学习相位一致特征的无参考图像质量评价

为了有效地评价不同失真类型的图像质量,该文提出一种利用广义回归神经网络(GRNN)学习图像相位一致特征的无参考评价方法.该方法首先使用相位一致模型产生相位一致图像、相位一致协方差最大、最小图像,然后利用灰度-梯度共生矩阵模型计算该3幅图像的梯度熵、原始图像的梯度均值和梯度熵,再加上该3幅图像的均值,共8个特征输入GRNN模型训练学习,预测得到图像质量评价得分.实验结果表明新方法与主观得分有较好的一致性,同时具有可靠的推广性.     

基于奇异值分解的无参考模糊图像质量评价方法

提出了一种针对模糊图像的无参考图像质量评价算法。首先,对图像进行高斯低通滤波变换产生参考图像,其次对高斯低通滤波前后的图像分别进行奇异值分解,然后构造公式计算图像高斯滤波前后的奇异值改变量作为图像的特征向量,最后应用广义回归神经网络模型对图像的特征向量进行训练学习,得到图像的模糊值。在3个图像数据库上的大量实验结果表明,新方法计算简单。预测得分与主观得分有较好的一致性,取得了比较好的评价指标。     

基于奇异值分解与自然图像统计的无参考图像质量评价方法

针对图像质量评价问题,从自然图像统计与SVD角度出发,提出一种通用无参考图像质量评价方法.方法对待测失真图像进行局部归一化,利用奇异值分解提取图像高频信息,采用非对称广义高斯分布进行模拟高频信息的自然图像统计特征,构建图像质量特征向量;利用支持向量机构建图像质量回归模型,实现图像质量评价.通过在LIVE2图像质量评价数...     

基于支持向量回归的无参考模糊和噪声图像质量评价方法

基于支持向量回归(SVR)和图像奇异值分解,提出了一种新的无参考(NR,no-reference)模糊和噪声图像质量评价(IQA)方法。首先通过对待评价图像进行高斯低通滤波生成再模糊图像,然后分别对它们进行奇异值分解并计算奇异值的改变量,最后使用奇异值的改变量作为SVR的输入,训练预并测得到图像的质量评分。在3个公开的模糊和噪声数据库上的实验结果表明,新方法预测得分与主观得分有较好的一致性,获得了较好的评价指标;对于模糊失真类型和噪声失真类型,在LIVE2数据库上的性能评价指标斯皮尔曼等级相关系数(SROCC)分别达到0.961 3和0.965 9。     

基于生物视觉标准模型特征的无参考型图像质量评价方法

鉴于生物视觉特征对于图像的良好表征能力,提出了一种基于生物视觉特征的无参考型图像质量评价方法。对生物视觉ST模型进行了研究和分析,完成了对图像的稀疏化表示;利用最小二乘支持向量机回归方法训练生物视觉特征到图像质量的映射关系,获得能够预测图像质量的回归器;通过学习的回归器完成了对图像质量的评价。基于LIVE图像库的实验结果表明,该方法对于特定失真和交叉失真的预测误差分别为2%和5%左右,并且与目前技术条件下的质量评价方法相比具有很好的精确性和单调性。     

基于局部结构张量的无参考型图像质量评价方法

该文提出一种基于局部结构张量奇异值分解的无参考型图像质量评价方法,由于图像局部结构张量能反映图像几何结构,因此利用张量特征值之间的关系来度量图像噪声与模糊水平,将两个度量结合得到图像质量的综合评价。通过分析仿真图像和实际图像的质量评价结果,该方法能同时度量因噪声和模糊造成失真后的图像质量。与图像质量评价数据库的主观评价结果比较表明,该文方法与主观评价结果相关性强,能很好地反映图像质量的视觉感知效果,并且易于实现。     

融合全局-局部特征的双通道无参考图像质量评价算法研究

针对目前大多数图像质量评价（Image Quality Assessment,IQA）算法在对非均匀失真图像进行质量评估时效果不佳的问题,提出一种结合全局-局部特征的双通道无参考图像质量评价（No-Reference Image Quality Assessment,NR-IQA）算法。首先,考虑输入图像尺寸的不同,利用局部失真重组算法对输入图像进行预处理。其次,利用基于Swin Transformer模块的双通道神经网络提取图像的全局特征和局部特征。最后,通过质量回归预测网络完成全局-局部特征到图像质量分数的映射。实验结果表明,该算法在两个数据集上分别取得0.823和0.871的斯皮尔曼等级相关系数（Spearman Rank Order Correlation Coefficient,SROCC）指标值,表明所提出算法与人的主观感知较为吻合。     

