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。     

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．     

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。     

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。     

一种人眼感知驱动的成分分解色调映射算法

从人眼亮度感知特性出发,提出了一种人眼感知驱动的成分分解色调映射算法。通过非线性全局亮度校正函数调整整体亮度;通过引导滤波将图像分解为基本层与细节层,并在基本层结合人眼感知特性进行动态范围压缩;对Stevens效应下的细节层进行效果增强,使映射后的图像细节更加丰富。对比传统算法,不同场景的实验结果显示,该算法的主观质量与客观指标均有所提高,在主观质量上能体现HDR图像高亮度光源照射的场景特点,细节表现更加清晰,图像层次感有所提高;在客观指标上,信息熵平均提高0.2291,TMQI值平均提高0.0889。     

基于人眼视觉敏感特性的图像清晰度评价

提出一种结合人眼视觉敏感特性的无参考图像清晰度客观评价方法,利用高通滤波划分出人眼视觉敏感(图像细节)和非敏感区域,分别计算对应区域的清晰度,最后加权求和得出整幅图像的清晰度。利用公开的4个图像库与现有的6个无参考清晰度评价模型进行测试和比较,所研究的评价模型计算结果与主观评价分数有较好的一致性,且运算速度较快。     

基于边缘的SSIM图像质量客观评价方法

在图像处理领域中,准确判断所处理图像的质量是一项关键技术.本文在基于结构相似度的图像质量评价方法的基础上,考虑了边缘信息对人眼感知结构的重要性,提出了基于边缘结构相似度的图像质量评价方法.实验中,对实验图像进行客观指标的提取与计算,最后统计分析实验数据.结果表明,该方法对图像质量的评价结果优于基于结构相似度的图像质量评价方法,能够正确反映图像质量且更加符合人眼的主观感受.     

结合视觉注意力机制和图像锐度的无参图像质量评价方法

针对模糊图像的质量评价,提出一种新的无参图像质量评价方法,该方法结合了自底向上的视觉注意力机制和自顶向下的图像锐度评价标准。根据人眼视觉注意力机制模型,分别计算颜色、亮度和方向显著度图像,通过竞争机制得到人眼优先关注的区域; 利用无参图像锐度评价方法分别对优先关注的区域及背景区域进行评价,综合2个区域的评价结果得到最终的图像质量评价指标。利用该方法分别对相向运动过程中所产生的模糊图像和图像质量评价Live数据库中的高斯模糊图像进行了评价,结果表明:针对两类图像的评价结果与主观评价结果的相关系数均较高,其中,针对相向运动模糊图像的主客观评价结果的相关系数达到0.98。该方法能够胜任对模糊图像的客观质量评价。     

一种基于梯度幅度值的图像质量客观评价方法

提出一种新的图像质量的客观评价方法,该方法用图像梯度幅值的累加和作为衡量图像质量的指标,无需原始图像作参考,适合于两幅以上同源图像对比来相对地评价图像质量。实验结果表明,该方法所用的指标能比较准确地反映图像的质量,符合人眼的视觉特征,且计算简单,易于快速实现。     

不同亮度下无参考图像质量评价方法

目前图像质量评价的研究都是在相对标准观察环境下进行的,没有考虑电子显示设备在不同场合使用时照明亮度的变化对图像失真造成的影响。通过在四种不同环境光照度下进行主观评价实验探究MOS值变化规律,在BRISQUE和SSEQ算法的研究基础上,利用机器学习方式获取亮度因子来反映不同亮度条件引起的人眼感知变化,建立不同亮度下图像质量评价模型。改进后的算法模型针对噪声、压缩、模糊的SROCC系数在不同的亮度环境下均有良好的效果,表明修正后的算法模型具有很高的普适性和准确性。所提算法是对现有算法模型的很好补充,尤其适用于户外高亮度条件下的图像质量评价。     

No-reference image quality assessment based on noise,blurring and blocking effect

Since existing no-reference image quality assessment (IQA) algorithms are not consistent with subjective assessment, a novel no-reference image quality assessment method is proposed by introducing three types of image distortion, including noise, blur degree and blocking effects. Firstly, the standard deviation of image noise is estimated by modified wavelet medium estimation. Secondly, the blur degree of image is obtained by counting edge pixel points. Thirdly, blocking effect is represented by characteristics of image pixel blocks. Finally, the assessment model is established by combining these three distortion types. Combining the differential mean opinion scores (DMOS) provided in the LIVE IQA database, the weighting coefficients are obtained. The experimental results indicate that these evaluation values of this algorithm not only agree with PSNR in objective assessment, but also are consistent with the DMOS in subjective assessment.     

局部方差在图像质量评价中的应用

将灰度图像的局部方差分布（QLS）作为表征图像结构信息的一个重要特征,对局部方差分布矩阵进行奇异值分解,计算得到相应的奇异值特征向量;通过计算降质图像与原参考图像局部方差矩阵奇异值特征向量的夹角大小度量两图像的结构相似度,实现了对降质图像的质量评价。实验结果表明：局部方差分布更能突出图像的结构特征,评价结果优于传统的均方误差（MSE）、峰值信噪比（PSNR）、结构相似度（SSIM）以及直接评价图像像素分布的奇异值分析（SVD）等方法,与人眼视觉感知效果的一致性较好。     

Modified-BRISQUE as no reference image quality assessment for structural MR images

