采用边缘信息的屏幕图像质量评价

考虑到人类视觉系统（HVS）对边缘信息敏感且屏幕图像中包含大量边缘信息,本文提出采用边缘信息的屏幕图像质量评价方法。该方法首先从空域和频域分别提取参考和失真屏幕图像的边缘信息进而得到边缘信息相似度图,接着基于边缘信息提取屏幕图像中人眼感兴趣区域,最后利用感兴趣区域加权对所得边缘相似度图进行融合计算以获取最终评价分数值。实验结果表明所提算法具有较高的图像质量评价主客观一致性,其性能优于多个最新图像质量评价方法。      

基于多尺度边缘结构相似性的图像质量评价

基于结构相似度(SSIM)的图像质量评价方法是从视觉区域提取图像的结构性信息,但在评价模糊较严重的图像时存在其局限性,因此本文将图像边缘和SSIM相结合,提出了基于多尺度边缘结构相似度(MESS)的图像质量评价方法。实验结果表明,由于MESS考虑了边缘信息对于人眼感知结构信息的重要性,评价结果比SSIM更加符合人眼视觉感知特性。     

基于人眼视觉特性的彩色图像质量评价

图像处理系统的性能优劣的评判往往需要一个合理迅速的图像质量评价算法作为支撑.传统的图像质量评价算法由于没有充分考虑人眼的视觉特性,使得质量评价结果与实际图像的人眼感知质量不符.根据人眼对图像边缘信息非常敏感这一人眼视觉特性,提出一种综合图像边缘和背录相似度的算法(EBS)来评价彩色图像质量,即通过比较失真彩色图像与原始参考图像的边缘以及除边缘之外的背景相似程度最终确定失真图像的质量.应用于由779幅包含五种类型失真的图像质量评价库的实验结果表明,该算法的评价结果相比PSNR,MSSIM,IFC以及基于像素域的VIF等算法与图像的主观评价结果(由DMOS值表示--将背景不同的一组观察者对失真图像的评分进行统计平均后所得到的评价结果)更一致,也即该算法的评价结果更接近图像的实际视觉感知质量.     

去雾图像质量客观评价方法研究

针对目前去雾图像质量客观评价方法少和已有评价方法存在局限性等问题,提出一种去雾图像的客观质量评价新方法.针对去雾图像中存在的Halo效应,采用边缘加权结构相似性测度的方法,将雾化图像和去雾图像的整体轮廓信息与局部纹理细节信息加权来描述图像的结构相似度.从人类视觉感知的角度出发,定义了图像归一化灰度差,用来描述图像的亮度.将彩色图像转换到HSV颜色空间,利用S分量的信息熵和直方图相似度来描述图像的色彩还原能力.最后综合边缘加权结构相似性测度、图像归一化灰度差和色彩加权还原度建立去雾图像质量评价模型,并进行客观评价和比较.实验结果表明,与已有评价方法相比,所提出的评价方法能够获得与主观感受一致的结果,并具有较好的有效性和可靠性.     

小波域结构相似度融合图像质量评价方法

针对融合图像质量评价问题,分析了图像质量评价与融合图像质量评价的关系,给出了融合图像质量评价方法的一般表达公式,指出构造实际并不存在的参考图像是解决融合图像质量评价问题的关键。在此基础上,基于空域结构相似度评价方法,对输入源图像和融合图像分别进行小波分解,利用输入源图像小波分解系数构造参考图像小波系数,然后根据人眼视觉敏感度带通特性对参考图像和融合图像的各小波频带进行加权,从而得到整幅图像的小波域结构相似度评价指标,利用目标可探测性、细节可分辨能力和图像整体舒适性构成主观评价指标分别和交互信息量、基于空域的结构相似度比较。实验结果表明,相比于传统的客观评价方法,提出的方法所得结果与主观评价结果的一致性更好。     

