基于图像内容视觉感知的图像质量客观评价方法

图像质量客观评价在图像和视频传输、编解码以及服务质量中起着非常重要的作用.然而现有的方法往往没有考虑图像内容特征及其视觉感知,使得其质量客观评价与主观感知结果存在一定的差距.基于此,本文结合图像内容的复杂性特征和人眼的掩蔽特性、对比敏感度特性以及亮度感知的非线性特性,提出了一种基于人眼对图像内容感知的图像质量客观评价方法.该方法首先结合亮度感知的非线性模型将图像进行转换,得到人眼感知强度图;再分别以人眼对比敏感度值和图像局部平均对比度值作为权重因子对强度求和,以求和的数据信息作为人眼感知图像的内容,并构建图像感知模型;最后以此模型分别模拟人眼感知参考图像和失真图像,并计算二者的强度差,以强度差为评价分数的基础构建图像质量客观评价模型.采用LIVE,TID2008和CSIQ三个数据库中的共47幅参考图像和1549幅测试图像进行仿真实验,且与SSIM,VSNR,FSIM和PSNRHVS等典型的图像质量客观评价模型进行对比分析,同时探讨影响图像质量评价的因素.结果表明:所提方法的评价分数与主观评价分数的Pearson线性相关性系数和Spearman秩相关系数值比SSIM的评价结果均有一定程度的提高,提高幅度分别平均为9.5402%和3.2852%,比PSNRHVS和VSNR提高幅度更大.综合以上表明:所提方法是一种有效可行的图像质量客观评价方法;同时,在图像质量客观评价中,考虑人眼对图像内容的感知和复杂度的分析有助于提高图像质量主客观评价的一致性,评价精度可得到进一步的提高.     

基于区域对比度和SSIM的图像质量评价方法

在诸多图像质量评价方法中,结构相似度(SSIM)算法简单高效,准确性较高,但SSIM模型不能很好地评价存在局部失真和交叉失真类型的图像。针对SSIM算法对图像不同区域平等对待的不足并考虑了时域人眼视觉特性,提出一种改进的基于区域对比度和结构相似度(RCSSIM)的图像质量评价方法。该算法将图像区域灰度信息对比度与SSIM算法融合,加权归一为参考图像与失真图像的对比度结构相似度值,以其评价图像质量。在LIVE图像数据库上的实验结果表明,与SSIM算法相比,RCSSIM评价结果的皮尔逊线性相关系数提高约0.015,均方根误差减小约0.55,更接近于人眼主观测试结果,具有更好的评价性能。     

灰度夜视融合图像质量结构相似度评价方法

针对灰度夜视融合图像质量评价问题,提出利用构造的参考图像与融合图像进行结构相似度比较的客观评价方法.分别利用均值、标准差、熵、平均梯度及空间频率等全像素统计指标作为构建参考图像的构造因子,利用权重协调输入源图像在参考图像中的比例关系,获得了融合图像质量加权结构相似度评价模型.考虑到结构相似度评价模型中的结构函数对于严重模糊或失真的图像不能很好地反映图像的结构变化,进一步提出了梯度结构相似度评价模型和平均联合熵结构相似度评价模型.利用主观评价实验比较提出的三种基于结构相似度的融合图像质量评价模型发现,平均联合熵结构相似度评价模型有更好的稳定性且更接近人眼主观感受.     

