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.     

基于小波系数块能量和HVS的FCM水印算法

为增强水印的鲁棒性,提出一种基于小波变换的改进数字水印算法.该算法将原始图像小波变换后的细节子图分割成互不重叠的系数块.通过对各系数块能量特征分析,并结合人类视觉系统特征(HVS)对特征值进行模糊c-均值聚类(FCM)分析取得更适合嵌入水印的块,在适合嵌入块上应用隶属度值进行自适应的水印嵌入.实验表明该算法有更好的鲁棒性和不可见性.     

基于图像模糊度与主成分分析的车牌汉字识别

针对车牌汉字字符结构复杂且图像品质差异大而导致识别率不高的情况,提出了一种基于图像模糊度的主成分分析(PCA)子空间车牌汉字字符识别方法。首先通过三角模和非模糊基数计算字符图像的模糊度,然后根据模糊度将训练样本分成不同的子集并生成相应的PCA子空间族,最后以待识别字符的模糊度为依据选择相应的子空间族进行识别。实验数据表明,本文方法使得子类的类内距离变小类间距离增大,从而可以获得较高的识别率。与其他算法的对比实验进一步表明,本文算法能更好地同时满足精度和实时性的要求,具有良好的综合性能。     

一种无参考运动模糊图像的模糊度估计方法

模糊度估计是模糊图像质量评价的重要研究内容。从研究基于图像边缘特征去评价模糊度出发,文章提出一种结合目标对称的轮廓特性估计运动模糊图像模糊度的方法。在无参考图像的情况下,根据边缘的成像特点从模糊图像中定位目标的关键边缘点。由于运动方向上目标的边缘包含着模糊信息,根据原本对称的目标在运动方向上和垂直于运动方向上所呈现出来的轮廓差异来测量图像的运动模糊尺度。实验结果表明,该算法能从正方形或圆形目标的单幅运动模糊图像中较准确地估计模糊度。     

基于图像块分类的篡改定位和恢复水印算法

针对现有方法所提取的特征值不能灵活适应图像 的纹理变化导致被篡改图像恢复质量不高的问题, 提出一种根据图像块纹理特征进行块类型划分的篡改定位和恢复水印算法。首先把宿主图像 分3×3大小的 子块,再利用方差和Canny边缘检测算子将图像子块划分为简单块、复杂块和边缘块;然后 根据图像子块 类型,自适应地生成水印信息;最后采用Torus自同构映射方式找到水印嵌入位置,并且对 篡改区域进行恢 复时根据图像子块类型自适应的恢复。当图像遭到篡改时,采用本文算法恢复图像的平均峰 值信噪比(PSNR)较现有方 法提5.60%左右。实验表明,本文算法能够对图像纹理复杂区 域生成更精确的 恢复信息,有效提高了图像篡 改区域的恢复质量,同时降低含水印图像失真。算法适用于医学、军事和卫星等领域。     

快速自适应非局部空间加权与隶属度连接的模糊C-均值噪声图像分割算法

针对传统模糊C-均值聚类(FCM)算法难以对噪声图像进行分割的问题,该文提出一种快速自适应非局部空间加权与隶属度连接的模糊FCM抗噪图像分割算法。首先,利用一种非局部空间信息快速计算方法,将以图像所有像素为循环的原始非局部信息计算方法,改为以搜索窗口尺寸为循环,利用空间位移图像与递归高斯滤波的计算方法,克服非局部空间信息计算复杂的问题;其次,计算原始图像与非局部信息项的差值的平方,将其作为非局部信息项的自适应权重,并将差值的平方作倒数变换,作为原始图像的自适应权重;最后,将每个聚类簇中所有像素隶属度之和的对数平方加入目标函数的分母,形成隶属度连接,减少目标函数迭代次数。含噪人工与自然图像分割实验表明,该算法在分割准确度、平均交并比、归一化互信息、运行时间与迭代次数等性能方面优于其他几种FCM算法。     

