基于色差的均方误差与峰值信噪比评价彩色图像质量研究

在图像质量评价模型中加入人眼视觉系统特性能够提高其评价性能．彩色图像色差模型S—CIELAB是在考虑到了人眼视觉系统的空间模糊特性基础上得到两幅图像的色差，该文在S—CIELAB色差模型的基础上，提出了色差均方误差（CD-MSE）和色差峰值信噪比（CD—PSNR）彩色图像质量客观评价参量．对JEPG2000、加白噪音和图像传输中产生位错的三类失真共180幅彩色图像进行了CD-PSNR参量计算，并与国际上已经给出的主观评价结果进行了比较．实验结果表明其客观评价结果与平均主观评价分数具有较好的一致性．     

红外伪彩色图像的去彩化研究

为适应人眼的感知能力,伪彩色编码技术常被用于处理红外探测系统输出的灰度图像。较于灰度图像,计算机对彩色图像处理所需的存储量与计算量较大。鉴于某些红外设备只提供伪红外图像的输出,因此伪红外图像的去彩色化算法成为该文的主要研究目标。除利用最大值分解、平均值与光亮度法3种常见灰度化算法对伪红外图像的处理外,直接对伪彩色图像进行解码的方式也在文中被用于红外图像的去彩色化。实验基于上述两类方法,对线性与正弦非线性彩虹伪彩色图像的去彩色化进行了研究,并对处理后图像的质量进行了比较。实验结果表明,常规灰度算法处理后的伪彩色图像质量较差,而线性伪彩色图像经解码处理后可完全恢复出原图,实现0均方差;对于正弦非线性算法,虽然存在由量化误差引起的损失,但与原图像比仍有非常低的均方差（0.309 4）与高的峰值信噪比（101.356 0）。     

基于随机放电神经元网络的彩色图像感知研究

本文基于随机共振原理和人脑感知物体色彩的基本生物物理过程,提出了一种低照度彩色图像增强的可解释算法.我们首先研究了电导基积分放电神经元网络中的随机共振现象,揭示了放电阈值、突触权重和集群规模对输出响应信噪比的影响,并识别出放电阈值是影响随机共振效应的关键参数.然后,在结合彩色图像视觉感知的生理过程的基础上,给出了一种基于随机放电神经元网络的彩色图像增强算法,并以峰值信噪比(PSNR)和自然图像质量评估(NIQE)作为提取最优增强图像的度量指标.注意到待增强的图像是非周期信号,因此,为了优化算法的性能,首次提出了一种基于亮度分布的分位数的阈值选取策略.数值实验结果表明,该算法的增强效果良好且性能稳定,并可用于军事探测和医学图像预处理等信号处理领域.     

基于结构特征引导滤波的深度图像增强算法研究

为了解决深度图像中存在的图像模糊、空洞和噪声等图像质量问题,拟从软件的角度出发,在不改变传感器成像系统物理结构的前提下,基于结构特征并以彩色图像作为引导展开研究,实现深度图像增强和空洞修补的目的,提高深度图像的质量。通过对彩色图像和深度图像的结构特征进行提取,得到共性的全局特征,并对得到的结构特征进行联合双边滤波,最后基于马尔科夫随机场的方法进行深度图像增强,实现了低成本获取深度增强的图像。实验结果表明本文算法在保持图像边缘的细节性、平滑性和整体性上具有更好的效果,与其他算法相比,图像的均方根误差RMSE更低,仅为0.506 93及1.169 30（针对Teddy及Art图像）。     

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。     

基于图像内容评价因子的动态场景曝光融合算法

针对目前高动态范围(HDR)成像算法难以应对动态场景的局限性,提出了一种有效抑制运动鬼影的HDR图像融合算法。算法根据整体图像质量,从图像序列中选择参考图像;从像素曝光质量、细节丰富程度及与参考图像之间的局部相似性三个角度对图像内容进行评价,根据评价结果确定融合权重;采用拉普拉斯金字塔图像融合算法进行图像融合,得到HDR图像。采用图像熵与结构相似性(SSIM)相结合的评价标准对算法进行评价,实验结果表明,处理结果的平均SSIM达到0.952,证明算法对运动鬼影具有显著的抑制效果。     

