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。     

基于特征融合的无参考屏幕图像质量评价

考虑到人类视觉系统对图像边缘和局部纹理信息较为敏感,本文提出一种基于特征融合的无参考屏幕图像质量评价方法。所提方法通过梯度方向直方图和局部二值模式分别提取屏幕图像的边缘和局部纹理信息,接着通过特征融合过程得到一个更加能够描述屏幕失真的融合特征,最后采用支持向量回归训练得到屏幕图像融合特征向量与主观质量分数的质量评价映射模型。实验结果显示,与现有的图像质量评价方法相比,本文所提算法能够更好地反映出人类视觉系统对屏幕图像的主观感知度。      

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。     

基于梯度信息的图像质量评判方法的研究

图像质量客观评判标准广泛应用于图像处理中,基于人眼视觉系统的客观评判方法一直是图像处理领域的研究热点.最近,Zhou Wang等人提出了基于结构信息的评判方法—结构相似度(SSIM),它的理论基础是人眼视觉系统能高度自适应地提取场景中的结构信息.SSIM方法简单、评判性能优于PSNR(或MSE).但随着研究的深入,我们发现SSIM算法存在着一些问题,特别是不能很好地评判模糊失真类的图像.本文提出两种基于梯度信息的图像质量评判方法—基于梯度的结构相似度(GSSIM)和基于边缘的结构相似度(ESSIM).实验结果表明,GSSIM能更好地符合人眼视觉系统特性,而ESSIM对于模糊图像则取得了最好的评判效果.     

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。     

一种基于HSV色彩空间的OLED低功耗方法

为了降低有机发光器件(OLED)的功耗,同时又保证显示图像的质量,提出一种基于色调、 饱和度和亮度(HSV,hue,saturation and value)色彩空 间的OLED低功耗方法。通过整合亮度调节(VS)和 饱和度调节(SS)降低显示图像的功耗,应用感兴趣区域(ROI,region of interest) 到图像边界逐级调节技术提升 图像质量,采用平均结构相似度指数(MSSIM,mean structu ral similarity index)对原始输入图像和输出图像在亮度、对比度和结构相似性上进行比 较以评价图像相似程度,达到 保持较高图像质量的同时降低功耗的目的。实验结果表明,图像渐变级数level为15时, 本文提出的亮度与饱和度整合调节(VSI)方法在保持图像的ROI具有80.31%的相似度的同时节省了57.93%的OLED功耗。     

利用边缘相似度的光场图像质量评价

近年来，随着虚拟现实（Virtual Reality，VR）和增强现实（Augment Reality，AR）技术发展和普及，光场图像引起了学术界和工业界的广泛关注。然而，在光场采集和图像压缩、存储、传输和渲染的过程中，不可避免会引入各类失真从而导致光场图像质量出现劣化。因此，如何根据人眼视觉特性来准确高效地评价光场图像质量成为急需解决的问题。考虑到光场图像复杂的结构特性，本文意在利用边缘相似度来构建适用于光场图像质量客观评估的数学模型。首先, 利用梯度和Gabor滤波器分别提取光场图像的空域和频域相似度，进而进行融合得到边缘相似度图，接着对边缘相似度图采用基于频域边缘强度的池化策略进行权重计算得到最终的客观评估分数。实验结果显示，与现有的图像质量评价方法相比，本文所提算法能够更好地反映出人类视觉系统对光场图像的主观感知特性。      

基于三维特征和结构相似度的图像质量评价方法

分析了人眼视觉特性、双眼视差异信息等三维特征,将立体视觉与图像的结构相似度(SSIM)相结合,提出了一种新的立体图像质量评价方法。该方法考虑了立体图像的亮度、纹理细节和空间位置等因素对人感知立体效果的影响,利用加权平均结构相似性(WMSS)联合统计学方法得到评价初值,用包含三维景物深度信息的双眼视差信息进行修正,作为立体图像质量的评价结果。实验表明,该方法符合人眼视觉特性,与主观评价(MOS)的一致性较好。     

