基于色彩感知的无参考图像质量评价

图像发生失真会改变RGB色彩空间的颜色特征、各色彩分量的亮度分布及其间的相关性,基于此,提出了一种新的无参考图像质量评价方法。首先,标准化6种颜色系数以消除光照环境变化对RGB模型的影响,并利用各颜色系数的拟合广义高斯分布模型(GGD)的形状参数作为颜色统计特征;其次,分别计算各色彩分量的均值减损对比归一化(MSCN)系数及其邻域系数间的互信息,利用互信息作为统计特征来描述其各分量间的相关性;进而,利用人眼更为敏感的G分量MSCN系数的拟合GGD模型参数及其4方向邻域MSCN系数的拟合非对称广义高斯分布模型(AGGD)参数作为亮度统计特征;最后,分别利用支持向量回归机(SVR)和支持向量分类机(SVC)构建无参考图像质量评价模型和图像失真类型识别模型,并在LIVE等数据库上进行了算法与差异平均意见分(DMOS)的相关性、模型的鲁棒性等方面的实验。实验结果表明,本文方法的评价结果与人类主观评价具有高度的一致性;而且图像失真类型识别模型的识别准确率也高达到93.59%,明显高于当今主流无参考图像质量评价方法。     

基于空间依存的无参考图像质量评价

为了实时监测图像质量,建立了像素小波系数的二元空间依存关系模型,并利用该模型实现了图像质量的无参考评价。首先,将RGB图像映射到HSV空间;对图像进行小波分解,并建立小波系数的二元空间依存关系模型,即以广义高斯分布来拟合小波系数的二元联合分布。然后,分析二元空间依存关系与图像质量的相关性,建立了无参考图像质量评价指标。最后,对图像质量评价指标进行了测试及对比研究。基于TID2013、LIVE及CSIQ数据库完成了测试,结果表明:基于空间依存的无参考图像质量评价指标可以对图像的失真程度进行准确分级,分级准确率达到96%以上;采用基于空间依存的无参考图像质量评价方法可以实现对图像质量失真度的准确分级。     

应用log-Gabor韦伯特征的图像质量评价

考虑人眼对亮度的感知符合韦伯定律的特点,本文利用log-Gabor滤波器模拟人眼对图像的感知过程,提出了一种新的log-Gabor韦伯特征,以便保留不同尺度的符合人眼感知的结构信息。基于此,还提出了一种应用log-Gabor韦伯特征的图像质量评价方法。首先将待评价失真图像和参考图像从RGB空间转换到YIQ颜色空间,分离亮度分量和颜色分量。然后利用log-Gabor韦伯特征和梯度特征计算亮度分量失真,并结合颜色分量的失真,得到失真图像与参考图像的局部相似度图。最后利用修正的CSF函数,对局部相似度图进行加权,得到图像质量评价指标。在LIVE、CSIQ和IVC3个图像库上的实验结果表明,本文方法与人眼主观感知有很好的一致性,而且相对于其他方法,表现更加稳定。本文方法在3个图像库上的加权Spearman秩相关系数(SROCC)为0.949 8,Kendall秩相关系数(KROCC)为0.802 6,Pearson线性相关系数(PLCC)为0.943 8,相比对比方法有显著的提高。     

基于色貌尺度相位一致性的全参考图像质量评价

为提高图像质量评价模型的准确性,提出一种基于色貌尺度相位一致性的全参考评价模型。首先,在CIELAB色空间的色貌指标Vividness上提取图像结构信息,得到色貌尺度上的相位一致性量值;然后,利用均方根法计算对比度相似图,并在通过上述色空间的颜色通道获取色度相似图;最后,将相位一致性、对比度以及色度三种图像特征结合,采用标准差法进行求和池化,得到全参考图像质量评价计算模型。为验证本模型的可靠性,对4个常用图像数据库中的失真图像进行测试,依据4项评价标准分析其预测精度、计算复杂度及泛化性。实验结果表明,模型在上述数据库中测得的Pearson线性相关系数值最低为0.878 1(TID2013),最高达到0.961 6(LIVE);Spearman秩相关系数值最低为0.859 2(TID2013),最高达到0.965 3(LIVE)。与多种现有方法相比,本图像质量评价模型具有更高的视觉关系预测精度。     