基于Riesz变换的结构相似度图像质量评价方法

不同的图像处理过程,会对图像引入各种各样的失真,如何对图像的质量进行评价成为一个热点问题。针对传统的基于像素差值统计的峰值信噪比方法及结构相似度方法与人眼主观评价不够符合的情况,本文提出了一种基于Riesz变换的结构相似度图像质量评价方法。该方法先将参考图像和失真图像进行一阶Riesz变换和二阶Riesz变换,并利用得到的5组对应特征图计算出5幅相似度图和5幅权重图,利用平均法进行融合得到最终的相似度图和权重图,然后加入原参考图像和失真图像的亮度比较项,得到最终的图像质量评价指标。在LIVE图像数据库上的实验表明,本文方法对于5种失真的质量预测准确性和一致性都很高,在交叉失真实验中,本文方法也优于结构相似度方法,PLCC和SROCC值达到了0.9482和0.9532。与几种公认较好的方法相比,本文方法能够更好地预测图像质量,更加符合人眼的主观感知。     

一种无参考运动模糊图像的质量评价方法

针对高动态环境下视觉导航系统的可靠性受到运动模糊制约,而现有的结构相似度算法（SSIM）对模糊图像评价不敏感的问题,提出了一种基于改进结构相似度的无参考运动模糊图像质量评价算法。首先,将原始运动模糊图像经过同运动方向的模糊算子生成再模糊图像;之后,将原始模糊图像与再模糊图像进行8×8分块,并在相应子块中找到边缘信息丰富的子块;然后,计算原始模糊图像和再模糊图像中对应边缘信息丰富子块的结构相似度;最后,通过边缘置信度对子块加权得到整幅图像的模糊评价指标。实验结果表明,此评价方法结果与主观评价结果具有较高的一致性,能够准确地对运动模糊图像进行评价。由于本方法能有效地优化边缘子块的权值,与传统的平均结构相似度（MSSIM）评价方法相比,具有更高的灵敏性。     

基于边缘及特征点匹配的立体图像质量评价

为了实现对立体图像质量的精确预测,提出了一种基于边缘和特征点匹配的立体图像客观质量评价方法。首先,对图像的质量进行评价,在基于结构相似度的质量评价方法的基础上,考虑了边缘信息对人眼视觉特性的重要性,加入了边缘结构相似度指标;然后,对图像的立体感进行评价,采用特征点匹配的方法提取立体感指标。最后,根据总体视差失真法将图像质量和立体感指标拟合为一个综合指标。实验结果表明,采用本文提出的方法对立体图像测试库进行评价,总体评价的PLCC(Pearson Linear Correlation Coefficient)均在0.94以上;与其他方法相比,本方法具有较高的预测精确性。     

一种基于HWD结构相似的图像质量评价方法

针对传统图像质量评价方法峰值信噪比PSNR和结构相似度SSIM没有充分考虑人眼视觉特性,所得结果有时并不能与人眼的视觉所感知到的实际质量一致的问题,通过对图像结构相似度和人眼视觉系统的研究,文中提出了一种新的基于HWD结构相似的图像质量评价方法。首先对图像进行Hybrid Wavelets and Directional Filter Banks(HWD)分解,提取图像不同频带不同方向上的信息,然后计算各子带结构相似度,最后综合人眼视觉特性的CSF得到图像质量评价值。实验结果表明文中方法相比峰值信噪比PSNR、结构相似度SSIM算法具有更高的准确性和良好的相关性,可以更好的评价图像质量。     

基于频率、空间和方向的图像质量评估

将空间域图像质量评价方法结构相似度SSIM推广到HWD变换域,结合人眼视觉倾斜效应和粒子群优化算法,提出一种新的图像质量评价测度。将SSIM直接用于各HWD分解频带,用频带相关性图加权各频带的结构相似度得到局部质量,然后对不同方向的局部质量求加权和得到整幅图像的结构相似度。实验结果表明,该测度与主观感知有较好的一致性,能准确地反映人眼对图像的视觉感知。     

基于梯度结构相似度的无参考模糊图像质量评价

在对模糊图像边缘膨胀后进行边缘膨胀块提取的 基础上,提出一种基于梯 度结构相似度(GSIM)的无参考模糊图像质量评价方法(NRGSIM)。首先,将原始模糊图像经过低 通滤波生成再模糊图像;之后,将原始模糊图像生成的边缘膨胀图像进行8×8分块,并将子块 划分为边缘膨胀块和平滑块;然后,计算原始模糊图像和再模糊图像中所有对应到边缘膨胀 图 中边缘膨胀块的相应子块的GSIM;最后,平均得到整幅图像的模糊值。在4个数据 库上实验结果表明,本文方法评价结果合理、稳定,更加符合人类视觉特性,与主观评分有 较好的一致性,而且计算简单,取得了很好的评价效果,LIVE2数据库上的SROCC指标达到0.964。     