基于感知对比度的图像清晰度客观评价模型

图像清晰度是评价图像质量时常用的指标之一。现有的清晰度评价模型未能充分考虑人眼视觉的亮度掩盖特性。为此,在均方根对比度基础上,考虑人眼亮度掩盖特性,通过计算图像中人眼感兴趣区域(包含细节、边缘和纹理)的感知对比度构造一种无参考的图像清晰度客观评价模型。并利用IVC数据库来验证模型,结果表明,与已有的4种清晰(模糊)度评价模型相比,该模型的评价结果更接近人眼主观感受,且计算量小,运算耗时短,是一种简单有效的图像清晰度评价模型。     

可见光与红外彩色融合图像感知清晰度评价模型

提出了感知清晰度评价模型,来评价人眼对红外与可见光彩色融合图像细节和边缘的可辨识度。首先,利用人眼对比度敏感函数模型,抑制在特定观察条件下图像中人眼不敏感的频率成分。之后,在局部频带对比度模型基础上,结合人眼亮度掩模特性构造了感知对比度模型。最后,计算融合图像人眼兴趣区域(细节和边缘区域)的感知对比度,进而评价融合图像的感知清晰度。实验结果表明,与现有的五种彩色图像清晰(模糊)度的客观评价模型相比,考虑人眼视觉特性感知清晰度模型的计算结果与人眼主观感受具有较好的一致性,可以有效地对彩色融合图像清晰度进行客观评价。     

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。     

基于灰度共生矩阵的自动聚焦算法

为了快速而准确的进行聚焦,提出一种基于灰度共生矩阵的自动聚焦评价算法。算法利用灰度共生矩阵提取图像的纹理,以此矩阵的对比度作为图像的清晰度值;为了提高算法的实时性,在计算对比度时,选取合适的阈值去掉矩阵对角线附近灰度差较小的元素,减少算法的计算量。实验结果表明:算法满足无偏性和单峰性,具有较高的灵敏度和陡峭度,聚焦性能较好,对引入噪声的图像同样具有很好的聚焦性能。     

机器视觉螺纹图像评价方法北大核心CSCD

为了提高机器视觉螺纹的测量精度,建立了基于螺纹图像质量的评价方法。通过对螺纹灰度图像的行灰度分布情况和螺纹光学成像特点的分析,揭示出由于螺旋升角造成螺纹图像牙廓边缘失真的机理。在分析多种螺纹图像评价方法性能的基础上,采用基于螺纹边缘的评价算法L-yakuo,计算多幅不同物距螺纹图像的评价值。最后,通过对机器视觉求取的M14×2、M20×2.5牙型角和接触测量仪得到的牙型角进行实验对比分析。实验结果表明:采用L-yakuo算法得到最清晰的牙廓图像后再进行机器视觉螺纹牙型角求取,规格M14×2、M20×2.5的螺纹牙型角精度平均提高9′33′′。借助L-yakuo算法能够灵敏地反映螺纹牙廓清晰度,基本满足了螺纹图像清晰度的评价需求,评价值的变化和牙型角相对误差的变化基本一致,且该评价值具有精度高、易计算的特点。     

基于迭代直方图均衡化的常规光源下水下成像增强算法

为了增强常规光源下水下图像的视觉对比度,提高水下图像的图像质量,提出一种基于迭代直方图均衡化水下图像增强算法.首先通过Retinex模型将水下图像分解为细节层和光照层图像.然后推导出一个图像增强模型,该模型能够在保证韦伯对比度的前提下完成图像增强工作.接着提出一种基于迭代直方图的直方图均衡化算法对光照层图像进行对比度增强,并通过S形状函数对细节层图像进行对比度拉伸.最后,合并拉伸后的细节层图像和增强后的光照层图像,进而获得较佳的图像增强效果.实验结果表明,该算法能够有效地提升水下图像的视觉对比度,图像信息熵值及均值结构相似度高于其他算法,图像的视觉效果得到显著提高.     

基于分段直方图变换的图像非线性增强

针对可见光图像的特性,依据图像的灰度性质与概率密度,提出一种分段直方图灰度图像非线性增强法.根据图像灰度的性质,将图像灰度级分成背景段、过渡段和目标段,由灰度级的累计概率密度,分别构造三部分灰度级的变换函数,压缩背景段灰度差,保持过渡段灰度差,提高目标段灰度,避免图像过度增强,提高了图像的清晰度.以低对比度的可见光图像进行验证,实验结果和理论分析证实了此方法的合理性和有效性,表明此方法不仅实现了图像增强,保留了图像零灰度级附近的灰度,而且减少了细节信息的损失,避免了直方图均衡化和直方图双向均衡化方法中图像过度增强的现象,提高了图像清晰度,获得更加符合人眼视觉的增强效果.     

