基于图像内容视觉感知的图像质量客观评价方法

图像质量客观评价在图像和视频传输、编解码以及服务质量中起着非常重要的作用.然而现有的方法往往没有考虑图像内容特征及其视觉感知,使得其质量客观评价与主观感知结果存在一定的差距.基于此,本文结合图像内容的复杂性特征和人眼的掩蔽特性、对比敏感度特性以及亮度感知的非线性特性,提出了一种基于人眼对图像内容感知的图像质量客观评价方法.该方法首先结合亮度感知的非线性模型将图像进行转换,得到人眼感知强度图;再分别以人眼对比敏感度值和图像局部平均对比度值作为权重因子对强度求和,以求和的数据信息作为人眼感知图像的内容,并构建图像感知模型;最后以此模型分别模拟人眼感知参考图像和失真图像,并计算二者的强度差,以强度差为评价分数的基础构建图像质量客观评价模型.采用LIVE,TID2008和CSIQ三个数据库中的共47幅参考图像和1549幅测试图像进行仿真实验,且与SSIM,VSNR,FSIM和PSNRHVS等典型的图像质量客观评价模型进行对比分析,同时探讨影响图像质量评价的因素.结果表明:所提方法的评价分数与主观评价分数的Pearson线性相关性系数和Spearman秩相关系数值比SSIM的评价结果均有一定程度的提高,提高幅度分别平均为9.5402%和3.2852%,比PSNRHVS和VSNR提高幅度更大.综合以上表明:所提方法是一种有效可行的图像质量客观评价方法;同时,在图像质量客观评价中,考虑人眼对图像内容的感知和复杂度的分析有助于提高图像质量主客观评价的一致性,评价精度可得到进一步的提高.     

基于图像内容对比感知的图像质量客观评价

为了提出性能优异的图像质量评价(IQA)模型,本文基于人类视觉感知特性和图像的灰度梯度、局部对比度和清晰度特征,提出了一种基于图像内容对比感知的IQA方法.在该方法中,首先结合视觉感知特性,基于物理学中对比度定义,提出一种图像质量定义及其值计算方法;之后,基于灰度梯度共生矩阵,提出一种图像灰度梯度熵的概念及其值的计算方法,并基于图像灰度梯度熵、局部对比度和清晰度,提出一种图像内容及其视觉感知的描述方法;最后,基于图像内容特征和图像质量定义,综合分析,提出IQA方法及其数学模型.并且采用5个开源图像数据库中的119幅参考图像和6395幅失真图像对其进行了仿真测试,同时分析和探讨了52种失真类型对IQA的影响;另外,为了说明所提IQA模型的优势,将其与现有的7个典型IQA模型,从精度、复杂性和泛化性能上进行了对比分析.实验结果表明,所提IQA模型的精度PLCC值在5个数据库中最低可以实现0.8616,最高可达到0.9622,其性能综合效益优于7个现有IQA模型.研究结果表明,所提IQA方法是有效的、可行的,所提IQA模型是一个性能优异的IQA模型.     

一种基于视觉底层特征的图像质量评价方法

把视觉底层特征概念引入到客观图像质量评价中,提出了一种基于不同图像视觉底层特征的质量评价方法。在基于Itti计算模型和视觉底层特征最佳权重的基础上,对4种类型图像提取底层视觉特征显著图,利用特征最佳权重值,组合归一化形成视觉计算显著图,通过直方图相似度计算分析各显著图。实验结果与主观评价结果具有较好的一致性,且优于基于传统Itti模型和SSIM模型的图像质量评价方法。不同类型的图像需要充分考虑各特征的权重大小,使其能真实反映视觉感兴趣区域的特征属性,更好地评价失真图像的质量。     

基于图像色貌和梯度特征的图像质量客观评价

图像质量评价(IQA)方法需要考虑如何从主观视觉度量结果出发,设计出符合该结果的客观图像质量评价方法,应用到相关实际问题中.本文从视觉感知特性出发,量化色度和结构特征信息,提出了基于色貌和梯度两个图像特征的图像质量客观评价模型.两个色貌新指标(vividness和depth)是色度特征信息提取算子;梯度算子用来提取结构特征信息.其中, vividness相似图一方面作为特征提取算子计算失真图像局部质量分数,另一方面作为图像全局权重系数反应每个像素的重要程度.为了量化所提模型的主要参数,根据通用模型性能评价指标,使用Taguchi实验设计方法进行优化.为了验证该模型的性能,使用4个常用图像质量数据库中的94幅参考图像和4830幅失真图像进行对比测试,从预测精度、计算复杂度和泛化性进行分析.结果表明,所提模型的精度PLCC值在4给数据库中最低实现0.8455,最高可以达到0.9640,综合性能优于10个典型和近期发表的图像质量评估(IQA)模型.研究结果表明,所提模型是有效的、可行的,是一个性能优异的IQA模型.     

