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。     

基于图像内容对比感知的图像质量客观评价

为了提出性能优异的图像质量评价(IQA)模型,本文基于人类视觉感知特性和图像的灰度梯度、局部对比度和清晰度特征,提出了一种基于图像内容对比感知的IQA方法.在该方法中,首先结合视觉感知特性,基于物理学中对比度定义,提出一种图像质量定义及其值计算方法;之后,基于灰度梯度共生矩阵,提出一种图像灰度梯度熵的概念及其值的计算方法,并基于图像灰度梯度熵、局部对比度和清晰度,提出一种图像内容及其视觉感知的描述方法;最后,基于图像内容特征和图像质量定义,综合分析,提出IQA方法及其数学模型.并且采用5个开源图像数据库中的119幅参考图像和6395幅失真图像对其进行了仿真测试,同时分析和探讨了52种失真类型对IQA的影响;另外,为了说明所提IQA模型的优势,将其与现有的7个典型IQA模型,从精度、复杂性和泛化性能上进行了对比分析.实验结果表明,所提IQA模型的精度PLCC值在5个数据库中最低可以实现0.8616,最高可达到0.9622,其性能综合效益优于7个现有IQA模型.研究结果表明,所提IQA方法是有效的、可行的,所提IQA模型是一个性能优异的IQA模型.     

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。     

ICF微靶装配体图像清晰度评价方法

现有图像清晰度评价函数在对ICF微靶装配体图像的评价过程中,由于不同零件图像对比度的变化,评价函数极易失去其理想曲线特性,导致聚焦精度降低甚至调焦过程失败。针对这一问题,在分析离焦图像模糊原因的基础上,得出离焦图像究其本质为图像结构变化失真。利用Zernike矩具有描述图像结构特征这一特性,提出一种新的针对微靶装配体图像的清晰度评价函数。评价函数由图像不同阶Zernike矩的线性组合构成,通过调节权重系数来实现微靶装配体不同零件图像的清晰度评价。实验结果表明:相较于现有的评价函数,新的评价函数在对微靶装配体图像评价过程中保持了函数的理想曲线特性,尤其是针对低对比度图像,其在灵敏度和抗噪性方面具有明显优势。     

基于图像清晰度评价函数的显微镜自动调焦技术研究

自动调焦技术是提高自动显微镜测量精度的一个重要手段,图像清晰度评价函数是计算机自动调焦中的关键技术。根据图像清晰度评价函数实现了显微镜的自动调焦。     

改进的Brenner图像清晰度评价算法

图像清晰度评价是基于数字图像的被动式自动调焦技术的基本问题之一.传统Brenner图像清晰度评价算法具有运算速度快特点,但是其评价准确性取决于阈值选取,且其灵敏度较低.针对上述问题,本文提出了一种改进算法.改进算法采用高通和带通两个滤波器对图像进行计算,克服阈值对传统Brenner算法评价结果的影响.为了衡量改进算法的性能,将其与传统的Brenner算法比较,并对评价算法的单峰性、无偏性、灵敏度、计算量等主要衡量标准逐一分析.实验结果表明:与传统的Brenner评价算法相比,改进算法在满足评价算法单峰性和无偏性前提下,提高了灵敏度,降低了计算次数.     

改进的Brenner图像清晰度评价算法

图像清晰度评价是基于数字图像的被动式自动调焦技术的基本问题之一.传统Brenner图像清晰度评价算法具有运算速度快特点,但是其评价准确性取决于阈值选取,且其灵敏度较低.针对上述问题,本文提出了一种改进算法.改进算法采用高通和带通两个滤波器对图像进行计算,克服阈值对传统Brenner算法评价结果的影响.为了衡量改进算法的性能,将其与传统的Brenner算法比较,并对评价算法的单峰性、无偏性、灵敏度、计算量等主要衡量标准逐一分析.实验结果表明:与传统的Brenner评价算法相比,改进算法在满足评价算法单峰性和无偏性前提下,提高了灵敏度,降低了计算次数.     

图像融合质量客观评价方法

 随着图像融合技术的快速发展,科学的图像融合质量客观评价对选择合理的融合算法以及研究新的融合算法具有重要的指导意义,成为图像质量评价研究的热点。理想的图像质量客观评价方法可以给出与人主观感受相一致的量化指标。对目前已提出的多种图像融合质量客观评价算法进行综述。简要介绍了基本的客观评价指标;将基于边缘保持度、基于结构相似度、基于信息论以及基于对比度的4类客观评价算法分别进行了介绍,着重分析和比较了各类算法的思路及特点;总结融合图像质量客观评价算法的研究趋势,指出无参考图像与彩色融合图像的质量评价方法是未来重要的发展方向。     