广义平均的全参考型图像质量评价池化策略

为了设计与人的主观评价相吻合的全参考型客观图像质量评价(IQA)算法。针对不同算法提取的局部特征,利用广义平均的非线性性质,提出了2种池化策略,以提高结构相似度(SSIM),梯度结构相似度(GSSIM),特征相似度指标(FSIM)的评价能力。在TID2008和TID2013数据库中进行数值实验,讨论了所有失真类型非线性参数的选择以及不同失真类型之间非线性参数的变化。结果表明,采用广义平均池化策略能提高IQA算法的有效性。4种客观评价指标Spearman等级相关系数(SROCC)、Kendall等级相关系数(KROCC)、Pearson线性相关系数(PLCC)和均方误差根(RMSE)表明所提算法性能优于已有的算法,与人的视觉系统具有一致性。     

结合局部特征的无参考彩色图像质量评价

由于传统的无参考彩色图像质量评价方法与人眼感知结果的一致性较差,本文提出了一种全面利用待评价图像的色度、锐利度和对比度的无参考彩色图像质量客观评价方法。分析了彩色图像锐利度的局部特征,提出了一种新的彩色图像锐利度测量模型。基于对比度的局部特征和Buchsbaum曲线特征,建立了新的彩色图像对比度测量模型。最后,通过线性组合色度测量模型、锐利度测量模型和对比度测量模型,构建了无参考彩色图像质量评价函数。利用TID2013数据库中的3类退化图像(高斯模糊图像、对比度改变图像和噪声图像)验证了本文提出的锐利度测量模型、对比度测量模型和无参考彩色图像质量评价函数的性能。结果表明,本文提出的锐利度测量模型和对比度测量模型的性能均优于传统的锐利度和对比度计算模型。提出的无参考彩色图像质量评价函数的Spearman秩相关系数(SROCC)为0.904,Kendall秩相关系数(PROCC)为0.865,Pearson线性相关系数(PLCC)为0.922,亦均优于传统方法。     

基于无参考图像质量评价的反卷积去模糊算法

针对数字图像在处理过程中容易产生模糊的现象,提出了基于无参考图像质量评价的自适应反卷积去模糊算法。首先,根据无参考图像质量评价结果与其失真等级的强相关性,通过计算模糊图像的无参考评价参数确定图像的模糊等级,进而根据图像模糊等级与模糊核的对应关系确定反卷积核;其次,提出将失真图像颜色空间转变到YUV,仅对失真图像Y通道进行去模糊处理,保证了彩色图像处理前后颜色的忠实性,并提高算法运算效率;最后,针对图像灰度剧烈变化的邻域出现类吉布斯(Gibbs)振荡分布的现象,提出基于梯度的权重矩阵进行控制。实验结果表明,本文提出的算法在Tid2008图库不仅能够对图像模糊进行快速有效去除,并且恢复图像的纹理细节能够得到有效保留。     

彩色融合图像的质量主观评价

考虑人眼主观评价在彩色融合图像质量评价中的重要作用,设计了52人的彩色融合图像质量主观评价实验。采用"目标背景的感知对比度","清晰度","颜色协调性","颜色自然感"4个单一评价指标以及"基于目标探测的图像感知质量","基于场景理解的图像感知质量"2个综合评价指标对绿地、海天和城镇3类典型场景、8种融合算法获得的240幅彩色融合图像进行了主观评价,并依此进行指标分值归整及相关性分析,建立了2个综合指标的预测模型。实验结果表明:彩色融合图像的"颜色协调性"和"颜色自然感"有较高的相关性;基于目标探测的图像感知质量可用"目标背景的感知对比度"和"清晰度"来描述,基于场景理解的图像感知质量可用"颜色协调性"和"清晰度"来描述。但是对于不同的场景,每个指标的影响效果不同,所以预测模型中的权重系数不同。     