无参考图像质量评价方法的设计原则

对于无法获得参考图像的图像处理系统,无参考（NR）图像质量评价具有重要意义。讨论了NR图像质量评价的基本问题,介绍了NR图像质量评价方法的基本原理,重点描述了基于块效应、图像模糊和交互神经进化的NR图像质量评价方法的内容。根据现有的NR图像质量方法都存在针对特定的类型而设计的缺陷,应用模糊测度和模糊积分,结合人类视觉系统（HVS）特性,并考虑盲失真度量遵循量化质量定律,提出了一个全面的NR图像质量评价方法的设计原则。     

基于相似度的立体图像对中右视点图像质量评价方法

结合立体视频中左右视点图像序列之间的关系、模糊数学方法以及客观图像质量评价的特点,提出了一种用于立体视频图像中右视点图像进行质量评价的方法.该方法对在解码端通过重建左视点的图像序列对生成右视点图像序列进行基于相似度的图像质量评价.实验结果表明,该方法能较好地反映立体视频右视点图像的质量水平.     

视觉掩盖效应下的无参考图像信噪比评价

针对噪声图像,提出一种视觉掩盖效应下的无参考图像信噪比评价方法。采用Hosaka分块思想,利用四叉树分解,取消了Hosaka分块对图像尺寸的限制,分块的大小体现出块内图像的主要频率成分;然后检测各个子块噪声,根据图像的污染程度,计算NRPSNR值。利用LIVE Database Release2图像库中的WN的174幅图像检验NRPSNR与DMOS的相关度,并与MSE、PSNR以及HVSNR比较分析。实验结果表明,该方法总体评价效果优于其他3种评价方法,CC为-0.895 0,SROCC为-0.923 6,OR为0.042 9,主客观评价比较吻合,且对于其他噪声类型同样适用,体现了人的视觉掩盖效应,可以满足对无参考噪声图像进行准确可靠的质量评价要求。     

基于区域对比度和SSIM的图像质量评价方法

在诸多图像质量评价方法中,结构相似度(SSIM)算法简单高效,准确性较高,但SSIM模型不能很好地评价存在局部失真和交叉失真类型的图像。针对SSIM算法对图像不同区域平等对待的不足并考虑了时域人眼视觉特性,提出一种改进的基于区域对比度和结构相似度(RCSSIM)的图像质量评价方法。该算法将图像区域灰度信息对比度与SSIM算法融合,加权归一为参考图像与失真图像的对比度结构相似度值,以其评价图像质量。在LIVE图像数据库上的实验结果表明,与SSIM算法相比,RCSSIM评价结果的皮尔逊线性相关系数提高约0.015,均方根误差减小约0.55,更接近于人眼主观测试结果,具有更好的评价性能。     

红外压缩图像的质量评价研究

红外图像作为一种特殊图像,为了更好地传输和存储,有时候必须进行压缩。传统的均方误差(MSE)图像质量客观评价方法,有时其评价结果与人们的主观视觉不一致。为此提出了一种建立在人眼视觉模型(HVS)基础之上的边缘均方误差评价方法,它能更有效地反映出图像压缩失真在视觉上的感知。采用快速傅里叶变换、离散余弦变换、哈尔变换、小波变换、哈达马变换等算法,可对编解码后的图像效果进行评价,证实了基于人眼视觉特性的误差统计方法在对压缩图像进行像质评价时是比较令人满意的。     

图像融合质量客观评价方法

 随着图像融合技术的快速发展,科学的图像融合质量客观评价对选择合理的融合算法以及研究新的融合算法具有重要的指导意义,成为图像质量评价研究的热点。理想的图像质量客观评价方法可以给出与人主观感受相一致的量化指标。对目前已提出的多种图像融合质量客观评价算法进行综述。简要介绍了基本的客观评价指标;将基于边缘保持度、基于结构相似度、基于信息论以及基于对比度的4类客观评价算法分别进行了介绍,着重分析和比较了各类算法的思路及特点;总结融合图像质量客观评价算法的研究趋势,指出无参考图像与彩色融合图像的质量评价方法是未来重要的发展方向。     

基于感知对比度的图像清晰度客观评价模型

图像清晰度是评价图像质量时常用的指标之一。现有的清晰度评价模型未能充分考虑人眼视觉的亮度掩盖特性。为此,在均方根对比度基础上,考虑人眼亮度掩盖特性,通过计算图像中人眼感兴趣区域(包含细节、边缘和纹理)的感知对比度构造一种无参考的图像清晰度客观评价模型。并利用IVC数据库来验证模型,结果表明,与已有的4种清晰(模糊)度评价模型相比,该模型的评价结果更接近人眼主观感受,且计算量小,运算耗时短,是一种简单有效的图像清晰度评价模型。     

