基于双目融合的无参考立体图像质量评价

针对对称失真和非对称失真图像的评价问题,提出了一种基于双目融合的无参考立体图像质量评价方法。首先,分别将立体图像的左、右视点图像分解成拉普拉斯金字塔序列,利用图像平均梯度和区域能量确定各层融合系数,在双目加权模型的基础上逐层融合两序列并重构合成图像。然后,提取左、右视点图像、合成图像的多尺度多方向频域变换特征和对比度、熵、能量、逆差分矩特征。最后,将特征参数作为支持向量回归模型的输入进行训练并预测图像质量。在LIVE 3D phaseⅠ和LIVE 3D phaseⅡ图像库上作相关性分析,其Pearson线性相关系数和Spearman等级相关系数均分别达到0.96和0.95以上。结果表明,本文方法对立体图像质量的预测结果与主观评价值具有较高的一致性。     

基于GA-SVR模型的无参考立体图像质量评价

针对支持向量回归(SVR)中惩罚因子和径向基函数选取具有较大不确定性和随机性的问题,结合单双目信息与基于遗传算法(GA)的SVR优化模型,提出无参考立体图像质量评价方法。提取左右失真图像的单双目特征,将梯度幅值和拉普拉斯特征作为单目视觉特征。为更好地结合人类双目视觉特性,使左右图像融合成一幅独眼图,对独眼图提取空域自然场景统计特征。利用GA选择、交叉和变异等操作优化SVR参数组合,选出最优的参数组合,引入到SVR中预估左右图像质量。考虑到人眼对于左右失真图像的响应不同,通过增益控制模型融合左右图像质量,从而得到最终的质量评价值。应用该评价方法对宁波大学建立的立体数据测试库进行评价,结果表明其Pearson线性相关系数在0.95以上,Spearman等级相关系数值在0.94以上,与人类主观感知具有高度一致性。     

考虑双目竞争视觉现象的非对称失真立体图像质量评价方法

目的 现有方法存在特征提取时间过长、非对称失真图像预测准确性不高的问题,同时少有工作对非对称失真与对称失真立体图像的分类进行研究,为此提出了基于双目竞争的非对称失真立体图像质量评价方法。方法 依据双目竞争的视觉现象,利用非对称失真立体图像两个视点的图像质量衰减程度的不同,生成单目图像特征的融合系数,融合从左右视点图像中提取的灰度空间特征与HSV （hue-saturation-value）彩色空间特征。同时,量化两个视点图像在结构、信息量和质量衰减程度等多方面的差异,获得双目差异特征。并且将双目融合特征与双目差异特征级联为一个描述能力更强的立体图像质量感知特征向量,训练基于支持向量回归的特征—质量映射模型。此外,还利用双目差异特征训练基于支持向量分类模型的对称失真与非对称失真立体图像分类模型。结果 本文提出的质量预测模型在4个数据库上的SROCC （Spearman rank order correlation coefficient）和PLCC （Pearson linear correlation coefficient）均达到0.95以上,在3个非对称失真数据库上的均方根误差（root of mean square error,RMSE）取值均优于对比算法。在LIVE-II（LIVE 3D image quality database phase II）、IVC-I（Waterloo-IVC 3D image qualityassessment database phase I）和IVC-II （Waterloo-IVC 3D image quality assessment database phase II）这3个非对称失真立体图像测试数据库上的失真类型分类测试中,对称失真立体图像的分类准确率分别为89.91%、94.76%和98.97%,非对称失真立体图像的分类准确率分别为95.46%,92.64%和96.22%。结论 本文方法依据双目竞争的视觉现象融合左右视点图像的质量感知特征用于立体图像质量预测,能够提升非对称失真立体图像的评价准确性和鲁棒性。所提取双目差异性特征还能够用于将对称失真与非对称失真立体图像进行有效分类,分类准确性高。     

立体图像的视觉感知质量无参考评价方法

为了提高立体图像客观质量评价与人眼感知结果的一致性,改善立体内容的视觉体验效果,考虑到人眼对立体图中不同区域的关注度和不同深度值的立体感都具有差异性的问题,提出基于视觉感知特性的立体质量评价方法.首先引入视觉显著度模型选取人眼感兴趣区域,生成该区域的深度图;然后通过深度最小可觉察误差模型确定人眼对深度图像素值的可感知范围和敏感度因子;最后计算深度的相对层次,得出立体感客观质量值.实验结果表明,该方法的结果与主观质量值之间的相关系数高于0.9,均方误差低于5.4,两者存在较好的一致性,并且优于已有方法的结果.     

