基于显著性深层特征的无参考图像质量评价算法

针对通用型无参考图像质量评价（NR-IQA）算法,提出一种基于伪参考图像显著性深层特征的评价算法。首先,在失真图像的基础上,利用微调的ConSinGAN模型生成相应的伪参考图像作为失真图像的补偿信息,弥补NRIQA算法缺少真实参考信息的不足;然后,提取伪参考图像的显著性信息,将伪参考显著性图像与失真图像输入到VGG16网络中提取深层特征;最后,融合二者的深层特征并将其映射到由全连接层组成的回归网络中,从而产生与人类视觉一致的质量预测。为了验证算法的有效性,在四个大型公开的图像数据集TID2013、TID2008、CSIQ与LIVE上进行实验,结果显示所提算法在TID2013数据集上的斯皮尔曼秩相关系数（SROCC）比H-IQA算法提升了5个百分点,比RankIQA算法提升了14个百分点,针对单一失真类型也具有稳定的性能。实验结果表明,所提算法总体表现优于现有主流全参考图像质量评价（FR-IQA）和NR-IQA算法,与人类主观感知表现一致。     

基于增强型对抗学习的无参考图像质量评价算法

为了提高无参考图像质量评价（NR-IQA）方法的性能，参考先进的深度生成对抗网络（GAN）研究成果，提出一种基于增强型对抗学习的无参考图像质量评价算法，即通过改进损失函数、网络模型结构来增强对抗学习强度，输出更可靠的模拟“参考图”，进而可以像全参考图像质量评价（FR-IQA）方法一样模拟人的视觉比较过程。首先，利用数据集中失真的图像和未失真的原图像作为输入，从而基于增强对抗学习来训练网络模型；然后，利用该模型输出待测图像的模拟仿真图，提取仿真图的深度卷积特征；最后，将仿真图和待测失真图的卷积特征相融合，并输入到训练好的图像质量评价回归网络，输出图像的评测分数。在LIVE、TID2008和TID2013数据集上完成实验。实验结果表明，所提算法在图像质量上的总体客观评价性能优于当前的主流算法，与人的主观评价表现出的性能相一致。     

基于增强型对抗学习的无参考图像质量评价算法

为了提高无参考图像质量评价(NR-IQA)方法的性能,参考先进的深度生成对抗网络(GAN)研究成果,提出一种基于增强型对抗学习的无参考图像质量评价算法,即通过改进损失函数、网络模型结构来增强对抗学习强度,输出更可靠的模拟"参考图",进而可以像全参考图像质量评价(FR-IQA)方法一样模拟人的视觉比较过程。首先,利用数据集中失真的图像和未失真的原图像作为输入,从而基于增强对抗学习来训练网络模型;然后,利用该模型输出待测图像的模拟仿真图,提取仿真图的深度卷积特征;最后,将仿真图和待测失真图的卷积特征相融合,并输入到训练好的图像质量评价回归网络,输出图像的评测分数。在LIVE、TID2008和TID2013数据集上完成实验。实验结果表明,所提算法在图像质量上的总体客观评价性能优于当前的主流算法,与人的主观评价表现出的性能相一致。     

基于生成感知差异的无参考图像质量评价模型

人眼视觉系统中的视觉感知差异是图像质量评价过程中的重要组成部分,通过感知失真图像与原始图像之间的视觉差异,可对图像的失真程度进行判断,然而在无参考图像质量评价中无法获取原始未失真的图像,且缺乏对失真图像的视觉感知差异.通过对深度学习中的生成对抗网络进行分析,提出一种基于生成视觉感知差异的无参考图像质量评价模型.利用生成...     

基于局部特征的无参考模糊图像质量评价算法研究

图像拍摄过程中,相机晃动和快速运动状态下拍摄的图像因失焦而导致模糊,使图像结构发生衰变。通过提取模糊图像的局部标准差和梯度测度图,利用显著性加权策略,得到反映图像微小细节变化的模糊感知测度图,利用图中的像素值特征评价图像质量,在LIVE、CSIQ数据库取得较好性能,且时间复杂度低。     

基于深度学习的无参考图像质量评价综述

图像质量评价是图像处理、图像/视频编码等领域的基础性问题,用于评估图像的失真程度,被广泛应用于算法设计与分析、系统性能评估等方面.无参考图像质量评价(又称为盲图像质量评价)是一种重要的客观质量评价方法.因为无须原始的参考图像,因此具有广泛的应用前景.近年来,随着深度学习技术的不断发展,人们提出了多种基于深度学习的无参考...     

