一种静止图像质量评价指标

介绍一种新的静止图像质量评价算法，其数学模型的建立依据为：图像总的失真主要由相关损失、对比度失真和亮度损失3方面造成。该方法性能高于常用的均方误差和峰值信噪比图像质量评价方法，且简单有效。用此法对静止图像压缩中解压图像的质量进行评价，其结果与人眼的感知评价保持较好的一致。     

一种基于高阶统计量的图像质量客观评价方法

提出一种新的图像质量的客观评价方法,该方法用平均高阶细节累积量作为衡量图像质量的指标,无需原始图像作参考,特别适合于多媒体图像通信及无法得到原始图的像的场合对图像质量进行评价,且很容易去除高斯噪声对图像质量评价的影响,仿真实验结果表明,该方法所得结果大多数情况下与峰值对数信噪比指标相符合,并且在峰值对数信噪比不能很好的反映图像质量的情况下,该方法所用的指标也能比较准确地反映图像的质量,符合人眼的视觉特征。     

基于差值图像分块均方差的图像质量评价方法

图像质量评价是衡量信息隐藏算法性能的重要指标.常用的峰值信噪比(PSNR)图像质量评价方法基于原始图像和掩密图像的统计误差,本文针对峰值信噪比方法忽略像素误差分布情况的缺点,用统计差值图像像素块均方差的方法对其进行了改进.实验表明,该方法能更有效地衡量信息隐藏图像质量,比较符合人眼视觉特性的要求,而且计算简单.     

基于小波变换的一种新的图像质量评价方法

图像质量评价方法在数字图像处理方法的研究中起重要的作用。由于数字图像处理结果的最终接受者是人，因此在评价图像质量时必须考虑到人类视觉系统的特性。该文利用小波变换匹配于人类视觉系统的多信道模型的性质，结合人类视觉系统的特性，通过建立小波变换域中的可视性门限模型，给出了一个新的图像质量评价方法。模拟实验表明该方法优于通常的评价方法，其测量的失真结果与人对图像质量的主观评价保持良好的一致性。     

一种基于视觉加权处理的图像质量评价方法

本文提出了一种新的图像质量客观评价方法－－视觉加权均方误差（ＷＭＳＥ）,该方法以归一化均方误差为基础,结合人眼视觉特性,采用子带分割和视觉加权等处理方法,使评价结果与ＣＣＩＲ５００标准的主观评价相吻合,实现了主观评价客观化的目标,对加噪后的降质图像进行实验的结果表明,该方法是有效的,可靠的,且易于实现。     

一种基于结构失真的图像质量评价方法

在音/视频处理应用中,对图像的客观质量评价具有重要作用.目前,大多数的质量评价都是基于误差敏感度的.本文采用基于结构失真的图像质量评价方法,使用结构失真度来作为视频失真的估计,并在VQEG实验测试数据集合中,证明了此方法与主观评价法有高的相关性.     

一种基于遮蔽效应的图像质量评价研究

针对梯度结构相似性指标（Gradient Structure Similarity,GSSIM）无法对近阈值失真图像做出很好的判断,导致其判断结果与人类视觉系统（Human Visual System,HVS）不完全一致的问题,为提高GSSIM的准确性及其与HVS的一致性,提出了一种基于梯度遮蔽和视觉显著性的图像质量评价指标（Visual Saliency-Gradient Structure Similarity,VS-GSSIM）. 首先,根据梯度信号之间存在的遮蔽效应优化梯度性相似性模型;然后,结合显著性模型提高指标和HVS评判的一致性;最后,调整图像局部区域感知质量水平的相对重要性并池化最终得分. 实验结果表明所提模型在一致性和单调性的评价指标上均超过GSSIM,并且优于目前绝大多数算法.     

基于视觉感兴趣度和HVS特性融合的图像质量评价方法

本文在对视觉感兴趣度和人类视觉系统特性深入分析研究的基础上,提出了一种基于视觉感兴趣度和视觉系统特性相融合的图像质量评价新方法。该方法首先根据影响视觉感兴趣度的五个因子进行综合得到感兴趣度因子,结合结构相似性方法得到感兴趣度模型。然后利用小波分解后的子频带图像进行质量评价,对结果进行视觉敏感度加权,在此基础上得到评价算法。并通过实验验证本文所提出的算法的正确性,其测试结果并与视觉主观感受保持很好的一致性。     

数字图像质量评价方法研究

图像质量评价方法在数字图像处理方法的研究中起重要的作用.本文深入剖析了评价图像质量的主 观方法和客观方法.试验结果表明,评价方法各有优缺点,而基于图像局部特性的质量评价方法更符合人的视觉对图像的感知,能够使客观评价和主观评价相一致.最后指出了图像质量评价研究的发展方向.     

基于深度学习模型的图像质量评价方法

为了有效提取与视觉感知质量高度相关的图像特征,改进图像质量评价方法,在深度学习的框架下,提出一个全新的卷积神经网络IQF-CNN结构,能自动学习判别性更强的图像质量特征,并利用学习的特征进行图像质量评价.同时,该算法采用局部亮度系数归一化、dropout等技术进一步提高网络学习能力.实验结果表明:该算法能较准确地评估五种常用的图像失真,尤其在JPEG压缩、JPEG2000压缩和高斯模糊图像失真上与人眼主观感知质量具有很高的一致性,整体性能比较优于其他经典评价方法.     