基于特征符号化和Transformer的无参考图像质量评价方法

基于深度学习的无参考图像质量评价方法目前存在语义关联性不足或模型训练要求高的问题，为此，本文提出了一种基于语义特征符号化和Transformer的无参考图像质量评价方法。首先使用深层卷积神经网络提取图像的高层语义特征；然后将语义特征映射成视觉特征符号，并基于Transformer自注意力机制对视觉特征符号之间的关系进行建模，提取图像的全局特征，同时使用浅层神经网络提取底层局部图像特征，捕捉图像低级失真信息；最后结合全局图像信息与局部图像信息，对图像质量进行预测。为了验证模型的精度和鲁棒性，以相关系数PLCC和SROCC作为评价指标，在5个主流的图像质量评价数据集和1个水下图像质量评价数据集上进行了实验，并将本文提出的方法与15种传统和基于深度学习的无参考图像质量评价方法进行了对比。实验结果表明，本文方法以较少的参数量（大约1.56 MB）在各类数据集上均取得了优越的性能，尤其在多重失真数据集LIVE-MD上将SROCC提升到了0.958，证明在复杂的失真情况下仍能准确评估图像质量，本文网络结构能满足实际应用场景。     

基于显著性的无参考模糊图像质量评价

为了有效得评价模糊图像的质量分数,提出了一种基于显著性的无参考模糊图像质量评价方法.该方法首先通过改进的的显著值将图像分为显著块和非显著块,并舍弃非显著块;然后,根据模糊检测概率计算块的整体模糊,此外为了在评价过程中引入图像的结构细节信息,将标准差作为块的细节模糊;最后,对整体模糊和细节模糊进行几何融合得到块的质量分数,从而将人眼视觉信息与图像结构细节信息相融合,并利用改进的显著值对其所在的块进行加权,最终得到模糊图像质量评价方法.试验结果显示在LIVE、TID2013、CSIQ三大数据库上,该方法的评价效果都具有较好的准确性与预测性.该算法利用的图像信息相对比较全面,主要适用于纹理信息比较丰富的模糊图像.     

基于局部最大梯度的无参考图像质量评价

图像质量评价在数字图像处理中应用广泛,无参考图像质量评价更是近些年来的研究热点。该文提出一种基于局部结构的无参考图像质量评价方法,该方法首先利用局部梯度选择强边缘区域,然后通过强边缘的信息来评价图像的质量。该方法的创新之处在于:基于局部最大梯度的像素点质量评价;利用强边缘点的局部质量来估计全局图像质量。该方法可以同时评价噪声图像和模糊图像,图像失真越严重,该方法的评价分数就越低。与图像质量评价数据库的主观评价结果比较表明,该文方法与主观评价结果相关性很强,能很好地反映图像质量的视觉感知效果。     

基于相位叠合的不变特征提取

文中给出一种适应于图像多种特征（阶跃边缘,线条,屋脊边缘以及马赫带等）的特征提取方法。这种方法利用图像傅里叶分量在特征点叠合次数最多的概念（相位叠合）,利用相位叠合来标记特征点比用工方法有明显优点：相位叠合是一种无量纲的量,而且对图像的亮度或对比度是不变的,因此它能提供对特征点的绝对度量。实验证明,相位叠合提取特征对图像的照度（或对比度）以及可能出现的噪声是不变的。     

应用相位一致性评价多光谱遥感图像条带噪声

条带噪声是影响多光谱遥感图像质量的重要因素之一,严重影响遥感数据的解译和信息提取。提出一种应用相位一致性进行多光谱遥感图像条带噪声质量评价的方法。该方法不受图像亮度或对比度变化的影响,以频域中相位一致性探测图像特征点,综合考虑图像中条带噪声的数量、长度、宽度和强度建立评价因子,客观评价遥感图像中存在的条带噪声对图像质量的影响。实验证明该方法评价结果符合人眼视觉感官评价。     

Perceptual image quality assessment using phase deviation sensitive energy features