基于空域特征的无参考图像质量评价算法

针对现有无参考图像质量评价算法通用性差,且存在高计算复杂度的问题,提出一种基于图像空域统计特征的无参考图像质量评价算法。该算法引入图像对数统计特性,通过度量失真图像与自然图像统计特征之间的偏差,实现无参考图像质量评价。仿真测试结果表明,与现有无参考技术相比,提出算法简单有效,适用于多种失真类型,且与人类主观感知具有较好一致性。     

基于多任务无参考图像质量评价模型研究

基于深度学习的无参考图像质量评价(NRIQA)模型常见2种结构,即单任务(Single-task)结构和多任务(Multi-task)结构。为了探讨在没有预训练情况下多任务结构对模型准确率影响,对比分析了基于MEON调整后的多任务模型及单任务模型在无参考图像质量评价任务上的性能优劣,其中多任务模型在图像质量评价数据库LIVE、TID2013上分别取得了0.882、0.871的准确率,表现出同等甚至优于单任务模型的性能。在此基础上,多任务模型的子任务输出维度实验表明在NRIQA研究中,子任务能够根据需求和目标在相关数据集上预训练,再结合质量评价任务微调,具有可迁移学习集成于其他任务中的优点。     

基于 SVD 的超分辨率重建图像质量无参考评价方法

重建图像质量评价是衡量超分辨率方法优劣的决定性指标,现有的评价方法大都需要借助同一场景具有更高分辨率的图像作为参考图像,但在实际超分辨率重建图像过程中这一需求难以实现.针对上述问题,考虑到人眼对相对亮度变化更为敏感,且边缘清晰度与图像主观评价质量成正比,利用去均值图像、梯度图像以及灰度图像,提出一种仅依靠图像自身信息的、基于SVD的超分辨率重建图像质量无参考客观评价方法.首先将图像分割为相互重叠的局部图像块,然后在各局部图像块中利用SVD分别得到低分辨率图像间及其与超分辨率重建图像间的子评价结果,最后再将这些子评价结果整合为最终的客观评价指标SSQI.实验结果表明,SSQI指标是一种具有较高准确性和鲁棒性的无参考客观评价指标,与人类主观评价结果保持了很好的一致性.     

无参考图像质量评价综述

图像质量对人类视觉信息的获取影响很大, 如何在没有参考图像的情况下准确地评价失真图像的质量是一个关键但又非常困难的问题. 本文回顾了近20年来无参考图像质量评价发展的主要技术. 首先,介绍了这一领域常用的衡量评价算法性能的技术指标,以及几个网上共享的典型图像质量评价数据库; 然后,对各种无参考图像质量评价算法进行详细的分类介绍和特点评析; 最后,基于典型数据库对近几年的一些非特定失真图像质量评价方法进行了性能测试和比较. 目的是为这一领域的研究人员提供一个较为全面的、有价值的文献参考.     

通用型无参考图像质量评价算法综述

图像质量评价可有效评估图像采集和传输过程引起的失真或退化,在数字多媒体领域具有广阔的应用前景,无参考图像质量评价算法由于不需要参考图像先验知识,近年来成为图像质量评价领域研究的热点。在对国内外文献进行广泛调研的基础上,从评价算法原理和性能比较两个方面,系统综述了BIQI、DIIVINE、BLIINDS、BLIINDS-II、BRISQUE、NIQE和GRNN等当前性能较优的几种无参考图像质量评价算法。介绍了各种算法的特征提取和质量评价原理,在LIVE数据库上对上述评价方法进行仿真评估,并分析和比较了各种算法的评价性能和执行速度,提出了无参考评价方法的进一步研究方向。综述的几种无参考图像质量评价算法虽然已具有很好的效果,但在评价时严重依赖数据库中的主观评价数据,并且在评价精度和算法复杂度方面还存在一些不足,需要进行深入研究。     

无参考图像质量评价综述

图像质量评价是图像处理领域的热门研究课题之一。图像质量评价研究的目标是设计算法,给出和人的主观视觉感受相符合的评价结果。在客观图像质量评价的几种方法中,由于无参考图像质量评价方法的灵活性,该方法正受到越来越多的关注。文章首先概述了图像质量评价的相关知识,并从无参考图像质量度量方法和评价算法等角度对无参考图像质量评价进行分析．最后概括了无参考图像质量评价发展的现状及其发展趋势。     

基于机器学习的无参考图像质量评价综述

无参考图像质量评价（NRIQA）因其广泛的应用需求一直以来都是计算机视觉及其交叉领域的研究热点。回顾近十几年来基于机器学习的典型NRIQA模型,介绍图像质量评价的常用数据库、算法性能指标、NRIQA主要难点和现有的解决方法;分析了不同模型的思想、实现、特点;最后统计对比多个数据库上的测试结果。总结研究现状、分析发展趋势,为这一领域的研究者提供文献参考。     

