲁棒性和与主观评价一致性方面都有明显优势。     

利用相位一致性的图像质量评价方法

各种图像处理建立在有效性地提取图像特征之上,如图像分类、分割和图像质量评价等,因此获取有效的图像特征对于图像处理意义十分重大。不同于在图像灰度的突变点处直接定义图像特征,相位一致性(PC)在傅里叶分量的相位保持高度一致的位置观测图像特征,获得了丰富的特征信息和精确的特征定位,与人类视觉系统(HVS)对图像特征的认知相符。提出了一种新的基于相位一致性特征的图像质量评价方法。该方法使用退化与参考图像的相位一致性在局部区域的相似度来测量图像质量的退化程度;并且考虑到相位一致性是纹理和边缘的反应,而人类视觉系统对纹理丰富的区域较为敏感,利用相位一致的局部最值作为加权值,将局部的相似度结合为单个的图像质量评分值。实验结果表明,提出的图像质量指标具有较好的主客观一致性。尤为重要的是,该指标对图像的亮度和对比度变化不敏感。     

基于对比度敏感度的图像质量评价方法

通过分析人眼视觉系统（HVS）的对比度敏感度特性,利用小波变换提取影响图像质量的相关因素,提出了一种图像质量评价的新方法。其基本思路是根据HVS特性中的对比度敏感度,即空间频率特性曲线,对图像进行二维多级小波分解,由分解后的各小波分量,提取各频段相应的亮度、清晰度和相关度指标;然后将这三个指标的几何平均与频段加权系数的内积做算术平均,以此作为图像质量的综合评价指标。实验表明该方法能较好地反映人的主观感受,效果明显优于传统图像质量评价方法。     

图像质量的HVS评价方法

在充分分析人类视觉系统（HVS）的亮度、纹理、边缘等特性,并给出相应的视觉特性计算模型后,提出一种结合HVS特性的加权峰值信噪比计算方法。实验结果表明该模型计算出的HVS值能充分反映人类视觉系统的屏蔽特性;该图像质量评价方法的评价结果与主观评价结果相一致,效果优于传统图像质量评价方法。     

结合HVS特性的视频图像质量评价

在分析视觉非线性、对比敏感度、多通道结构等人类基本视觉特性的基础上,提出了一种结合人眼视觉系统特性(HVS)的视频图像质量评价新方法。该方法首先对图像信号进行小波分解,基于小波域提取视觉特征参数,然后建立符合人眼视觉感知特性的图像质量评价指标,在此基础上给出具体评价算法。仿真实验结果表明,在视频图像压缩编码中采用本算法的图像质量评价性能优于传统的客观评价方法。     

多特征融合的图像质量评价方法

为了规避图像质量评价中的视觉特征和池化策略难以选取和解释的问题,在提取参考图像和失真图像的多种底层特征的基础上,采用机器学习的方法自动预测真实图像质量,提出多特征融合的图像质量评价方法.针对参考图像和失真图像分别提取相位一致性、梯度、视觉显著性、对比度特征,计算4种特征的相似度图,提取相似度图的均值和方差特征,最后采用支持向量回归评价文中方法.在LIVE、CSIQ、TID2008和TID2013图像库上的实验表明,文中方法的主客观一致性较好.     

符合人眼视觉特性的视频质量评价模型

视频技术的发展为其质量评价的出了新的课题,但由于评价图像质量的关键在于所用视觉模型是否符合人的感知特性,因此评价图象质量必须考虑以视觉锐度,对比度敏感度,多通道结构和掩盖特性为基础的人眼视觉特性（HVS）,为了使人们对基于人眼视觉特性的视频质量评价模型研究现状有所了解,介绍了几种目前比较成功的基于HVS的视频质量评价模型,并分析和总结了它们的性能,最后展望了评价模型的发展。     

基于梯度及HVS特性的离焦模糊图像质量评价*

在当前人眼视觉系统（HVS）特性研究的基础上提出基于梯度及HVS特性的离焦模糊图像质量评价模型（GVSSIM）。该模型利用Sobel边缘梯度算子提取图像的梯度信息,并根据人眼视觉特性进行视觉加权,得到新的结构相似性评价指标,进而获得图像质量评价指标。该方法与SSIM(图像结构相似度)评价模型相比,具有计算简单的特点,对离焦模糊图像的评价结果能更好地反映人眼视觉感受。     

