一种基于视觉特性的图像质量评价指标

在分析多通道结构、遮掩效应、敏感度带通特性等人类基本视觉特性（HVS）的基础上,提出了一种新的图像质量评价指标的构造方法。指标构造先借助多尺度几何分析（MGA）中的Contourlet变换对图像进行子带分解以此模拟视觉多通道结构特性,然后在各子带中使用一种遮掩效应模型获取失真图像和参考图像之间的视觉误差,最后通过对比度敏感函数（CSF）获取不同子带的视觉误差加权系数,从而获取图像质量评价值。本文在具有5种类型降质图像的LIVE图库进行性能比较实验,结果表明本文所设计指标比峰值信噪比PSNR、结构相似度SSIM算法具有更好的稳定性和主客观评价一致性。      

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。      

基于结构信息提取的图像质量评价

结构相似性理论是一种关于图像质量评价的新思想.与自底向上地模拟人眼视觉系统(HVS)低阶的组成结构不同,结构相似性理论自顶向下地模拟HVS的整体功能.作为结构相似性理论的一个实现,结构相似度(SSIM)指数有着简单高效的优点,但SSIM在交叉失真类型和失真严重时的准确性不够好.本文将结构信息重新解释为图像中能量足够大的中高频成分,从新的角度将SSIM理解为一种更好的局部误差度量方式.提出一种基于结构信息提取(SIExt)的图像质量评价方法,将图像中的结构信息分离出来给予较大的权重,并用SSIM作为误差度量估计局部失真.实验结果表明,SIExt比PSNR和SSIM等方法有更好的准确性.     

客观评价彩色图像质量的全四元数结构相似度方法

在不损失彩色图像颜色信息的基础上,通过定义一 种全四元数模型 将四元数的3个虚部以及实部全部用于表示彩色图像的结构信息,从而在完整保留颜色信息 的基础上提高了四元数矩阵的信息承载量。为了进一步增加与主观感知的一致性,将彩色图 像的细节信息和颜色分量合并作为四元数的实部和虚部,进而改进传统的图像质 量评价结构相似度(SSIM)方法,采用四元数结构相似度方法 实现了对待测图像的质量评价。实验结 果表明,本文方法既保留了彩色图像的颜色信息,又增强了图像内容中人眼 敏感的细节信息,采用LIVE数据库和IVC数据库验证了本文方法的评价指标,实验结果 表明, 所提指标与人眼主观感知的一致程度要好于传统的图像质量评价方法以及纯四元数SSIM方法。在交叉失真实验中,量化评价结果的Kendall等级相关系数 (KRCC),Spearman等级相关系 数(SRCC)以及均方根误差(RMSE)为0.6929、0.881以及 7.506,均好于实验中采用的其它几种方法。     

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。     

图像质量评价方法研究进展

图像质量评价是图像处理领域的研究热点。该文综合论述了图像质量的主观和客观评价方法,重点阐述了单视点图像质量的客观评价方法。对目前比较常用的峰值信噪比和均方误差全参考评价算法进行了分析并指出其存在的问题。然后,对基于误差敏感度和基于结构相似度的评价算法进行了论述和分析,并对质降和无参考评价方法进行了综述。根据视点的个数,图像质量评价可分为对传统单视点图像和立体图像的评价。该文还对立体图像质量评价算法进行了分析讨论。最后,就图像质量评价算法的进一步发展提出了若干技术与研究方向的展望。     

基于人类视觉系统的图像感知哈希算法

图像感知哈希(Perceptual Hashing)是一门新兴技术,它通过对图像感知信息的简短摘要和基于摘要的匹配,来支持图像的认证和识别,具有广泛的应用前景.目前关于图像感知哈希的研究主要集中在图像特征的提取上,但是特征的选择缺乏对人眼视觉特性的考虑.本文从不同的侧面提出几种基于人类视觉系统的图像感知哈希算法.通过这几种算法之间和已有传统算法之间的测试比较,结果表明考虑了人眼视觉特性的图像感知哈希算法在鲁棒性和区分性上能够得到提高,算法给出的感知距离度量更符合人的主观感受.     

基于结构相似的小波域图像质量评价方法的研究

 小波域的图像处理已经成为图像处理领域的重要组成部分,研究能嵌入在小波域图像处理算法中的图像质量评判方法显得至关重要.空间域结构相似度SSIM具有计算简单、与主观评分相关性高等优点.本文通过对小波域图像结构特性的研究,提出了小波域结构相似度(DWTSSIM)的图像质量评价方法.实验结果表明DWTSSIM比SSIM更加符合人眼的视觉特性,可以更好地评判图像质量,并且能容易地嵌入在小波域图像处理算法中,在图像处理过程中指导或调节算法.     