基于多特征融合的无监督图像质量评价算法

随着多媒体的迅猛发展,图像质量评价出现在图像处理的各个方面。提出了一种基于多特征融合的无监督无参考图像质量评价方法,主要分为特征提取和多元高斯模型拟合两方面。在特征提取方面,融合自然图像统计特征,相位一致性特征、KL变换特征、梯度与高斯拉普拉斯算子联合响应特征、堆叠自编码器特征等。该方法使用多元高斯模型框架,将特征拟合模型参数之间的差异作为图像质量分数。在5个数据库中的实验表明,所提出的方法不仅有较好的评价表现和泛化性能,而且时间复杂度也很有竞争力。     

基于信息熵和深度学习的无参考图像质量评价方法研究*

现有使用卷积神经网络进行图像质量评价的方法,存在训练数据量不足、局部图像块失真分数不能确定等问题。针对这些问题,本文提出了一种基于信息熵的卷积网络训练方法,在考虑信息熵对图像质量影响的基础上,将LIVE数据集中的失真图像进行分块处理,扩大训练集。同时,用分块后的信息熵代表不同分块对失真图像的质量影响程度,并根据该信息熵对卷积神经网络的损失函数进行了调整。实验结果表明,本文提出的模型预测结果更为接近人类视觉感知。     

基于掩盖效应的无参考数字图像质量评价

针对数字图像的客观质量评估,从噪声检测的角度,提出了一种基于掩盖效应的无参考图像质量评估方法。首先对Hosaka分块进行了改进,取消了该方法对图像尺寸的限制。通过分块,将图像以不同的频率成分区分开来。然后计算各个子块的噪声。根据图像的污染程度,提出了基于掩盖效应的无参考图像峰值信噪比NPSNR。实验结果表明,该方法具有无参考、运算复杂度低、主客观较一致等特点。     

无参考模糊图像质量评价改进算法

针对传统无参考模糊图像质量评价算法存在高计算复杂度的问题,通过改进经典的二次模糊处理算法,提出一种快速有效的无参考模糊图像质量评价方法。该算法基于人眼视觉系统(HVS)特性,利用局部方差选取人眼感兴趣图像块代替整体图像,并将感兴趣图像块通过低通滤波处理,构造模糊图像块,通过计算滤波前后图像块相邻像素差值变化大小获取原始整体图像的客观质量评价参数。仿真测试结果表明,该算法与传统整体图像二次模糊算法相比,皮尔逊相关系数提高0.01,与主观评价结果更为一致;运算速度提高一倍,降低了运算复杂度。     

多核学习纹理特征的无参考图像质量评价

由于多种失真类型灰度-共生矩阵特征的不规则性,单核方法无法取得理想结果,从而提出了一种基于多核学习,针对多种失真类型的无参考图像质量评价方法。首先对灰度图像进行相位一致和结构张量变换,得到相位一致图和结构张量图,然后分别对它们提取灰度-梯度共生矩阵二次统计特征,最后将提取的特征输入到高效的分层多核学习机进行训练学习,预测得到图像的质量评分。多图像库多次随机实验结果表明,新方法结果与主观评价值有较好的一致性,并具有较好的推广性。     

基于空域NSS的无参考图像质量评价

为了有效地度量不同失真类型的图像质量,提出一种基于自然场景统计(NSS)模型的空域无参考图像质量评价算法。该算法利用自然图像归一化亮度系数的统计特征趋向于服从广义高斯概率分布的特性,首先在空域计算自然图像的梯度,通过梯度密度选取自然图像的兴趣区域,提取兴趣区域图像统计特征,建立多元高斯分布(MVG)模型;然后对测试图像建立同样的MVG模型;最终通过计算测试图像和自然图像在统计规律上的偏差来对测试图像的质量做出评价。实验证明该算法与主观评价具有较好的一致性。     

无参考模糊图像质量评价改进算法

针对传统无参考模糊图像质量评价算法存在高计算复杂度的问题,通过改进经典的二次模糊处理算法,提出一种快速有效的无参考模糊图像质量评价方法。该算法基于人眼视觉系统(HVS)特性,利用局部方差选取人眼感兴趣图像块代替整体图像,并将感兴趣图像块通过低通滤波处理,构造模糊图像块,通过计算滤波前后图像块相邻像素差值变化大小获取原始整体图像的客观质量评价参数。仿真测试结果表明,该算法与传统整体图像二次模糊算法相比,皮尔逊相关系数提高0.01,与主观评价结果更为一致;运算速度提高一倍,降低了运算复杂度。