基于均匀色差空间向量分解模型的彩色图像质量评价方法

针对三要素(亮度、色调和饱和度)空间方法缺乏视觉均匀色差思想的支持,而均匀色差空间方法又需要其他有效评价模型的补充,该文立足于图像的两个基本属性,即光特性(亮度、色调和饱和度)和结构特点,结合反映彩色空间特性的均匀色差空间模型以及空间向量分解模型,提出了均匀色差空间向量分解模型.实验结果表明基于均匀色差空间向量分解模型较传统评价方法和单项模型更能够全面地评价彩色图像质量.     

基于奇异值分解的图像质量评价

分析了传统的基于灰度误差的图像质量评价算法的局限,扩展了图像质量评价的定义.考虑原始图像和畸变图像尺寸不一致的情况,提出了用奇异值分解把图像矩阵转为向量,用奇异值向量之间的夹角作为图像的质量评价指标.实验表明:提出的基于奇异值向量夹角的准则对压缩、噪声和旋转、平移、尺度等几何畸变等都具有好的性质;且适于文中扩展的质量评价的定义.最后对实验结果和人类视觉系统的主观评价进行了比较分析.     

基于梯度的结构相似度的图像质量评价方法

虽然基于结构信息的图像质量评价方法——结构相似度（SSIM）模型结构简单、评价性能优于峰值信噪比（PSNR）或均方误差（MSE）模型，但SSIM模型不能较好地评价严重模糊的降质图像．文中提出了一种基于梯度的结构相似度（GSSIM）图像质量评价方法，该方法将梯度作为图像的主要结构信息．实验结果表明，GSSIM模型比SSIM和PSNR（MSE）模型更符合人眼视觉系统特性，能较好地评价模糊图像的质量．     

基于频域的结构相似度的图像质量评价方法

基于结构相似度信息(SSIM)的图像质量评价方法结构简单、评价性能优于峰值信噪比(PSNR),但是在研究中发现SSIM不能很好地评价严重模糊的图像。该文提出一种基于频域的结构相似度(FSSIM)的图像质量评价方法。该方法将频域信息作为图像的主要结构信息,根据人眼视觉系统(HVS)对不同频率分量的敏感程度不同,对离散余弦变换后的各频率分量加权后得到图像的频域函数。由频域函数、亮度函数和对比度函数计算得到结构相似度。实验结果表明,FSSIM比SSIM和PSNR更符合人眼视觉系统特性,能较好的评价图像质量。     

基于扩展梯度算子的结构相似度图像质量评价方法

为了更精确地评估图像质量,提出了一种新的客观评价算法:基于扩展梯度算子的结构相似度图像质量评价方法(extended gradient-based structural similarity,E-GSSIM)。首先分析了结构相似度(structural similarity,SSIM)与梯度结构相似度(gradient-based structural similarity,GSSIM)的不足,提出应用扩展Sobel算子替代GSSIM的传统Sobel算子,从而能够从多个方向提取邻域的梯度信息。为了不破坏原图的固有图像属性及使所提取的梯度信息更具有一致性,在计算梯度信息的时候引入衰减与阈值因子。LIVE2、TID2008、TID2013与CSIQ四个图库的定性与定量验证表明,E-GSSIM算法要优于传统的PSNR、SSIM、GSSIM质量评价指标,更为符合人眼视觉感知结果。     

基于亮度加权网络空间扩展的图像质量评价方法

采用CCIR颁布的亮度加权网络时域频率标准,基于电视学基本原理和数字图像处理方法,将亮度加权网络由时域频率扩展到空间频率,由此建立一个实验平台考察图像空间尺寸对视觉感受的影响.该方法实验结果与视觉感知的图像质量评价结果吻合,其有效性取决于时域亮度加权网络主观实验结果.由于避开了主观评价实验的标准化苛刻要求,因此降低了多通道分解图像质量度量方法的复杂度,有利于图像空间尺寸的质量评价.     

基于视觉感兴趣度和视觉系统特性融合的图像质量评价方法

在对视觉感兴趣度和人类视觉系统特性深入分析研究的基础上,提出了一种基于视觉感兴趣度和视觉系统特性相融合的图像质量评价新方法。该方法首先根据影响视觉感兴趣度的五个因子进行综合得到感兴趣度因子,结合结构相似性方法得到感兴趣度模型。然后利用小波分解后的子频带图像进行质量评价,对结果进行视觉敏感度加权,在此基础上得到评价算法。通过实验验证所提出的算法的正确性,其测试结果并与视觉主观感受保持很好的一致性。     

小波域结构相似度图像质量评价

针对结构相似度模型在模糊图像以及低位率压缩降质图像评价中存在的不足,提出一种基于小波域结构相似度的图像质量评价(WDSSIM)算法. 该算法将整幅图像划分成具有不同尺度和频率特征的子带图像,比较原始图像和失真图像的子带图像之间的结构相似度,并依据视觉系统对于不同频率特征失真敏感程度进行加权. 实验结果分析表明,WDSSIM算法对于更广泛一类的图像评价与主观感受保持较好的一致性.     