基于局部离散小波变换的无参考模糊图像质量评价方法

构造模糊图像的参考图像,使无参考(NR)图像质 量评价转变为一种全参考(FR)图像质量评价,提出一种基于 局部离散小波变换的NR模糊图像质量评价方法。首先,采用低通滤波的方 法构造原始模糊图 像的参考图像;然后,通过局部离散小波变换提取出原始模糊图像和参考图像的高频能量图 ;最后计 算两幅高频能量图的相似度,得到原始模糊图像的质量。在LIVE、TID2008和CSIQ 3个数据 库上的实验结果表明, 本文算法的评 价性能较优,相较其他常用的4个清晰度评价算法,在与主观评价的单调性和一致性上有明 显提高,在LIVE 数据库上的SROCC值达到0.9598,在CISQ数 据库上的SROCC值达到0．9104 ,与主观评价平均意见成绩(MOS)值拟合的散点图拟合度为最优。实验数据 结果表明,本文算法性能稳定,符合人类视觉系统。     

快速自适应非局部空间加权与隶属度连接的模糊C-均值噪声图像分割算法

针对传统模糊C-均值聚类(FCM)算法难以对噪声图像进行分割的问题,该文提出一种快速自适应非局部空间加权与隶属度连接的模糊FCM抗噪图像分割算法.首先,利用一种非局部空间信息快速计算方法,将以图像所有像素为循环的原始非局部信息计算方法,改为以搜索窗口尺寸为循环,利用空间位移图像与递归高斯滤波的计算方法,克服非局部空间信息计算复杂的问题;其次,计算原始图像与非局部信息项的差值的平方,将其作为非局部信息项的自适应权重,并将差值的平方作倒数变换,作为原始图像的自适应权重;最后,将每个聚类簇中所有像素隶属度之和的对数平方加入目标函数的分母,形成隶属度连接,减少目标函数迭代次数.含噪人工与自然图像分割实验表明,该算法在分割准确度、平均交并比、归一化互信息、运行时间与迭代次数等性能方面优于其他几种FCM算法.     

基于模糊理论的红外图像锐化及硬件实现

针对通常的红外图像锐化方法导致的图像噪声加剧、均匀性变坏、图像生硬等缺陷,提出一种基于模糊理论的图像锐化方法,即模糊噪声和图像边缘的概念,将亮、暗边缘图像中的每一像素对噪声和边缘的隶属度分别计算,然后根据隶属度对该像素进行加权,得到所需参数.最后,本文给出了具体硬件实现方法和实验结果.     

利用梯度奇异值分解的图像结构相似度评价

针对传统的图像质量评价方法中对图像结构信息的表征能力不足的问题,在研究了基于结构相似度和奇异值分解的两种图像评价方法的基础上,结合其不同特点提出了基于奇异值分解的结构相似度质量评价方法.该算法分别将参考图像和失真图像的梯度图像分成8×8大小的图像块,并对每一个图像块进行奇异值分解后计算对应图像块的奇异值相似性和各图像块局部方差分布的相似性,最后结合各图像块的奇异值相似性和图像的局部方差分布的相似来表征图像的畸变程度.对LIVE库中包括5种失真类型的982幅图像进行验证,其结果表明该评价方法能很好地对各种失真类型的图像进行评价,比峰值信噪比(PSNR)、结构相似度(SSIM)等算法的主客观一致性更好,更加符合人眼的视觉特性.     

No-reference perceptual image quality metric using gradient profiles for JPEG2000

No-reference measurement of perceptual image quality is a crucial and challenging issue in modern image processing applications. One of the major difficulties is that some inherent features of natural images and artifacts are possibly rather ambiguous. In this paper, we tackle this problem using statistical information on image gradient profiles and propose a novel quality metric for JPEG2000 images. The key part of the metric is a histogram representing the sharpness distribution of the gradient profiles, from which a blur metric that is insensitive to inherently blurred structures in the natural image is established. Then a ringing metric is built based on ringing visibilities of regions associated with the gradient profiles. Finally, a combination model optimized through plenty of experiments is developed to predict the perceived image quality. The proposed metric achieves performance competitive with the state-of-the-art no-reference metrics on public datasets and is robust to various image contents.     