基于视觉感知的光谱评估尺度

光谱颜色复现和色度精度是评价光谱重建算法准确的基础。简单而直观的评价指标对颜色复现控制是必不可少。该指标需要同时表征复现颜色的光谱差和色度差。在研究光谱匹配评估的方法基础上,提出基于颜色视觉感知的三种光谱评估指标,通过加权人眼视觉匹配函数,实现颜色光谱差与色度的评估。通过孟塞尔颜色系统的光谱数据,该论文分析与验证三种视觉加权的评估指标的有效性。通过孟塞尔颜色系统数据,这些指标在CIELab均匀色空间中分布均匀而稳定,从而证明加权算法的评估指标是既表征到颜色感知又反映出颜色的光谱相似度。实证结果表明,加权的指标可以实现同时表征实际人眼的颜色感知和颜色光谱差异。基于人眼视觉感知的评估指标解决了颜色的原始光谱和重建光谱的光谱匹配精度的定量评价问题。所提出评价指标通过一个简单而直观的数值实现对复现颜色光谱与色度评估。     

基于分数阶积分算法的OCT图像去噪研究

散斑存在于光学相干层析成像(OCT)信号中,不可避免地影响OCT图像质量。通过对OCT系统中的噪声源进行分析,提出了一种傅里叶域OCT图像散斑噪声降噪的分数阶积分算法。为了克服单纯主观视觉判别图像质量的局限性,均方误差、峰值信号噪声比和边缘保护系数被选为图像去噪评估标准。通过实验与中值滤波和维纳滤波方法进行比较,结果表明,该算法可以有效地保留OCT图像中的重要边缘细节信息,同时有效消除噪声,使图像细节清晰,提高图像质量。     

基于视觉感知的光谱评估尺度（英文）

光谱颜色复现和色度精度是评价光谱重建算法准确的基础。简单而直观的评价指标对颜色复现控制是必不可少。该指标需要同时表征复现颜色的光谱差和色度差。在研究光谱匹配评估的方法基础上,提出基于颜色视觉感知的三种光谱评估指标,通过加权人眼视觉匹配函数,实现颜色光谱差与色度的评估。通过孟塞尔颜色系统的光谱数据,该论文分析与验证三种视觉加权的评估指标的有效性。通过孟塞尔颜色系统数据,这些指标在CIELab均匀色空间中分布均匀而稳定,从而证明加权算法的评估指标是既表征到颜色感知又反映出颜色的光谱相似度。实证结果表明,加权的指标可以实现同时表征实际人眼的颜色感知和颜色光谱差异。基于人眼视觉感知的评估指标解决了颜色的原始光谱和重建光谱的光谱匹配精度的定量评价问题。所提出评价指标通过一个简单而直观的数值实现对复现颜色光谱与色度评估。     

基于深度学习的视网膜OCT图像无监督去噪方法

以散斑噪声为主的噪声干扰严重影响视网膜光学相干层析（OCT）图像质量。深度学习是一种有效的去噪方法。但对活体成像而言,其很难获取多帧配准的真值图像,这影响了监督学习方法的效果。提出一种无监督深度残差稀疏注意力网络用于视网膜OCT图像去噪,并分别从视觉评价和数值评价两方面与传统的三维块匹配滤波去噪算法和经典的深度学习去噪网络进行对比。研究了监督学习与无监督学习策略下3种卷积神经网络的去噪性能,并利用公开的视网膜OCT图像数据集进行泛化能力测试。实验结果表明：所提算法的视觉评价和数值评价均具有良好的降噪效果,可以实现视网膜OCT图像高质量降噪,具有较强的泛化性,而且与监督学习相比,无监督学习在数据集不充分时仍能获得较好的降噪性能,可以有效地辅助医生进行准确高效的临床诊断。