基于双层局部对比度的红外弱小目标检测方法

针对传统基于人类视觉系统的检测方法在复杂背景下容易造成检测虚警的问题,提出一种基于双层局部对比度的红外弱小目标检测方法.首先,通过双层对角灰度差对比度分析机制,充分利用小目标局部对比度的先验信息,提高目标对比度的同时抑制背景杂波及噪声;之后,利用自适应阈值分割法获取待检测的真实目标.实验结果表明,与主流基于人类视觉系统的检测方法相比,所提方法的背景抑制因子平均提高9.3倍以上,信杂比率增益平均提高7.8倍以上,在不同的复杂场景下均具有更好的检测性能.     

基于互结构正则约束的红外偏振图像增强算法

为有效改善红外偏振图像视觉效应,提高红外偏振成像质量,提出了基于互结构正则约束的红外偏振图像增强算法。根据红外偏振特性描述,对Stokes参数Q分量与U分量进行加权邻域梯度融合,获得起偏特征图像,捕获目标边缘、轮廓的偏振特性;提出互结构正则约束模型,以梯度幅值相似算子联合正则约束融合结果与起偏特征图像的边缘结构相似性,及与辐射强度图像的灰度一致性,优化得到增强后的高质量红外偏振图像。实验结果表明,基于互结构正则约束的红外偏振图像增强算法,能有效提高红外偏振图像对比度与清晰度,同时提升复杂背景下人造目标边缘轮廓的偏振显著性,算法快速,工程实时性高.     

一种使用混合智能优化算法的图像增强方法

对比度增强在图像处理系统中常用来提高降质图像质量或增强图像细节。从优化问题的角度来处理图像增强,提出了用混合智能算法,结合细菌觅食优化算法和粒子群优化算法的优点,对图像增强算子的参数进行优化,使图像质量达到最佳。使用的增强算子取决于源图像的局部灰度信息和全局统计信息,采用的适应度函数是基于图像的边缘信息和熵信息。仿真和实验结果表明该方法不仅能实现图像对比度增强还能有效提高目标图像的细节,并有效抑制噪声。     

一种基于视觉底层特征的图像质量评价方法

把视觉底层特征概念引入到客观图像质量评价中,提出了一种基于不同图像视觉底层特征的质量评价方法。在基于Itti计算模型和视觉底层特征最佳权重的基础上,对4种类型图像提取底层视觉特征显著图,利用特征最佳权重值,组合归一化形成视觉计算显著图,通过直方图相似度计算分析各显著图。实验结果与主观评价结果具有较好的一致性,且优于基于传统Itti模型和SSIM模型的图像质量评价方法。不同类型的图像需要充分考虑各特征的权重大小,使其能真实反映视觉感兴趣区域的特征属性,更好地评价失真图像的质量。     

2D经验模态分解与非下采样方向滤波器组的红外与可见光图像融合算法

针对当前红外(IR)与可见光(VI)图像融合中细节保留能力不足及目标配准精度不高的问题,设计了一种多尺度2D经验模态分解耦合非下采样方向滤波器组(NSDFB)的红外与可见光图像融合算法。分别计算红外与可见光图像的熵值,并比较二者阈值的大小,计算阈值较大图像的残差。通过2D经验模态分解(2D-EMD)和NSDFB机制,构建了多尺度方向分解模型,将熵值较大图像的残差和熵值较小的图像变换为高频方向系数与低频系数,以获得源图像的细节和特征信息。对于低频系数,引入加权平均作为低频系数的融合准则;根据区域能量对比度与清晰度来定义融合规则,完成高频系数的融合。利用2D-EMD多尺度分解逆变换将获取的低频与高频系数生成新图像。实验表明:与当前常用红外与可见光图像融合对比,所提算法具有更高的融合质量,所输出的图像具有更好的对比度与丰富的细节信息。     

