期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

空域特征结合小波域特征的图像多失真质量评价

Image Quality Assessment for Various Distortions Based on Spatial and Wavelet Domain Features
下载PDF
导出
摘要 为了解决受到多种降质因素影响的图像质量评价问题,提出了一种结合空间域和小波域特征提取的图像质量评价方法。根据图像的失真会影响图像数据在空间域和小波域的自然场景统计特性,并且失真程度可参数化的特点,计算空间域和小波域的高斯概率密度函数的主要参数并以此作为特征值来表征失真程度,然后将这些特征值作为支持向量回归的输入,训练并预测得到图像的质量得分。对LIVE2数据库的失真图像评价实验结果表明:该方法计算时间短,且预测得分和主观得分具有较好的一致性。 An image quality assessment method using features in spatial and wavelet domain is proposed,to assess the quality of multi-distorted images.According to the fact that not only distortions affect natural scene statistic,but also can be parameterized,this paper calculates the main parameters of Gaussian Probability Density function in spatial domain and wavelet domain as features indicating the degree of distortions.
作者 陈亚妮 厉小润
机构地区 浙江大学电气工程学院
出处 《工业控制计算机》 2017年第1期84-86,共3页 Industrial Control Computer
基金 浙江省自然科学基金重点资助项目(LZ14F030004) 国家自然科学基金资助项目(61571170) 上海航天科技创新基金(SAST2015041)资助
关键词 空间域 小波域 高斯概率密度函数 支持向量回归 spatial domain wavelet domain gaussian probability density function support vector regression
分类号 TP391.41 [自动化与计算机技术—计算机应用技术]
  • 相关文献

参考文献2

二级参考文献40

  • 1Ferzli R, Karam L J. A No-Reference Objective Image Sharpness Metric Based on the Notion of Just Noticeable Blur (JNB). IEEE Trans on Image Processing, 2009, 18(4) : 717-728.
  • 2Hassen R, Wang Zhou, Salama M. No-Reference Image Sharpness Assessment Based on Local Phase Coherence Measurement// Proc of the IEEE International Conference on Acoustics, Speech and Sig- nal Processing. Dallas, USA, 2010:2434-2437.
  • 3Chen M J, Bovik A C. No-Reference Image Blur Assessment Using Multiscale Gradient. EURASIP Journal on Image and Video Process- ing, 2011, 3:1-11.
  • 4Li C, Yuan W, Bovik A C, et al. No-Reference Blur Index Using Blur Comparisons. Electronics Letters, 2011,47(17) : 962-963.
  • 5Ciancio A, da Costa A L N T. No-Reference Blur Assessment of Digital Pictures Based on Multi-Feature Classifiers. IEEE Trans on Image Processing, 2011, 20(1) : 64-75.
  • 6Morrone M C, Owens R A. Feature Detection Rom Local Energy. Pattern Recognition Letters, 1987, 6 ( 5 ) : 303-313.
  • 7Venkatesh S, Owens R A. An Energy Feature Detection Scheme// Pmc of the IEEE International Conference on Image Process. Singa- pore, Singapore, 1989 : 553-557.
  • 8Kovesi P. Image Features from Phase Congruency. Computer Vision Research, 1999, 1(3): 1-26.
  • 9Zhang Lin, Zhang Lei, Mou Xuanqin, et al. FSIM: A Feature Sim- ilarity Index for Image Quality Assessment. IEEE Trans on Image Processing, 2011, 20(8): 2378-2386.
  • 10Li Chaofeng, Bovik A C, Wu Xiaojun J. Blind Image Quality Assessment Using a General Regression Neural Network. IEEE Trans on Neural Networks, 2011,22 (5) : 793-799.

共引文献20

工业控制计算机
2017年 第1期

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部