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。     

基于感知颜色空间的灰度图像伪彩色编码

提出了一种基于感知颜色空间的灰度图像伪彩色编码的新方法。首先建立了灰度级和色调、饱和度和亮度等与人的感知颜色特征之间的函数关系。然后通过感知颜色空间到RGB空间的矩阵变换 ,得到相应的RGB值。最后将其分别送入彩色显示器的红、绿、蓝枪即可得到伪彩色图像。建立了相应的数学模型 ,给出了分析和实验结果 ,并对如何获得符合人们视觉习惯的伪彩色图像等问题进行了讨论。根据不同的实际需要 ,可以方便地建立灰度级与颜色的色调、饱和度与亮度的不同对应关系 ,使产生的伪彩色图像符合人们的感知习惯。用该方法得到的伪彩色是近似均匀的 ,即在不同的灰度级上 ,相邻两灰度级对应的色差近似相等     

Multi-scale toggle operator for constructing image sharpness measure

To construct effective image sharpness measure with good discrimination ability, a multi-scale toggle operator based algorithm is proposed in this paper. Firstly, toggle operator is used to extract image details. And, the multi-scale theory is used in toggle operator to extract multi-scale image details. Then, the final image details are obtained through applying the pixel-wise maximum operation on the extracted multi-scale image details. Finally, the mean value of the obtained final image details is used as the constructed image sharpness measure. Experimental results on different images show that, the proposed image sharpness measure could correctly quantify the clarity of image and is suitable for discriminating the image clarity change.     

Improving the sharpness of an image with non-uniform illumination

We demonstrate a new method to sharpen a non-uniformly illuminated image by use of wavelet transformation employing Harr function. Both the fine characteristics and object edges in the image are well enhanced without degrading the contrast. This method provides some superiority compared to the conventional algorithms.     

Multi-focus image fusion using a bilateral gradient-based sharpness criterion

The aim of multi-focus image fusion is to combine multiple images with different focuses for enhancing the perception of a scene. The challenge is to how evaluate the local content (sharp) information of the input images. To tackle the above challenge, a new bilateral sharpness criterion is proposed to exploit both the strength and the phase coherence that are evaluated using the gradient information of the images. Then the proposed bilateral sharpness criterion is further exploited to perform weighted aggregation of multi-focus images. Extensive experimental results are provided to demonstrate that the proposed bilateral sharpness criterion outperforms conventional seven sharpness criterions.     

基于小波的超声斑纹噪声抑制与对比度增强

提出了一种基于小波变换的降低超声图像斑纹噪声,同时完成对比度增强的非线性处理新方法。斑纹噪声属于乘性噪声,是造成超声图像质量退化的主要原因,采用Jain提出的斑纹噪声模型,完成对数化处理后的超声图像的小波变换,然后在最细分辨级上完成小波变换系数的软阈值方法处理,而在中间分辨级上采用硬阈值方法处理,并采用GAG特性曲线对图像细节特征进行增强。算法在预处理阶段还采用了平滑滤波器对最粗分辨级的平滑小波系数进行滤波,以减少脉冲能量对处理结果的干扰。对多幅超声图象的实验结果显示,相对于现有的去噪方法,该方法可以同时实现降噪与局部特征增强的两重目的,具有更佳的适用性。     

一种改进的基于小波方向对比度的无缝拼接算法

为了提高图像无缝拼接效果,对现有平滑算法进行分析,在此基础上提出一种基于小波方向对比度的中缝平滑算法。该算法首先对源图像进行基于统计参数的预处理,使得图像整体亮度趋于一致,然后利用小波变换对图像进行多分辨率分解,对于分解后的图像提出采用一种基于改进的小波方向对比度的规则进行平滑处理。文中还通过几种图像客观评价标准对仿真结果进行了评价,结果表明：该方法在两图像灰度相差较大时也能够取得较好的平滑效果,对光照具有鲁棒性,并且平滑后的图像可以保留原始图像的细节信息,使得图像在保证清晰度的前提下达到无缝拼接。     

FD: A feature difference based image clutter metric for targeting performance

Previous image clutter metrics were proposed based on the sensitivity of human visual perception to one feature of image. In this paper, a novel feature difference based image clutter metric is proposed by fully considering low-level image features, such as step edges, lines and Mach bands. As phase congruency is an invariant property of image features, the phase congruency (PC) is used to quantify the feature difference between the target and clutter images. Because PC is invariant to changes in image contrast while human visual perception is sensitive to contrast changes, a directional contrast (DC) feature is developed to calculate the contrast difference between the two images. Then we utilize the DC of the target image as an information content weighting measure to pool the local difference map to be a clutter metric. Comparative experiments demonstrate that this clutter metric correlates stronger with detection probabilities, false alarm probabilities and mean search times than previously proposed metrics.     

A structural difference based image clutter metric with brain cognitive model constraints

Previous clutter metrics have less than the desired accuracy in predicting targeting performance, in this paper, a structural difference based image clutter metric is proposed based on the given definition of image clutter metric. According to the sensitivity of human visual perception to image structural information, a structural similarity measure between the target and clutter images is firstly established. Previous clutter metrics not considering brain cognitive characteristics, we define an information content weight measure by introducing the widely accepted brain cognitive information extracting model in the field of image quality assessment (IQA), and then, pool the structural similarity measure to be a clutter metric, which can be entitled BSD metric. Comparative field tests show that BSD metric makes a more significant improvement than previously proposed metrics in predicting target acquisition performance including detection probability and search time.