No-reference image quality assessment based on noise,blurring and blocking effect

Since existing no-reference image quality assessment (IQA) algorithms are not consistent with subjective assessment, a novel no-reference image quality assessment method is proposed by introducing three types of image distortion, including noise, blur degree and blocking effects. Firstly, the standard deviation of image noise is estimated by modified wavelet medium estimation. Secondly, the blur degree of image is obtained by counting edge pixel points. Thirdly, blocking effect is represented by characteristics of image pixel blocks. Finally, the assessment model is established by combining these three distortion types. Combining the differential mean opinion scores (DMOS) provided in the LIVE IQA database, the weighting coefficients are obtained. The experimental results indicate that these evaluation values of this algorithm not only agree with PSNR in objective assessment, but also are consistent with the DMOS in subjective assessment.     

基于Contourlet变换的无参考立体图像质量评价

立体图像的景物生动逼真,给人一种身临其境的全新视觉享受,但在制作、存储和传输过程中往往会产生失真。为了评价立体图像的质量优劣,提出了一种基于轮廓波(Contourlet)变换的无参考立体图像质量评价算法。通过对失真的左、右图像分别进行主成分分析(PCA)融合来生成新的融合图像,并使用基于SSIM(Structural Similarity)立体匹配算法生成视差图和匹配差值图,然后对上述三张图片进行Contourlet变换,再然后使用自定义的高频能量指标并结合边缘强度和信息熵,最后将得到的特征输入支持向量回归(Support Vector Regression,SVR)模型中学习,得出质量评价分数。该方法在德克萨斯大学公布的立体图像库中进行了验证,线性相关系数和斯皮尔曼相关系数在Phase I库中可高达0.957和0.947,在Phase II库中也可高达0.944和0.934,与主观评价吻合度很高,优于最新的一些评价方法。     

一种基于图像融合的无参考立体图像质量评价方法

提出了一种基于图像融合的立体图像质量评价方法。通过对立体图像的左右视图进行图像融合生成一幅彩色图像,融合算法采用主成分分析(PCA),使用归一化互相关(NCC)视差图算法,生成了对应的视差图;对融合图像和视差图分别进行归一化亮度系数和谱能量参数的提取,作为支持向量回归(SVR)的输入数据,在经过充分的训练后对立体图像的质量评分进行预测。在LIVE 3D立体图像数据库上的实验结果表明,提出的算法优于最新的无参考立体图像质量评价方法,与人类的主观评价具有较好的一致性。     

No-reference image noise estimation based on noise level accumulation

In this paper, a method of no-reference image noise assessment is presented, which utilizes the estimated noise level accumulation (NLA) index value. The affine reconstruction model is applied after segmenting the noisy image into several patches. Boundary blur process is conducted to smooth the segmentation edges. For each image patch the mean value standing for brightness and the standard deviation value indicating the noise standard deviation are computed to give the noise samples estimation. The accurate image noise standard deviation is estimated by integrating NLA index value of several overlapped intervals combined with different visual weights. Experiment results are provided to demonstrate that the proposed method performs well for images with different contents over a large range of noise levels both monotonously and accurately. Comparisons against other conventional approaches are also carried out to exhibit the superior performance of the proposed algorithm.     

基于人眼视觉注意和图像聚类分析的ROI提取方法

针对Itti的视觉注意模型不能很好地反应区域的边界和形状问题,提出了一种改进的自底向上(BottomUp)的视觉注意模型。在经典的Itti模型基础上,用小波变换取代了高斯金字塔分解,改进了初始视觉特征的合并策略以得到图像的视觉显著图,结合彩色图像聚类分析方法完成图像的感兴趣区域自动提取。实验结果表明,自动提取的感兴趣区域更符合人眼的实际观察效果,在复杂背景下的提取效果大大优于传统的感兴趣区域提取方法。     

基于小波高频的立体图像质量评价

根据小波变换的高频分量包含边缘及纹理等人眼比较关注的细节信息,提出了一种基于小波变换的高频重构的立体图像质量评价方法,包括左右视点质量评价和立体感评价两部分。通过模拟人类视觉系统处理原始和失真的左右视点图像,利用结构相似度算法得到左右视点质量评价值;用加权处理后的小波高频分量经过重构得到人眼关注的细节信息图,分别计算原始和失真的左右视点细节信息图的绝对差值图,利用结构相似度算法对两幅绝对差值图评价得到立体感质量评价值。将两种质量评价值进行加权融合得到最终的立体图像质量评价值。整体实验结果的Pearson线性相关系数在0.94以上,Spearman秩相关系数值在0.93以上,均方根误差值接近5.5,能较好地符合人眼视觉特性。