基于区域对比度的图像清晰度评价算法

高效、准确的图像清晰度评价是实现自动调焦的关键。在分析了现有图像清晰度评价方法优缺点的基础上,提出了一种基于图像区域对比度的清晰度评价新方法,建立和分析了评价函数的数学模型,并对航空摄像机采集的系列图像进行实验和仿真。与其他算法比较的结果表明:该方法具有精确度高、对比度明显等优点,能够应用于实际的图像清晰度评价和自动对焦中,克服了单纯依靠计算灰度差带来的不足,具有较高的实用性和可靠性。     

基于Sigmoid-iCAM色貌模型的真实影像再现算法

为了模拟人类视觉系统成像机制,真实再现人眼对外界场景的视觉感知,为机器视觉提供符合生物视觉特性的理想图像,从色度学的角度研究了彩色图像的真实影像再现技术。针对色貌模型存在图像模糊、对比度低的缺点,在iCAM色貌模型的基础上,引入了人工神经网络的非线性Sigmoid函数,提出了基于Sigmoid-iCAM色貌模型的真实影像再现算法,并给出了该模型处理不同类型图像的控制参数统计规律。与基于CIECAM02、iCAM色貌模型的真实影像再现算法相比,该算法在对色调失真图像实现颜色复原的同时,有效地提高了图像的对比度和局部细节,很好地实现了视觉系统的颜色恒定性。     

基于图像灰度梯度最大值累加的自动调焦算法

从光学系统出发介绍了基于图像处理的离焦图像成像原理,分析了传统基于灰度梯度的自动调焦算法的缺陷——灰度梯度考虑不全面并且易受噪音影响.针对传统算法不足,提出了基于图像灰度梯度最大值累加的自动调焦算法.该算法通过计算中心像素的八邻域灰度梯度,以自动聚焦区域内各像素最大灰度梯度与最大灰度与最小梯度差值乘积之和作为新的评价函数,分析了该算法可以抑制噪音影响的原理;介绍了焦点搜索自适应变步长爬山算法原理和实现过程;最后进行算法性能实验验证.首先,利用不同算法对序列图像和加入高斯噪音的图像进行清晰度评价,结果证明该算法对含噪图像的清晰度评价准确,与传统算法相比该算法在抑制噪音方面具有优越性;其次,用不同聚焦算法进行序列图像自动调焦实验,结果显示传统算法会出现错误聚焦的情况,而该算法聚焦准确迅速,相比于传统算法具有明显优势.     

一种推扫型敏捷遥感卫星星上自动调焦技术

调焦评价函数的性能是影响推扫型遥感卫星星上自动调焦的重要因素。结合敏捷遥感卫星的成像特点和星上处理单元的计算特性,设计了一种敏捷遥感卫星自动调焦策略,提出了一种改进的灰度梯度函数以作为调焦评价函数。该方法在传统灰度梯度函数基础上,结合图像边缘信息与离焦状态的关系,将灰度标准差作为边缘阈值,提取了有效边缘信息并计算图像清晰度。研究结果表明,所提方法具备高灵敏度、强单峰性和良好的时效性,对调焦成像时的场景变化和噪声具有很高的鲁棒性,相比其他常用灰度域调焦评价函数具有明显优势。     

基于图像灰度信息的直线位移测量

提出了一种基于视觉的新型直线位移测量方法。建立了图像各像素点灰度值与直线运动位移间的映射函数模型,通过数值方法解算了直线运动平台的位移。通过蒙特卡罗仿真对所提方法进行分析,证明了其可行性与合理性。分析了检测点拓扑结构对测量精度的影响。实验结果表明,在10 mm的位移测量范围内,所提方法的测量误差标准差为4μm。