结合视差补偿与3D数据处理的盲光场图像质量评价

与传统的2D图像相比,光场图像记录了场景中光线的强度和方向信息,在多媒体技术应用领域中占据着重要的地位。但在光场图像的产生、传输等处理过程中会不可避免地引入失真,影响用户视觉体验,因而需构建有效、准确的光场图像质量评价方法对其进行评估。本文基于光场图像的伪视频和极平面图像提出了结合视差补偿与3D数据处理的盲光场图像质量评价方法。首先,采用视差补偿模块处理光场图像伪视频序列,然后对经过视差补偿后的伪视频序列进行三维离散小波变换以及三维去均值对比度归一化处理,并提取频域和空域特征。同时,在极平面图像上提取方向梯度直方图特征表征其角度信息的失真。最后,运用支持向量机建立图像质量评价指标到主观质量得分的回归模型。所提算法在公开数据库NBU-LF1.0,Win5-LID和SHU上的PLCC分别达到0.886 1,0.928 7和0.976 9,实验结果表明,与经典的二维图像质量评价方法以及先进的光场图像质量评价方法相比,本文方法与主观质量评价结果的一致性更高。     

基于注意转移机制的图像质量评价方法

图像质量的客观评价方法研究在实现图像质量评价仪器化的过程中起到决定性的作用。提出一种基于注意转移机制的结构相似度图像质量客观评价方法。该方法首先利用亮度、纹理和空间位置等特征生成视觉感知图,并通过计算待评价图像的块结构相似度生成失真感知图,然后进一步考虑由视觉特征显著和失真严重引起的注意转移对视觉感知图的影响,重新生成注意转移后的视觉感知图,最后利用生成的两张视觉感知图对结构相似度进行加权,获得图像质量的客观评价。与W ang的结构相似度图像质量评价方法(SSIM)的对比实验结果表明,提出的方法在评价准确性、单调性和一致性上分别提高3.7%、3.8%和2.9%,与图像质量的主观评价更加一致。     

曲波域铁谱磨粒图像特征提取方法研究

曲波变换具有多尺度分析能力,与小波变换相比可更好地表达图像的曲线特征.为有效描述铁谱磨粒的形貌特征,提出一种曲波域图像特征提取方法.利用曲波变换将磨粒图像进行分解,得到不同尺度的曲波系数;根据曲波系数统计分布特点,采用广义高斯分布模型对细尺度和精细尺度曲波系数分布进行建模;提取粗尺度曲波系数的均值、标准差、能量和熵等统计特征,以及细尺度和精细尺度曲波系数的广义高斯分布模型参数描述磨粒特征.将提取的特征用于发动机典型磨粒识别,识别成功率达到了88.9%,表明该方法所提特征能很好地表达铁谱磨粒的形貌特征.     

基于小波域统计模型的纸浆纤维图像去噪研究

在小波多尺度分析基础上，提出一种新的图像小波系数的白适应统计算法，并应用于纸浆纤维图像的去噪研究。将图像小波系数视为服从广义高斯分布（GGD）的随机变量模型，在小波软阈值去噪的基础上引入空间自适应阈值方法；将均值滤波算法应用于小波系数方差的边缘估计中，结合最大后验概率准则（MAP）进行参数估计以恢复噪音小波图像。该算法用于纸浆纤维图像的去噪，效果理想，同其它的图像去噪算法相比，它具有较高的峰值信噪比（PSNR）。     