基于空域自然场景统计的无参考立体图像质量评价模型

针对现有的评价方法大都将图像变换到不同的坐标域问题,提出一种基于空域自然场景统计(NSS)的通用型无参考立体图像质量评价模型。在评价中为了更好地结合人类双目视觉特性, 将左右图像融合成一幅独眼图;评价模型首先统计独眼图归一化亮度(CMSCN)系数分布规律,进而对独眼图提取空域自然场景统计特征;其次,统计视差图归一化亮度(DMSCN)系数的分布规律,并对用光流法得到的视差图提取同样的特征;最后,通过支持向量回归(SVR)建立立体图像特征信息与主观评价值(DMOS)之间的关系,从而预测得到图像质量的客观评价值。实验结果表明,该评价模型对立体数据测试库进行评价,其Pearson线性相关系数(PLCC)和Spearman等级相关系数(SROCC)值均在0.94以上;对于非对称立体图像库,PLCC和SROCC值分别接近0.91和0.93。该模型能够很好地预测人眼对立体图像的主观感知。     

视觉关注度的立体图像质量评价

立体图像质量评价对立体视频技术的发展起着非常重要的作用。常用的PSNR(峰值信噪比)方法不能反映人类视觉感知特性,也不能直接应用到立体图像质量评价中。针对人类视觉对立体图像深度感知和重点关注感兴趣区的特点,提出基于纹理图和深度图感兴趣区的质量评价方法。首先对纹理图和对应的深度图利用视觉关注度提取工具提取感兴趣区,然后在评价的过程中对各感兴趣区根据感兴趣程度分配基于像素的权重系数,最后将权重系数应用在立体图像的各个区域中进行评价。实验结果表明该方法得到的立体图像质量客观评价结果与主观评价结果之间具有更好的一致性,符合人眼视觉系统感知特性。     

基于双目立体视觉的图像增强

户外视觉系统采集图像时,容易受到低照度等因素的影响,导致捕获的图像退化,视见度降低。本文提出了一种基于双目立体视觉的图像增强算法。该算法首先通过立体匹配处理求解场景视差图像,然后构建广义双边滤波估计图像照度分量,根据Retinex原理求解图像反射分量,实现图像的增强。实验证明,该算法能够有效地改善图像质量,提高双目视觉系统工作的鲁棒性和可靠性。     

基于视差信息的无参考立体图像质量评价

近年来,随着深度学习在图像质量评价领域的快速发展,平面图像质量评价得到了有效的改善,但是立体图像质量评价还有待提高。为此,文中结合三分支卷积神经网络,提出了基于视差信息的无参考立体图像质量评价方法,并分析了不同视差图对模型性能的影响。该方法将左右视图以及视差图小块作为输入,自动提取特征,通过训练得到回归模型,从而实现对立体图像的预测。文中使用了5种不同立体匹配算法来生成视差图,实验结果表明使用SAD算法得到的效果最好。在立体图像库LIVE3D和MCL3D上的实验结果表明,该方法不仅适用于评估对称失真图像,还适用于非对称失真的立体图像评价。该方法在总体失真上的结果优于其他对比算法,尤其是在MCL3D图像库上,所提方法的PLCC和SROCC比其他方法高出1%和4%。实验数据表明,所提模型提高了立体图像质量评价的性能,与人类主观感知高度一致。     

基于多元特征的立体图像质量评价方法

立体图像质量评价（SIQA）是评估立体成像系统性能的一种有效方法。考虑到深度信息是立体图像的重要特征,提出一种结合卷积神经网络（CNN）与立体图像深度显著性特征的无参考SIQA方法。分别利用改进显著特征检测模型和高斯差分滤波器提取立体图像的显著特征和深度特征,并通过小波变换融合两者得到深度显著性特征。在此基础上,将深度显著性特征、对比度特征和亮度系数归一化特征作为输入特征对CNN进行模型训练,从而预测图像的质量分数。该方法在LIVE 3D IQA Phase Ⅰ、Phase Ⅱ、NBU 3D IQA图像库上的皮尔森线性相关系数分别为0.948、0.962、0.943,斯皮尔曼秩相关系数分别为0.937、0.961、0.902,在Phase II、NBU 3D IQA跨数据库上的斯皮尔曼秩相关系数分别为0.832、0.673。实验结果表明,该方法预测的质量分数符合人类主观感知,且具有较好的适用性和鲁棒性。     

深度视觉特征与策略互补融合的图像质量评价*

视觉多特征融合方法未考虑图像不同特征之间和不同评价算法之间的视觉互补性.通过融合人类视觉系统前端生理感知和后端心理处理特性,文中提出深度视觉特征互补融合(CPDVF)的图像质量评价方法.CPDVF深度提取图像的多通道直方图统计和多通道梯度结构这2种互补视觉特征,并进行深度视觉处理.然后设计局部失真度评价和局部相似度评价2种互补算法,分别对失真图像的上述互补视觉特征进行评价.最后联合视觉心理特性和回归函数,融合2种特征评价,获得失真图像质量的客观评价.实验表明,相比特征相似度、视觉显著等多特征联合方法,文中方法在准确度、单调性和可靠性指标上优势明显.     