基于几何结构失真模型的图像质量评价研究

客观图像质量评价研究的目的是设计一种和视觉感知保持一致,且适用于各种失真模型的质量评价方法. 传统的结构相似度量质量评价方法忽视了自然图像本身的特点,不能很好地评判某些失真类型图像. 本文根据人眼视觉系统(Human visual system, HVS)在感知图像质量过程中的特点,探索自然图像的本征几何结构特征, 考虑像素点的方向失真、幅度失真和方差失真,提出了一种新型的基于图像几何结构失真模型的完全参考质量评价方法. 在标准数据库上的实验结果表明,本文方法适用于所有失真模型图像数据的质量评价, 计算复杂度相对较低,得到的图像客观评价结果和主观评价方法具有更好的一致性, 能够很好地反映人眼对图像质量的主观感受.     

No-reference image quality assessment using modified extreme learning machine classifier

In this paper, we present a machine learning approach to measure the visual quality of JPEG-coded images. The features for predicting the perceived image quality are extracted by considering key human visual sensitivity (HVS) factors such as edge amplitude, edge length, background activity and background luminance. Image quality assessment involves estimating the functional relationship between HVS features and subjective test scores. The quality of the compressed images are obtained without referring to their original images (‘No Reference’ metric). Here, the problem of quality estimation is transformed to a classification problem and solved using extreme learning machine (ELM) algorithm. In ELM, the input weights and the bias values are randomly chosen and the output weights are analytically calculated. The generalization performance of the ELM algorithm for classification problems with imbalance in the number of samples per quality class depends critically on the input weights and the bias values. Hence, we propose two schemes, namely the k-fold selection scheme (KS-ELM) and the real-coded genetic algorithm (RCGA-ELM) to select the input weights and the bias values such that the generalization performance of the classifier is a maximum. Results indicate that the proposed schemes significantly improve the performance of ELM classifier under imbalance condition for image quality assessment. The experimental results prove that the estimated visual quality of the proposed RCGA-ELM emulates the mean opinion score very well. The experimental results are compared with the existing JPEG no-reference image quality metric and full-reference structural similarity image quality metric.     

基于轮廓波数字水印的JPEG图像质量评价方法

半参考图像质量评价方法是一种利用原始图像的部分信息对失真图像进行质量预测的方法,提出了一种基于轮廓波变换数字水印的JPEG图像压缩半参考质量评价方法。首先参考人类视觉系统（Human Visual System,HVS）的思想,选取轮廓波变换的低频区域作为水印嵌入区域,从而生成半脆弱数字水印。然后根据已嵌入水印图像与原始图像之间的结构相似度（Structural Similarity,SSIM）的值,设计自适应水印嵌入系统,以保证水印的不可见性。最后分别在LIVE图像数据库2和TID2008图像数据库中,根据已嵌入水印图像进行数据库重建,并测试该算法的性能。实验结果对比显示,该算法与其他算法相比较,具有较好的准确性、单调性以及一致性,能够较好地反应JPEG失真图像的质量。     

基于参数自适应的ISS盲水印算法

提出了一种基于改进的扩频(improved spread spectrum,ISS)技术的盲水印算法,针对ISS技术局部嵌入失真不可控制的缺点,结合人类视觉系统模型(HVS模型)建立一个限失真的数学模型实现水印自适应最优嵌入。实验结果表明,提出的算法克服了ISS算法中局部失真大的问题,并且有比ISS算法更好的鲁棒性。水印图像在JPEG压缩、各种噪声、常见滤波的攻击下能够提取出水印信息,表现较强的鲁棒性。     

小波域鲁棒自适应图像水印嵌入方案

以图像反色、图像置乱、离散小波变换和人眼视觉特性为基础,提出了一种新的采用灰度图像作为水印的自适应嵌入方案。实验结果表明,该算法不仅具有较好的透明性,而且对缩放、剪切、JPEG或JPEG2000压缩等图像退化处理或攻击均具有较强的鲁棒性。     