Blind blur assessment for vision-based applications

In this paper, a criterion for objective defocus blur measurement is theoretically derived from one image. The essential idea is to estimate the point spread function (PSF) from the line spread function (LSF), whereas the LSF is constructed from edge information. It is proven that an edge point corresponds to the local maximal gradient in a blurred image, and therefore edges can be extracted from blurred images by conventional edge detectors. To achieve high accuracy, local Radon transform is implemented and a number of LSFs are extracted from each edge. The experimental results on a variety of synthetic and real blurred images validate the proposed method. The algorithm can be implemented for image quality evaluation in vision-based applications as no reference images are needed.     

A no-reference sharpness metric based on the notion of relative blur for Gaussian blurred image

This work presents a no-reference sharpness metric for Gaussian blurred image. The metric is based on the notion of relative blur. The key concept is that the judgement on the sharpness closely relates to the degree of convenience for recognizing image objects on a certain scale. Based on this concept, the proposed metric is defined as relative blur with respect to certain object scale using an absolute blur measure. The object scale is characterized by a granularity analysis of image content. And the absolute blur is built on an analysis of edge local gray level distribution. The performance of the metric is tested and compared with some outstanding existing metrics in this field on three widely used databases. The experiment results show that the proposed metric can predict the sharpness of images in varying databases with high accuracy and reliability.     

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。     

基于变分贝叶斯估计的相机抖动模糊图像的盲复原算法

在曝光过程中由于相机抖动而导致的运动模糊,是一种常见的图像降质现象。该文提出了一种基于变分贝叶斯估计和自然图像梯度统计特性的盲复原算法,用于恢复相机抖动模糊图像,同时针对图像复原过程中出现的振铃效应,设计了一种基于分区域检测和Fuzzy滤波器的去振铃效应方法。实验结果表明,该文提出的盲复原算法能够有效地去除图像中因相机抖动而产生的模糊,而且在保持图像边缘和细节的同时,可以较好地降低振铃效应对图像复原质量的影响。     

A noise-immune no-reference metric for estimating blurriness value of an image

Blur is a type of distortion that may happen in digital images. Blur estimation is an important issue in image processing applications such as image deblurring and depth estimation. Several blur metrics exist in the literature, but they are mostly sensitive to the presence of noise. In this paper, a simple yet accurate no-reference blur metric with low computational cost is proposed, which is robust against noise. The proposed blur metric is based on the observation that there is a considerable difference between the DCT of a sharp image and the one associated with its blurred version. The effect of noise is mainly reflected in the higher order DCT coefficients. Hence, the noise effect is mitigated in this paper via discarding the higher order DCT coefficients. The experiments, performed on four databases (including CSIQ, TID2008, IVC, and LIVE), indicate the capability of the proposed metric in measuring image blurriness. Comparative results with other existing approaches show the superiority of the proposed blur metric, especially at the presence of noise.     

基于结构形态几何生长的 模糊红外光谱图像分割

针对局部目标与背景的低对比度、目标边缘模糊红外手印的分割问题,提出了一种基于结构形态几何生长的边缘模糊红外目标提取算法。该算法首先利用最大熵法及阈值扩展将图像进行粗分割;在粗分割的目标区域中提取区域块特征点,构筑手的结构形态;通过区域块特征点寻找种子点,并以种子点与对应特征点的距离关系作为生长判决条件进行几何生长,最终提取得到目标图像。与常用提取算法进行比对实验,结果表明,针对边缘模糊的红外手印图像,本文算法能更有效地提取出完整目标。     

基于边缘结构相似性的视频质量客观评价

在视频图像质量客观评价方法中,基于结构相似度(SSIM)模型算法由于具有对像素偏移不敏感、计算简单等特点,应用较为广泛.但SSIM模型的缺点是不能较好地评价严重模糊的受损图像.因此,提出了一种基于边缘结构相似度(ESSIM)的视频图像质量评价方法,将边缘梯度提取作为图像的主要结构信息.实验结果表明,ESSIM模型比SS...