一种基于HWD的图像质量评价测度

提出了一种新的图像质量评价测度.首先对图像进行Hybrid Wavelets and Directional Filter Banks (HWD)分解,得到相应的尺度和方向子带信息.然后对各个子带进行对比敏感度掩模,使不同尺度和方向子带的信息具有相同的灵敏度.根据人类视觉感知特性设定视觉感知阈值,获得相应的视觉感知系数并归一化.利用参考图像和失真图像视觉感知系数差值的变化得到相应的图像质量评价测度.实验结果表明本测度与主观感知有很好的一致性,能准确地反映人眼对图像的视觉感知.     

基于结构相似度的自适应图像质量评价

考虑到在结构相似度(SSIM,structural similarity)模型中,亮度、对比度和结构度3个评价因子对不同失真类型图像质量评价(QA)的贡献程度不同,本文提出了根据图像失真类型分析的自适应SSIM(ASSIM)的IQA方法。首先,分析失真图像和参考图像的小波子带能量、傅里叶功率谱和幅度谱的数据特点,据此判定图像失真类型,包括高斯白噪声(WN)、JPEG压缩(JPEM)、高斯模糊(Gblur)及类JP2K4类失真;接着,通过优化算法确定SSIM在评价不同失真类型图像时最佳的评价因子权重;最后,将图像的失真类型判别和评价因子的调整相结合,实现对图像的自适应评价。实验结果表明,由于失真类型的判断和评价因子权值的优化,ASSIM对各类失真图像的评价效果都要优于SSIM,特别是对Gblur失真的图像进行评价时,Pearson系数(CC)值提高了0.05,Spearman等级相关系数(SROCC)值的提高超过0.039。     

基于边缘差异的虚拟视图像质量评价方法

为了降低多视视频中的传输数据量,可适当减少包含纹理图及其对应深度图的多视数量,而在自由立体视频系统的终端采用基于深度图的绘制技术,生成新的虚拟视点。由于不准确的深度图估计、遮挡及合成算法等原因,合成虚拟视的边缘会出现高频噪声。对于这种特有的失真,用一般的评价方法并不能准确反映人眼的视觉感知。该文在分析失真虚拟视与原始视像素差异基础上,对各差异像素进行分类,并分配权重,提出了一种基于视觉加权的边缘差异质量评价方法,对边缘像素施加较高权重。经多视视频序列实验证明,该文方法相比于其它评价方法,能更好地预测人类视觉对虚拟视图像的主观感知。     

基于Contourlet的图像感知质量评价

图像感知质量评价是图像信息工程的基础技术之一.结合人类视觉系统(HVS)的感知特性,在Contourlet变换域建立了一个新的可计算JND门限模型,该模型综合考虑了HVS的空间频率敏感性、方向敏感性、对比度掩盖与邻域掩盖特性.由于邻域掩盖模型的引入,能够有效鉴别图像中平滑、边缘与纹理结构区域对失真的不同掩盖强度,实现更...     

基于互相关系数的边缘加权质量预测评估算法

多媒体应用中,图像可能需要进行缩放后观测,尤其在增大显示分辨率时,图像质量会不可避免地下降.为了对这种情况下的图像质量进行评估,提出了一种基于预测的图像质量评估算法.算法采用图像邻域像素间的互相关系数进行图像质量的评估,考虑到邻域像素的强相关性会带来图像边缘区域模糊,算法对图像不同的区域采用分类加权的处理方式.同时,为了兼顾人眼的视觉特性,对待评估图像进行多尺度分解,给予不同尺度以不同权重,从而计算出最终的图像评估分数.由实验分析结果,所提算法可在图像的原始尺度上有效地进行失真质量预测,且对比已有的DIIVINE算法,验证了该算法的准确性.     

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。     

Perceptual Quality Assessment of SAR Image Compression Based on Image Content Partition and Neural Network

Image quality assessment （IQA） is of fundamental importance for image compression applications. Traditional IQA measures used for Synthetic aperture radar （SAR） image compression do not consider the properties of Human visual system （HVS）. Since human beings are the final users in most SAR image applications, the objective evaluation coordinate to human＇s perception is the most acceptable and practical IQA method. In this paper, we propose a novel objective approach based on image content partition and Neural network （NN） by introducing the HVS and SAR image characteristics. Experimental results demonstrate that the proposed metric correlates well with subjective quality of SAR image compression and outperforms those state-of-art objective models using Structural similarity index （SSIM）, Singular value decomposition （SVD） and Visual information fidelity （VIF）.     

基于结构信息和像素失真的客观图像质量评价

为了度量多种失真类型的图像质量,根据人类视觉系统(HVS)对图像空域结构信息高度敏感和任一类型的失真都会产生像素失真理论,提出一种基于结构信息和像素失真的无参考的质量评价方法.该方法利用色彩信息提取能够表征图像结构信息的视觉内容结构图,并加权像素失真来度量图像质量,同时对部分失真类型进行修正.该方法不涉及任何参数设置也无需训练过程.实验结果表明,该方法能够较好地评价白噪声、JPEG压缩、高斯模糊、JPEG2000压缩和FastFading等失真图像的质量,并与主观评价方法有较好的一致性.