一种基于视觉加权处理的图像质量评价方法

本文提出了一种新的图像质量客观评价方法－－视觉加权均方误差（ＷＭＳＥ）,该方法以归一化均方误差为基础,结合人眼视觉特性,采用子带分割和视觉加权等处理方法,使评价结果与ＣＣＩＲ５００标准的主观评价相吻合,实现了主观评价客观化的目标,对加噪后的降质图像进行实验的结果表明,该方法是有效的,可靠的,且易于实现。     

基于视觉感知与学习的图像质量评价

针对几种经典评价方法的缺点,通过引入人眼的主观特性,提出一种基于视觉感知与学习(visual perception and learning,VPL)的方法,以解决人类视觉系统(human vision system,HVS)多通道评价融合的不稳定性。借助反向传播(back propagation,BP)神经网络构建了评价融合模型,分别对几种视觉感知算法的多通道评价进行融合,并基于回归函数对视觉感知算法的结果进行二次互补融合。结果表明,相对于现有主流方法,本文所提方法的各项评价指标均具有较大的优势。     

基于加权结构相似度的图像融合质量评价

利用结构信息理论,提出了基于加权结构相似度的图像融合质量评价方法.该方法充分考虑了图像的结构信息和人眼的视觉特性,无需标准参考图像,可以为不同场合下选择不同的算法提供依据.不同融合算法的质量评价结果表明该方法是有效的.     

基于颜色相似系数的虚拟人股肌分割

虚拟可视化人研究是虚拟人研究计划的初始阶段,而虚拟人可视化人研究的必备前提是快速、准确地进行彩色图像数据集的组织分割.引入一种足球机器人系统中快速目标定位的算法,在RGB颜色空间中,利用两个像素之间的颜色相似系数的计算结果,同时根据设定的阈值来判断两种颜色是否具有相似性.该方法省去了在其他针对彩色图像的分割方法中,颜色空间的转换过程,节约了大量计算时间,提高了图像分割过程的效率.实验结果证明,该方法可对彩色图像进行有效的分割,符合人类视觉特性,特别适合于虚拟人计划中海量彩色尸体切片的组织分割.     

基于混合颜色空间的FCM算法

提出一种基于混合颜色空间的改进的FCM算法。这种算法减少了FCM的迭代次数,可以使模糊聚类的速度得到很大程度的提高,从而实现墙地砖彩色图像的快速分割。     

基于广义邻域结构相似度的红外和彩色可见光图像融合

针对 HIS 空间各通道间不具有正交性,导致基于该颜色空间的图像融合中颜色畸变较明显,而 lαβ彩色空间具有感知去相关性,结合非下采样 Contourlet 变换系数在不同尺度、方向和位置间具有很强的依赖性,提出一种基于广义邻域结构相似度的红外和彩色可见光图像融合法,首先将彩色可见光图像转换到 lαβ空间,利用非彩色通道对红外图像重映射;然后 NSCT 分解非彩色通道和重映射图像,对低频系数采用不同融合规则比较,高频子带采用综合同尺度中邻域系数能量和兄弟子带间的结构相似度的融合规则,重构 NSCT 融合系     

一种真彩色图像客观质量评价方法

图像质量评价已成为图像科学的重要分支。从真彩色图像的角度分析,利用人眼对于颜色信息较为敏感这一特性,将颜色失真加入到图像质量评价中。分析了适合人眼视觉感知的HSI颜色空间,提出了一种度量颜色相似度的方法,及分别度量颜色的色度和亮度的相似度,使用带有空间距离作参数的指数函数模拟颜色降质。在此基础上,提出了基于结构和颜色相似度的客观质量评价算法CS_SSIM,将颜色相似性融合到结构相似性中,并详细描述了算法实现过程。实验表明,在真彩色图像上,CS_SSIM具有更好的单调性和一致性。     

基于YIQ颜色空间的自适应肤色检测算法

选取YIQ颜色空间,通过选择多种拍摄环境、光照条件的训练样本图像,统计其中肤色像素点和非肤色像素点中颜色分量I的分布概率,构建皮肤颜色分布模型,并利用贝叶斯规则构造肤色分类器.同时,计算测试图像准肤色区域的平均亮度,作为自适应阈值进行肤色判别.实验表明,该方法对不同亮度图像和不同肤色类型都有很好的检测效果.     

Color Image Quality Assessment Based on Structural Similarity

It is well-known that classical quality measures,such as Mean Squared Error(MSE),Weighted Mean Squared Error(WMSE)or Peak Signal-to-Noise Ratio(PSNR),are not always corresponding with visual observations.Structural similarity based image quality assessment was proposed under the assumption that the Human Visual System(HVS)is highly adapted for extracting structural information from an image.While the demand on high color quality increases in the media industry,color loss will make the visual quality differe...