基于小波变换的多聚焦图像融合方法

为了改善图像融合效率,针对当前图像融合方法存在的局限性,提出一种基于小波变换的多聚焦图像融合方法.首先确定最优的小波分解层数,采用小波变换对图像进行多次分解;然后考虑低频子带与高频子带各自的特点,选择局部平均梯度准则作为高频子带的融合规则,低频子带采用3个系数的平均值作为融合规则;最后通过仿真实验对图像融合的有效性进行测试.实验结果表明,该方法获得了更理想的图像融合结果,提高了融合后的图像质量,且融合效果明显优于对比图像融合方法.     

小波变换与HMT模型的图像插值算法

 为实现图像的超分辨率处理,提出利用HMT模型简洁地表示小波系数的概率结构。小波域HMT模型根据小波系数尺度之间的持续性和指数衰减性,将图像的小波系数建模为隐马尔可夫树模型。该模型考虑了小波系数间的统计相关性,把图像插值问题表述为一个约束优化问题,获得了能够保持原始图像丰富高频信息的高分辨率插值图像。试验结果表明,该算法在一定程度上改善了传统插值算法引起的锯齿效应和平滑效应,插值后的图像在峰值信噪比和视觉效果方面都有明显提高。     

基于HVS的DWT图像压缩混合编码算法

为提高数字图像在高压缩比下重构图像的质量,分析研究现有离散小波变换（discrete wavelet transform,DWT）图像压缩的相关算法以及小波系数特性,提出一种基于人眼视觉系统（human visual system,HVS）特性对小波系数进行加权,结合小波各子带系数特性,采用差分脉冲编码调制（differential pulse code modulation,DPCM）与多级树集合分裂排序（set partitioning in hierarchical trees,SPIHT）相结合的编码方法．经视觉信息保真度分析实验验证,与传统的嵌入式零树小波（embeddedzero—tree wavelet,EZW）和SPIHT算法相比,在相同的比特率下该算法重构的图像具有更好的主观视觉效果．     

保持信噪比的相位分解反褶积方法研究

反褶积是目前提高地震数据分辨率的主要方法,传统的反褶积大都建立在地震子波最小相位的假设之上,这 与实际情况下地震子波更接近混合相位的事实不符。由于地层的吸收作用,实际地震信号中的高频成分较弱,很容易 受到高频噪声的污染。地震记录经过常规反褶积处理之后,在提高分辨率的同时,降低了地震记录的信噪比,信噪比 与分辨率的矛盾在实际地震勘探中十分突出。为此,提出一种基于相位分解并能保持信噪比的混合相位子波反褶积 方法,实现混合相位子波反褶积,在提高地震记录分辨率的同时,能自动控制高频噪声对地震资料信噪比的影响,使得 分辨率和信噪比达到相对和谐,提高地震记录表征地下构造的能力。     

基于PSNR立体图像质量客观评价方法

立体图像技术的发展为其质量评价提出了新的课题．为此,以平面图像的客观评价方法PSNR为基础。通过分析人类立体视觉,提出了一种立体图像质量评价方法．该方法分两部分进行立方体图像质量评价,分别是图像质量客观评价与立体感觉客观评价．实验结果表明,该方法的评价结果与主观评价结果基本一致,能够反映图像质量以及立体感的优劣度．     

基于Retinex模型的彩色图像全局增强算法

介绍了基于颜色恒常性理论的亮度感知Retinex模型,通过对HSV空间亮度图像的快速高斯滤波和全局γ变换,估计场景的光照信息,获得仅包含物体本身特性的反射信息图像,进而实现图像增强.主观视觉观察以及客观定量计算结果均表明,对于受光照等因素影响的可视性较差的图像,基于Retinex模型的彩色图像全局增强算法效果十分显著.     

基于高斯统计模型的快速图像区域分割方法

目前很多图像分割方法不能满足图像信息生成的随机性以及面对应用的实时性.提出一种基于高斯统计模型的快速图像区域分割算法,与已有的一些图像区域分割算法相比,该方法不用图像去噪,直接利用噪声建立高斯统计模型,还采用最大最小值的方法,提出初始分割的思想.实验结果表明新方法增强了分割结果的稳定性,提高了分割速度,更加符合了图像要...     

一种基于HVS模型的变换域数字水印算法

以人类视觉系统和离散余弦变换为基础,提出一种基于HVS感知模型的DCT域块分类水印算法。首先在水印嵌入前对水印进行了置乱,其次利用DCT域HVS的感知模型和图像亮度块的特征来控制嵌入水印的位置和强度,有效地提高了载体的保真性和水印的鲁棒性。实验结果表明,利用该算法实现的水印系统很好地兼顾了水印的透明性和鲁棒性,具有一定的实用价值。     

基于DWT的图像分块压缩感知重构算法

运用压缩感知理论对大尺寸图像进行重构耗时较长,观测矩阵要求的存储空间较大,且重构后的图像存在明显的块状效应.根据图像小波变换系数的特点,将图像分块思想与DWT变换相结合,提出了一种改进的基于DWT的图像分块压缩感知算法.将图像子块经DWT变换后,保留图像低频系数,只对高频系数进行观测.重构时采用正交匹配追踪算法（OMP）对高频系数进行恢复.Matlab仿真结果表明,新算法跟基于DCT分块压缩感知算法相比,重构图像的PSNR值提高了2~4 dB,重构时间明显减少,与基于二维离散余弦变换(DCT)的分块压缩感知算法相比,块效应有明显的改善,重构图像质量明显提高.