HVS模型及其在静止图象压缩质量评价中的应用

图象质量尺度是最优化图象压缩算法参数和提高图象质量的重要依据 .建立在人类视觉模型 (HVS)基础之上的感知质量尺度作为主客观联系的桥梁 ,能有效地反映出人对图象失真在视觉上的感知 .近年来 ,有许多研究者借助人类视觉系统研究中的最新成果 ,深入分析了与图象质量密切相关的视觉感知特性 ,提出了大量效果不错的静止图象压缩感知质量尺度 ,并对视觉感知特性在图象质量尺度中的应用方法进行了较全面的综述 ,揭示了影响其图象质量预测准确性、鲁棒性的主要因素 ,给出了该领域的最新研究成果和未来发展方向 .     

The transform image codec based on fuzzy control and human visualsystem

A novel processing scheme for gray level image compression based on the human visual system (HVS) and fuzzy control is proposed. The spatial model of the threshold vision that incorporates the masking processes takes account of two major sensitivities of the human visual system, namely background illumination levels and spatial frequency sensitivities. The distortion measures use common sense fuzzy rules for image quality prediction. The human visual models have been successfully applied in image compression. By the addition of the visual model, performance of these systems has a visible improvement of subject quality depending on visual perception. The processed image performs both improved compression ratio as well as improved SNR (signal to noise ratio) in compression to the standardized still image compression technique, i.e., the JPEG     

一个新的基于DCT的自适应数字水印算法

本文提出了一个利用DCT系数的关系来进行水印嵌入和提取的算法。该算法利用人类视觉系统HVS的特点，通过巧妙调整DCT系数之间的相互关系来嵌入水印．从而使得图像在嵌入一个比较稳健的水印后的视觉失真尽可能最小。水印提取不需要原始图像。实验结果表明本算法的图像保真度较好，并对JPEG压缩、剪切等常见的图像处理方法具有较好的稳健性，并优于文献上的相关算法。     

人类深度感知立体图像质量评价方法

立体图像质量评价是感知与显示的基础,也是立体视频系统设计的依据。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的视觉系统特性。通过对视觉非线性、对比敏感度、多通道结构和掩蔽效应等人类视觉特性的分析,提出一种符合人类主观感知的立体图像质量评价方法。该方法首先对图像进行5级小波分解,将图像的空间频率按视觉系统的掩盖效应特点分成6个频带分别进行滤波,以改变原始图像的空间频率,然后对每个频带进行相似度度量。根据对比敏感度特性对各个频带的质量评价结果进行加权平均,得到最终的质量评价尺度。实验结果表明,本文方法优于传统的客观质量评价方法,与人的主观感受有更好的一致性,能够反映图像的质量以及立体感。     

No-reference image quality assessment with center-surround based natural scene statistics

In this paper, we propose an efficient no-reference image quality assessment (NR-IQA) method dubbed Center-Surround based Blind Image Quality Assessment (CS-BIQA). Our proposed method employs the Difference of Gaussian (DoG) model to decompose images into several frequency bands, considering the center-surround effect and multi-channel attribute of human visual system (HVS). The integrated natural scene statistics (NSS) features can be further derived from all DoG bands. After that, regression models between the integrated features and associated subjective assessment scores are learned on the training dataset. Subsequently, the learned models are used to predict the quality scores of test images. The main contribution of this paper is twofold. Firstly, the empirical distributions of DoG bands of images are proven to be a Gaussian-like distribution. And thus, the NSS features can be employed to represent the perceptual quality of images. Secondly, different types of distortions are observed to affect different frequency components of images. So, the integrated features extracted from multi-frequency bands are employed in CS-BIQA to achieve stronger distinguishable capability of image quality. Excessive experiments are conducted to indicate that our proposed CS-BIQA metric can represent the perceptual characteristics of HVS. The results on popular IQA databases demonstrate that the CS-BIQA metric is competitive with the state-of-the-art relevant IQA metrics. Furthermore, our proposed method has very low computational complexity, making it more suitable for real-time applications.