基于剪切波变换的光场图像质量评价方法

光场成像作为新一代成像技术可采集更丰富的视觉信息,但在其各个处理过程中都会引入失真导致光场图像主观质量的下降,因此需要设计与人类视觉系统(Human Visual System,HVS)保持一致的客观评价方法以自动评价光场图像的质量。本文提出了一种基于剪切波变换的光场图像全参考质量评价方法。首先,为了同时考虑光场的空间域和角度域失真,分别在光场视图和极平面图(Epipolar Plane Image,EPI)上提取特征。其次,在光场视图上进行剪切波变换后,分别提取局部相似性特征和全局统计特征。然后,在EPI上分别提取局部相似性特征和全局方向统计特征。最后,采用随机森林对以上特征进行池化得到最终质量预测值。在密集光场图像数据库中进行测试的实验结果表明,所提出方法优于现有的图像质量评价指标,与主观视觉评价结果的一致性较高。     

基于边缘增强引导滤波的光场全聚焦图像融合

受光场相机微透镜几何标定精度的影响,4D光场在角度方向上的解码误差会造成积分后的重聚焦图像边缘信息损失,从而降低全聚焦图像融合的精度。该文提出一种基于边缘增强引导滤波的光场全聚焦图像融合算法,通过对光场数字重聚焦得到的多幅重聚焦图像进行多尺度分解、特征层决策图引导滤波优化来获得最终全聚焦图像。与传统融合算法相比,该方法对4D光场标定误差带来的边缘信息损失进行了补偿,在重聚焦图像多尺度分解过程中增加了边缘层的提取来实现图像高频信息增强,并建立多尺度图像评价模型实现边缘层引导滤波参数优化,可获得更高质量的光场全聚焦图像。实验结果表明,在不明显降低融合图像与原始图像相似性的前提下,该方法可有效提高全聚焦图像的边缘强度和感知清晰度。     

基于视觉显著失真度的图像质量自适应评价方法

针对结构相似(SSIM)图像质量评价算法没有考虑人眼视觉多通道性和对图像高失真评价的不稳定性,提出一种基于视觉显著失真度的图像质量自适应融合(VSAP)评价方法。该方法首先采用log-Gabor滤波提取图像的高频、中频及低频3层视觉特征,基于log-Gabor变换尺度和方向权重系数计算特征值的相似度;然后基于视觉阈值多分辨性迭加计算出特征值的失真度;最后,根据视觉失真度自适应融合相似度评价与失真度评价获得图像质量的最终客观评价。实验结果表明,VSAP方法不但对图像不同类型失真的客观评价与主观感知具有更高的相关性,而且3个主要指标斯皮尔曼等级相关系数(SROCC)、曲线拟合相关系数(CC)和均方根误差(RMSE)对图像不同水平失真的整体评价性能更稳定,明显优于其它评价方法。     

融合显著图和保真图的全参考图像质量评价

提出一种融合显著图(SM)和保真图(FM)的全参考图 像质量 评价算法,用于评价质降图像的失真度。利用亮度和色度的相似度提取质降图像相对于 参考图像的FM;对参考图像进行区域划分、全局显著性提取和纹理边缘补充得到SM,将SM与 质降图像的FM融合得到基 于感知的显著保真图(PSM),计算质降图像的客观评价得分。在标准数据库上的实验结果表 明,本文方法与主观评价能够很好保持一致,并对LIVE图像库中的5种失真图像均有很好的 表现。     

基于边缘特征和亮度的彩色图像质量评价

传统的图像质量评价算法大多针对灰度图像而言,这些算法利用图像中对应的像素灰度误差建立数学模型来评价图像,不能够评价彩色图像的质量。本文提出了一种基于边缘特征和颜色亮度信息的彩色图像质量评价方法。首先,利用Sobel算子提取图像边缘;其次,定义了边缘和亮度相似系数来分析它们对图像的影响。最后,综合考虑这两个因素建立数学模型对彩色图像进行评价。大量实验表明:该方法适合评价彩色图像;同时,该实验结果与人的主观感觉的一致性较好。