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。     

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。     

基于图像色貌和梯度特征的图像质量客观评价

图像质量评价(IQA)方法需要考虑如何从主观视觉度量结果出发,设计出符合该结果的客观图像质量评价方法,应用到相关实际问题中.本文从视觉感知特性出发,量化色度和结构特征信息,提出了基于色貌和梯度两个图像特征的图像质量客观评价模型.两个色貌新指标(vividness和depth)是色度特征信息提取算子;梯度算子用来提取结构特征信息.其中, vividness相似图一方面作为特征提取算子计算失真图像局部质量分数,另一方面作为图像全局权重系数反应每个像素的重要程度.为了量化所提模型的主要参数,根据通用模型性能评价指标,使用Taguchi实验设计方法进行优化.为了验证该模型的性能,使用4个常用图像质量数据库中的94幅参考图像和4830幅失真图像进行对比测试,从预测精度、计算复杂度和泛化性进行分析.结果表明,所提模型的精度PLCC值在4给数据库中最低实现0.8455,最高可以达到0.9640,综合性能优于10个典型和近期发表的图像质量评估(IQA)模型.研究结果表明,所提模型是有效的、可行的,是一个性能优异的IQA模型.     

基于人眼视觉系统的假彩色融合图像质量的评价方法

随着图像融合技术的发展,各种融合算法层出不穷,而很多情况下最终的融合图像是由人眼观察的,因此基于人眼视觉系统的图像融合质量评价显得尤为重要.为了能够模拟人眼对于融合图像的感知,得到融合后图像质量的客观评价,本文提出了一种基于色差理论的假彩色融合图像质量的评价方法.首先将源图像和融合图像转化到CIE L*a*b*均匀色空间,在频域对图像进行对比度敏感函数滤波,通过计算滤波后融合图像的色差判断图像的细节信息,在一定程度上色差越大信息越丰富;通过计算融合图像与源图像的色差判断融合图像与源图像的相关性,相关性越高,融合算法越好.通过融合图像的色差大小以及与源图像的相关性两个参量,得出融合算法的优劣.实验表明,与其他评价方法相比,本文提出的评价方法与人眼观察的结果较为一致.     

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。     

人眼对比度敏感视觉特性及模型研究

人眼视觉系统特性是图像显示、处理、理解等技术的重要依据,通过实验测试和理论分析研究人眼的视觉特性,使人眼视觉特性模型化,对促进光电成像技术的发展和应用具有重要的作用。结合前人拟合人眼对比度敏感函数和理论提取其数学模型的经验,对用CRT显示器显示目标光栅,在暗室环境下测量三种平均亮度的人眼对比度敏感数据采用线性调制作用下的指数形式的方法进行了拟合,并从理论上得出了一种新的CSF数学模型。通过与国外拟合结果的对比,表明此模型是一种更好的人眼对比对敏感视觉特性模型。     

基于Contourlet变换的无参考立体图像质量评价

立体图像的景物生动逼真,给人一种身临其境的全新视觉享受,但在制作、存储和传输过程中往往会产生失真。为了评价立体图像的质量优劣,提出了一种基于轮廓波(Contourlet)变换的无参考立体图像质量评价算法。通过对失真的左、右图像分别进行主成分分析(PCA)融合来生成新的融合图像,并使用基于SSIM(Structural Similarity)立体匹配算法生成视差图和匹配差值图,然后对上述三张图片进行Contourlet变换,再然后使用自定义的高频能量指标并结合边缘强度和信息熵,最后将得到的特征输入支持向量回归(Support Vector Regression,SVR)模型中学习,得出质量评价分数。该方法在德克萨斯大学公布的立体图像库中进行了验证,线性相关系数和斯皮尔曼相关系数在Phase I库中可高达0.957和0.947,在Phase II库中也可高达0.944和0.934,与主观评价吻合度很高,优于最新的一些评价方法。     

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.     

块运动信息加权的视频质量评估算法

有效地反映人眼视觉系统对视频的感知是客观视频质量评估的关键。提出了一种全参考视频质量评估算法。首先抽取基于结构相似度量的空间域特征和基于光流的时间域特征,然后通过将时间域特征与空间域特征进行加权,以此构造视频的空时视频质量评估指标。实验结果表明,全参考视频质量评估算法不但具有快速的计算能力,而且能够准确地反映人眼视觉系统的视觉感知效果,具有良好的视频评估效果。     

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.     

基于BP神经网络的图像质量评价参数优化

 在基于噪声图像的无参考峰值信噪比质量评价方法中,为了得到最优的阈值参数,提出以图像块均方误差阈值threshold1、噪声检测阈值threshold2为输入因子, 以Pearson相关系数和Spearman等级相关系数为输出因子, 以实验值为样本建立［2 7 2］单隐层BP神经网络模型,应用BP神经网络的泛化能力实现对相关阈值参数的预测优化,为阈值参数的选择提供理论依据。实验结果表明,所建立的数学模型可靠,预测结果与试验值的偏差小,训练好的BP神经网络能够比较准确地预测不同阈值参数下的相关系数。优化后,选取threshold1=101,threshold2=4,Pearson相关系数达到了-0.895 0,Spearman等级相关系数达到了-0.913 6,评价效果得到提高,且节省大量时间。     

红外与可见光融合图像的质量评价

为了提高融合图像质量评价中评价结果与人眼视觉特性的一致性,分析了现有融合图像质量评价方法,提出了一种基于图像结构信息复数表示的融合图像质量评价方法,通过计算图像亮度分量的梯度,构成了一种表征图像结构信息的梯度复数矩阵,用该矩阵表征图像的结构信息。考虑到复数无法计算互信息等参数,将分块奇异值分解后得到的矩阵作为度量矩阵,采用该矩阵计算了两种融合图像质量评价方法。实验结果表明,该方法提高了评价结果与人眼视觉特性的一致性,对于融合效果较好的金字塔和小波方法给出了3.748 5和3.722 2的评价结果,与人眼视觉特性的一致性优于传统方法。     

基于对称特征相似性的图像识别算法研究

研究了一类微小生物——线虫的图像识别算法。首先对图像进行边缘检测、二值化和去除干扰点等操作,得到线虫的身体轮廓线;然后利用其身体的对称特征,通过比较相邻线段的相似性实现对线虫的识别及对干扰的区分。实验结果表明,此算法优于骨架法、面积法等典型图像识别方法,对线虫的检测和定位具有很高的准确度和快速性,并可应用于其它具有对称特性的微小生物的图像识别。     

Image quality assessment using the singular value decomposition theorem

In objective image quality metrics, one of the most important factors is the correlation of their results with the perceived quality measurements. In this paper, a new method is presented based on comparing between the structural properties of the two compared images. Based on the mathematical concept of the singular value decomposition (SVD) theorem, each matrix can be factorized to the products of three matrices, one of them related to the luminance value while the two others show the structural content information of the image. A new method to quantify the quality of images is proposed based on the projected coefficients and the left singular vector matrix of the disturbed image based on the right singular vector matrix of the original image. To evaluate this performance, many tests have been done using a widespread subjective study involving 779 images of the Live Image Quality Assessment Database, Release 2005. The objective results show a high rate of correlation with subjective quality measurements.