细节保留的多曝光图像融合

针对传统的多曝光图像融合算法存在的细节丟失严重和鬼影现象,提出了一种细节保留的多曝光图像融合算法。该算法首先计算曝光序列的3个特征指标:图像细节、曝光亮度和色彩信息,其中图像细节通过引导滤波计算,曝光亮度的权值由高斯方程分配,而曝光序列的色彩信息用色彩饱和度表示。然后,利用差分图和邻域相关系数检测多曝光序列中运动物体,利用3个特征指标和运动目标检测结果分别计算静态场景和动态场景的融合权值图。为了消除噪声的影响,采用递归滤波器来修正融合权值图。最后,采取加权融合的方式得到融合图像。选取10组不同的曝光序列,分别从主观和客观两方面与6种传统的融合算法进行了比较。实验结果表明,本文算法保留了丰富的细节信息,呈现出了更加生动自然的现实场景,并且有效去除了由运动物体产生的鬼影现象,效果优于其他比较算法,在静态场景和动态场景的曝光融合中都取得了好的效果。     

结合高斯混合模型的改进暗通道图像去雾方法

针对经典的暗通道先验方法在处理含有大面积天空的有雾图像时,去雾图像的天空区域出现不同程度的颜色失真等问题,提出了一种结合高斯混合模型的改进暗通道图像去雾方法。首先,采用高斯混合模型对有雾图像进行建模,然后用期望最大化(Expectation maximization,EM)算法优化模型参数,从而将有雾图像分割成天空区域和非天空区域。其次,根据天空区域暗通道值的不同将其分为淡雾区、中雾区和浓雾区,分别估计透射率。并结合大气散射模型得到复原图像。最后,采用高动态范围图像自适应局部色调映射方法提升复原图像的亮度。实验结果表明,该方法有效地解决了经典暗通道先验方法去雾时产生的天空失真问题,且复原后的图像更清晰、视觉效果更好。     

Microscopic skin laceration segmentation and classification: A framework of statistical normal distribution and optimal feature selection

Among precision medical techniques, medical image processing is rapidly growing as a successful tool for cancer detection. Skin cancer is one of the crucial cancer types. It is identified through computer vision (CV) techniques using dermoscopic images. The early diagnosis skin cancer from dermoscopic images can be decrease the mortality rate. We propose an automated system for skin lesion detection and classification based on statistical normal distribution and optimal feature selection. Local contrast is controlled using a brighter channel enhancement technique, and segmentation is performed through a statistical normal distribution approach. The multiplication law of probability is implemented for the fusion of segmented images. In the feature extraction phase, optimized histogram, optimized color, and gray level co‐occurrences matrices features are extracted and covariance‐based fusion is performed. Subsequently, optimal features are selected through a binary grasshopper optimization algorithm. The selected optimal features are finally fed to a classifier and evaluated on the ISBI 2016 and ISBI 2017 data sets. Classification accuracy is computed using different Support Vector Machine (SVM) kernel functions, and the best accuracy is obtained for the cubic function. The average accuracies of the proposed segmentation on the PH2 and ISBI 2016 data sets are 93.79 and 96.04%, respectively, for an image size 512 × 512. The accuracies of the proposed classification on the ISBI 2016 and ISBI 2017 data sets are 93.80 and 93.70%, respectively. The proposed system outperforms existing methods on selected data sets.     

改进的基于局部联合特征的运动目标检测方法

背景减除是机器视觉中运动目标检测最常用的方法。针对复杂场景中传统单特征算法检测精度不高、多特征检测算法实时性较差的问题,提出了一种改进的联合纹理、颜色和位置特征的局部联合特征,并对局部联合特征混合高斯建模,采用多重判定进行学习和更新的目标检测算法。为更好地抵抗阴影和光照变化影响并减少计算量,改进了LBP算子,Lab局部颜色特征在处理纹理缺乏情况时,有更好的效果,而位置特征能减缓场景抖动等噪声影响。实验结果表明,该算法能准确地检测上述影响下的目标,检测效果在多种数据集上表现出更高的鲁棒性和精确性并且基本达到实时性要求。