Full reference image quality assessment (FR-IQA) algorithms aim to establish generic measures of perceptual image quality independent of distortion types. Recent developments in FR-IQA have marked the use of phase congruency features. Phase congruency is a dimensionless, normalized feature calculated from the log-Gabor energy of the image, equipped to be relatively insensitive to noise variations due to calculation of noise circle. The underlying assumptions on the nature of the noise used in this calculation affect the performance of phase congruency based FR-IQA measures. In this work, we (a) test the hypothesis that using the phase deviation sensitive energy features obtained from the log-Gabor filtered image instead of the noise adjusted, normalized phase congruency features will improve the general applicability of an FR-IQA measure, (b) reduce execution time by omitting noise circle calculation and (c) study how the modifications in parameter values, changes the correlation between the subjective scores and objective image quality values. Experiments on six benchmark databases suggest the effectiveness of the proposed method which improves over the existing phase congruency based algorithms, achieves competitive performance with the state-of-the-art methods and delivers the best average performance across all databases in terms of prediction monotonicity and accuracy.     

基于卷积分析稀疏表示和相位一致性的低照度图像增强

针对低照度图像存在的对比度低、视觉效果差等问题,提出一种基于卷积分析稀疏表示和相位一致性的低照度图像增强方法.该方法基于Retinex模型,在估计照度图像时采用卷积分析稀疏表示进行约束,所用滤波器一部分人工设定,一部分由样本训练自动获得;在计算反射图像时利用单演相位一致性特征,施加相位一致性残余最小约束来恢复细节;通过联合约束并进行优化,得到的反射图像即为最终的增强结果.对大量低照度图像进行实验,并与当前先进方法相比,结果表明,本文方法不仅提高了图像的亮度与对比度,增强了细节,而且在多个客观评价指标上都优于其他方法.     

一种改进的相位一致性图像特征检测方法

同时检测出包括边缘特征和线特征在内的多种图像特征一直是图像特征检测中的难点。在相位一致性基本原理的基础上，提出了一种基于局部频率的相位一致性检测图像特征的算法。试验结果表明，采用的算法在图像特征的细节保留和定位方面要优于传统的相位一致性算法和Canny算法。     

基于相位一致性变换的红外图像区域匹配算法研究

由于红外图像具有高噪声、低分辨率的特点,这使得在红外图像中使用基于区域的匹配方法很难取得较好的视差图.在分析了经相位一致性变换后图像的特征后,提出了一种基于区域的匹配方法.即先对图像进行相位一致性变换,再利用变换后图像进行区域匹配.试验结果表明,相位一致性变换后的新图像,噪声得到了较好的抑制,特征更加明显.对变换后的图像采用区域匹配的方法,可以得到较好的匹配效果.     

基于主相位一致性的医学图像配准

 本文提出了一种新的图像特征——主相位一致性(Principal Phase Congruency,PPC),并在此基础上构造了一种新的基于主相位一致性的配准算法.首先计算不同尺度、方向上的相位一致性,然后利用主成分分析将它们进行融合,从而得到信息更加丰富的主相位一致性;将待配准图像的主相位一致性看作模糊集合,引入模糊数学中的贴近度概念,计算它们的模糊相似性.我们对模拟和真实数据进行了实验,结果表明在图像空间分辨率较低,有噪声影响等情况下该算法具有精度高、鲁棒性强的特点,特别适合于医学图像的配准.     

基于相位一致性的煤矸边缘检测方法

煤矸识别以往常常采用对噪声敏感的梯度算子提取边缘,但工作场所粉尘较大,光线暗,图像清晰度差,识别效果往往不理想。为提高自动分选率,将相位一致性应用到煤矸边缘检测中,阐述了相位一致性的基本原理,并以现场图片处理效果表明,相位一致性检测图像特征的方法可以准确的提取煤块与矸石边缘,不受亮度与对比度影响。     

基于相位一致性的异源图像匹配方法

异源图像由于亮度和对比度差异较大,采用基于灰度和梯度信息的局部特征匹配方法匹配正确率较低。针对该问题,提出一种基于相位一致性和梯度方向直方图的异源图像匹配方法。该方法首先采用具有亮度和对比度不变性的相位一致性方法提取异源图像特征点和边缘图像,并以特征点为中心,选取100×100的边缘图像作为特征区域,统计梯度方向直方图,生成64维特征描述符;然后,选用归一化相关函数作为匹配测度,采用双点匹配方法选取一个特征点的两个较优的候选匹配点,并采用RANSAC方法进行匹配点提纯;最后,基于局部归一化互信息方法和最优化方法进行匹配点精确定位,提高匹配精度。实验结果表明,该方法在可见光、近红外、中波红外和长波红外等异源图像匹配中具有较好的匹配性能,平均匹配正确率高达88%,是SURF匹配方法的3.4倍。