频率与方向敏感SSIM的图像质量评价方法

将人眼视觉对比敏感度的空间频率及方向特性,引入到结构相似度(SSIM)计算中,提出一种对频率与方向敏感度加权的结构相似度评价方法。对图像进行多级小波分解并计算各个子带的SSIM值,根据子带能量比重,对同一分解级下不同方向的子带SSIM值进行加权,以对比敏感度函数(CSF)的方向敏感性,根据CSF的子带响应对各个分解级进行加权,显示CSF的频率敏感性。在LIVE2及TID2008图像质量数据库上的仿真结果表明,与其他图像质量评价方法相比,该方法评价结果与主观评价具有较好的一致性。     

HVS模型及其在静止图象压缩质量评价中的应用

图象质量尺度是最优化图象压缩算法参数和提高图象质量的重要依据 .建立在人类视觉模型 (HVS)基础之上的感知质量尺度作为主客观联系的桥梁 ,能有效地反映出人对图象失真在视觉上的感知 .近年来 ,有许多研究者借助人类视觉系统研究中的最新成果 ,深入分析了与图象质量密切相关的视觉感知特性 ,提出了大量效果不错的静止图象压缩感知质量尺度 ,并对视觉感知特性在图象质量尺度中的应用方法进行了较全面的综述 ,揭示了影响其图象质量预测准确性、鲁棒性的主要因素 ,给出了该领域的最新研究成果和未来发展方向 .     

一种基于视觉兴趣性的图象质量评价方法

图象质量的正确评价是图象信息工程领域内一项很有意义的研究课题,但现有的图象客观评价方法并不完全符合人眼视觉特性。合理地评价图象质量应充分遵循人眼的视觉特性,但由于受到人的心理、文化背景、周围环境、不同的应用场合等多种因素的影响,人眼对同一幅图象中的不同区域往往具有不同的感兴趣程度,即人眼具有视觉兴趣性特性,该文在充分利用视觉兴趣性特性的基础上,针对只存在一个感兴趣区的图象,提出了一种简化的图象质量     

一种基于视觉特性的有损图像压缩算法

当前,整数小波变换和分层树集合分割算法相结合已广泛用于静止图像压缩。该文在上述算法的基础上提出了一种新的算法。新算法进一步考虑了人眼视觉特性,并根据加权后小波系数的分布特点修改了分层树集合分割算法。并使用一种新的方法评测重构图像的质量。仿真结果表明,新的算法在给定比特率的情况下,重构图像的主观视觉效果获得了一定程度的改善,且由于新的算法内存需求量少,使得编解码速度得到显著提高。在内存受限和对实时性要求较高的场合,有较好的应用前景。     

基于视觉感兴趣区的图像质量评价方法

该文把人眼对图像中的不同区域具有视觉选择特性与客观图像质量评价方法结合起来,提出基于视觉感兴趣区的图像质量评价方法。该方法通过分析影响视觉兴趣性的亮度、灰度、面积等因素,得出不同区域的兴趣性加权系数,对客观图像质量评价方法加以改造。试验证明该方法优于传统的客观评价方法,能较好的符合主观评价结果。     

基于HVS的图像质量评价方法研究

针对目前视频会议图像系统优化中,由于在画面质量评测方面存在的差异大的问题,结合实际装备情况,研究图像质量准确评价问题,图像采集、压缩传输中会出现畸变,使图像模糊,传统评价方法难以对特征进行正确区分,导致图像质量准确率低.为提高图像质量评价准确率,提出一种基于HVS的图像质量评价方法.为业务处理提供科学依据,对于有效规范值勤业务管理,提高装备运行质量,增强任务保障能力,为提升视频会议保障图像质量具有十分重要的意义.     

图像质量评价技术研究

对图像的质量评价技术现状进行研究。对图像质量评价的基本方法、基本概念进行介绍,对目前具有代表性的图像质量评价方法进行分析和总结,对图像质量评价技术存在的些问题进行小结。     

基于遥感影像特征的自适应二维信息隐藏盲算法

为实现遥感影像中机密信息的隐藏,该文提出了一种自适应于遥感影像特征的机密信息隐藏算法。该算法首先对遥感影像中的机密信息进行分割和提取,然后对遥感影像中提取机密信息后的空白影像块进行灰度补值,制造抹去机密信息后的伪遥感影像;然后借鉴数字水印的思想,利用HVS特性,将机密影像块以不可见的方式自适应地嵌入到伪遥感影像中,从而生成隐藏了机密信息的伪遥感影像;并且该算法在提取机密信息和恢复遥感影像时,不需要原始遥感影像,是一种盲算法。对于信息隐藏算法,不可见性和信息隐藏量是最重要的,而鲁棒性则在其次。实验结果表明:该算法不仅具有较强的透明性和较大的信息隐藏量,而且对于JPEG有损压缩、中值滤波、附加噪声、伸缩、裁剪和旋转等各种影像处理攻击均具有较强的鲁棒性。此外,该算法对隐藏了机密信息后的伪遥感影像的各种应用,如边缘检测和影像分类等均没有影响。