基于NSST和改进PCNN的医学图像融合

为了解决单一模态医学图像的局限性,提出了一种 基于非下采样剪切波变换(NSST)和改进型脉冲耦合神经网络(PCNN)相结合的多模态医学图 像融合方法。首先,利用NSST对源图像进行多尺度、多方向分解,得到 低频子带系数和高频子带系数;其 次,低频子带系数由区域能量和方差求取区域特征,采用基于区域特征加权的方式进行融合 ;高频内层子 带系数先通过PCNN求出区域点火特性,再与平均梯度加权的方式进行选择,高频外层子 带系数采用区 域绝对值取大的融合规则;最后,通过逆NSST重构图像。实验结果表明:与常用融合 规则对比,在 主观效果上,本文的融合图像可以保留源图像的边缘信息,得到更好的视觉效果;在客观指 标上,本文方法 融合得到的图像在互信息(MI)、边缘评价因子(QAB/F)和 结构相似度(SSIM)等客观评价指标上取得更好的效果。     

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。     

An optimized CNN-based quality assessment model for screen content image

Most existing convolutional neural network (CNN) based models designed for natural image quality assessment (IQA) employ image patches as training samples for data augmentation, and obtain final quality score by averaging all predicted scores of image patches. This brings two problems when applying these methods for screen content image (SCI) quality assessment. Firstly, SCI contains more complex content compared to natural image. As a result, qualities of SCI patches are different, and the subjective differential mean opinion score (DMOS) is not appropriate as qualities of all image patches. Secondly, the average score of image patches does not represent the quality of entire SCI since the human visual system (HVS) is sensitive to image patches containing texture and edge information. In this paper, we propose a novel quadratic optimized model based on the deep convolutional neural network (QODCNN) for full-reference (FR) and no-reference (NR) SCI quality assessment to overcome these two problems. The contribution of our algorithm can be concluded as follows: 1) Considering the characteristics of SCIs, a valid network architecture is designed for both NR and FR visual quality evaluation of SCIs, which makes the networks learn the feature differences for FR-IQA; 2) with the consideration of correlation between local quality and DMOS, a training data selection method is proposed to fine-tune the pre-trained model with valid SCI patches; 3) an adaptive pooling approach is employed to fuse patch quality to obtain image quality, owns strong noise robust and effects on both FR and NR IQA. Experimental results verify that our model outperforms both current no-reference and full-reference image quality assessment methods on the benchmark screen content image quality assessment database (SIQAD). Cross-database evaluation shows high generalization ability and high effectiveness of our model.     

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.     

方向相关与互信息加权组合多模图像配准方法

针对可见光与红外图像的配准问题,提出了一种基于边缘方向相关和局部优选区域互信息加权的配准方法。首先进行区域划分,建立区域优选测度,选取信息量丰富的局部区域;在优选区域的基础上,引入了图像的边缘方向信息,构造边缘方向图,以增加全局空间特征;然后,通过综合局部区域灰度信息和全局边缘方向信息,将互相关测度和互信息测度加权集成,构造了一种新的相似测度。实验结果表明,边缘方向相关测度的引入,提高了基于互信息的图像配准的精度,利用局部优选区域代替整幅图像提高了算法的速度。     

Image quality assessment based on Prewitt magnitude

The goal of image quality assessment (IQA) research is to use computational models to calculate the quality of images consistently with subjective evaluations. In this paper, we propose a new image quality assessment (IQA) algorithm by combining Prewitt magnitude and regional mutual information (RMI) in HSV color space. The Prewitt operator is usually used for edge detection and can extract vertical edge more accurately than other operators. The HSV color space encapsulates information about a color in terms that are more natural and intuitive to humans. The proposed method PMRMI first transforms reference and distorted images from RGB color space into HSV color space and Prewitt magnitude is introduced to extract key edge features of each channel. Then the regional mutual information is calculated to measure the similarity of the two images. After that, a weighting method is utilized for better consistency with subjective evaluations. Therefore we get a single quality score. Experiments on various image distortion types demonstrate that the proposed algorithm can achieve better consistency with the subjective evaluations than PSNR and SSIM.     

利用人眼视觉特性的图像结构差异性杂波度量

针对光电图像杂波效应对目标获取性能的影响,提出一种基于人眼视觉特性的图像结构差异性杂波度量。依据人眼对图像结构的高度自适应性以及图像质量评估领域广泛认可的图像结构的定义方法,计算目标和杂波的结构相似性;并根据人眼的视觉显著性原理,给出两种适用于结构相似性的显著性加权信息度量。采用外场实验对该杂波度量的合理性进行验证,得出基于该杂波度量的目标预测性能与外场目标获取性能,在均方根误差、相关性方面都优于现有的杂波度量的预测性能。