An effective and practical Image Quality Assessment (IQA) model is needed to assess the image quality produced from any new hardware or software in MRI. A highly competitive No Reference – IQA (NR – IQA) model called Blind/Referenceless Image Spatial Quality Evaluator (BRISQUE) initially designed for natural images were modified to evaluate structural MR images. The BRISQUE model measures the image quality by using the locally normalized luminance coefficients, which were used to calculate the image features. The modified-BRISQUE model trained a new regression model using MR image features and Difference Mean Opinion Score (DMOS) from 775 MR images. Two types of benchmarks: objective and subjective assessments were used as performance evaluators for both original and modified-BRISQUE models. There was a high correlation between the modified-BRISQUE with both benchmarks, and they were higher than those for the original BRISQUE. There was a significant percentage improvement in their correlation values. The modified-BRISQUE was statistically better than the original BRISQUE. The modified-BRISQUE model can accurately measure the image quality of MR images. It is a practical NR-IQA model for MR images without using reference images.     

Image quality assessment in multiband DCT domain based on SSIM

The performance of image quality assessment method based on SSIM (structural similarity) is better than the PSNR (peak signal to noise ratio), but the assessment effects of SSIM is poor for seriously blurred image, therefore, the model that combined HVS (human visual sensitivity) and SSIM was established. The basic idea is based on the human eye's sensitivity to different frequency distortion image, the image is two-dimensional discrete cosine transform frequency component into low, mid, high-frequency component, to obtain the frequency component of light, contrast and structural information, using Pearson coefficient for weight and sum processing to the sub-image according to frequency bands of different sensitive degree, finally, get the sharpness of the image. Through nonlinear regression analysis of objective assessment and DMOS, experiments showed that this method was closer to human perception than SSIM and GSSIM for serious blurred distortion image. At the same time, compared to conventional algorithm MAE (mean absolute error), MSE (mean square error) and PSNR, this model was more consistent with human visual characteristics.     

视觉掩盖效应下的无参考图像信噪比评价

针对噪声图像,提出一种视觉掩盖效应下的无参考图像信噪比评价方法。采用Hosaka分块思想,利用四叉树分解,取消了Hosaka分块对图像尺寸的限制,分块的大小体现出块内图像的主要频率成分;然后检测各个子块噪声,根据图像的污染程度,计算NRPSNR值。利用LIVE Database Release2图像库中的WN的174幅图像检验NRPSNR与DMOS的相关度,并与MSE、PSNR以及HVSNR比较分析。实验结果表明,该方法总体评价效果优于其他3种评价方法,CC为-0.895 0,SROCC为-0.923 6,OR为0.042 9,主客观评价比较吻合,且对于其他噪声类型同样适用,体现了人的视觉掩盖效应,可以满足对无参考噪声图像进行准确可靠的质量评价要求。     

基于BIRCH聚类加速的彩色图像增强算法

针对现存的大多图像增强算法增强的图像可见性丢失问题,提出了一种基于BIRCH聚类加速的彩色图像增强算法;首先,通过BIRCH聚类加速确定数据库中与输入图像直方图相似度最高的图像来提取图像特征;然后,选择最小欧氏距离的特征值进行图像融合以获取目标图像;最后,增强图像通过目标图像直方图规范化和后期处理获得;大量图像融合实验结果验证了算法的有效性,该算法扩展了图像增强的类别,解决了增强过程中可能出现的可见性丢失问题,使图像增强的适应性更强;另外,EM、CII和SSIM评估指标的结果表明该算法明显改善了增强效果。     

采用在线流形学习的彩色图像质量评价

针对许多评价方法都需要大量有效的训练样本离线学习得到特征提取器的问题,同时考虑到人脑能自然感知数据的内在低维特征,这种感知恰以流形方式存在,提出了一种采用在线流形学习的彩色图像质量评价方法。实验结果表明,所提出方法在LIVE、CSIQ和TID2008三个数据库的平均Spearman秩相关系数(SROCC)达到0.91。相比于其它方法,在线流形学习的彩色图像质量评价方法与主观视觉感受吻合度更高。     

Saliency structure stereoscopic image quality assessment method

Stereoscopic image quality assessment (SIQA) plays a crucial role in the development of 3D imaging system. In this paper, an objective SIQA model named saliency structure stereoscopic image quality assessment method (3SIQA) is built, based on the fact that human is selectively sensitive to various structure. Structural similarity image index (SSIM) is generally used to calculate the structure similarity between the reference image and the distorted image, and the selective sensitivity of human vision system is described on two aspects: saliency and texture. The former aspect performs through giving different weights to the image pixel value and its saliency map, and the latter one is represented by dividing SSIM map into three parts (edge, smooth and texture zone) and summing these parts with different weights. Moreover, the experimental results demonstrate its promise.     

基于小波变换和奇异值分解的图像水印算法研究

利用小波变换频谱特性和图像奇异值分解特征,提出了一种结合人眼对比感知特性的图像水印算法。并通过结合人眼视觉特性,将置乱的水印以一定的强度嵌入到图像的奇异值矩阵中,采用其逆过程提取水印,通过仿真进行了验证。对其实施了压缩、剪切、高斯噪声和中值滤波攻击测试,与前人提出的8种水印算法的抗攻击性能进行对比分析。结果表明,在质量因子为20%的较强压缩攻击下,提取水印的NC值仍能达到0.8359,含水印图的PSNR和SSIM达到25.0908dB和0.8451,且比8种水印算法具有更好的鲁棒性。综合表明,提出的算法有效地解决了水印嵌入过程中鲁棒性、视觉透明性与水印嵌入量之间的平衡问题。