符合人眼视觉感知特性的改进PSNR评价方法

针对重构立体图像的视觉感知效果较好,而峰值信噪比(PSNR)值却很低的问题,提出一种基于加权滤波、隶属度函数以及滑动窗的方法来改进PSNR值,使其符合人眼视觉感知特性。实验结果表明,经本文方法改进的PSNR值与人眼视觉感知特性一致,从而提高了PSNR评价方法在立体重构图像中的通用性。

一种基于PSNR的迭加量化公开水印算法

图像有好的视觉质量又要有高的鲁棒性是当今数字水印研究的热点与难点之一。提出了一种在确定图像质量的前提下具有高鲁棒性的公开水印算法,在其嵌入算法中,首先确定嵌入水印图像的质量——通过控制图像的峰值信噪比(PSNR)来实现,再根据图像所要达到的峰值信噪比来设计水印嵌入步长;另外,水印信号是通过权平均的方式迭加量化到图像DCT域的多个低中频系数上,根据人眼视觉系统(human visual system)的特性,按图像内容自适应量化嵌入,很好地解决了不可见性和鲁棒性之间的矛盾。实验结果表明,该水印算法能保证图像具有很高的视觉质量,同时对于常见的图像处理和攻击具有很好的鲁棒性。

DCT域基于PSNR的扩频水印算法

数字水印技术是信息隐藏和版权维护的一种有效方法。在先前的研究基础上提出了DCT域中如何根据水印图像与原始图像间的PSNR来估计水印的多重水印嵌入强度,并由此提出一个基于PSNR的扩频水印强度的估计公式。实验结果表明,提出的嵌入强度估计公式误差小,具有一定的准确性,算法具有一定的鲁棒性。

基于不变矩和PSNR的相似图像检测工具

以图像特征提取为重点,基于图像特征提取,相似性度量,以及图像质量评估算法,实现了一个相似图像检索的工具。本系统使用MATLAB编程语言,从图像预处理着手,进而用不变矩方法中的Hu矩的方法对图片形状特征进行提取,接着用相似性度量算法中的曼哈顿距离法对特征进行相似性匹配并进行图像分类,再用PSNR图像质量评估算法计算出每类图像中最好的一张并将其显示出来,最后再利用MATLAB的GUI实现一个简洁明了的用户界面,提供了方便人机交互的接口。系统界面清晰,操作简单,对相似图像的检测具有较好的效果。

基于PSNR空域量化索引调制水印参数定量估算

量化索引调制方法是常用的水印嵌入和信息隐藏方法,量化步长是该方法中决定嵌入深度的参量,目前往往是通过反复试验方法确定该参量的取值,因此影响水印嵌入速度。针对此问题,以抖动量化调制方法为例,根据量化误差的分布情况给出了基于量化步长的量化误差定量估算;以该定量估算为基础,以空域像素为量化系数推导出了量化步长、水印数据量与PSNR之间的定量关系式。实验结果显示,在相同情况下通过实验测得的PSNR值和定量关系式计算的PSNR值基本一致,验证了推导的定量关系式的正确性。

基于PSNR小波域量化调制水印嵌入方法的参数定量估算

量化步长是量化调制方法中的重要参量,但是目前无法定量计算。针对这个问题,以抖动量化调制方法为研究对象,以小波变换系数为量化系数,提出了基于峰值信噪比(PSNR)的量化步长定量估算方法。首先根据量化误差的分布情况给出了基于量化步长的量化误差定量估算方法,然后根据小波变换的性质推导出了量化步长、水印序列长度与PSNR之间的定量关系式。实验结果显示,量化步长取值相同时实验测得的PSNR值和定量关系式计算出的PSNR值基本一致,验证了推导的定量关系式。

无线网络中基于PSNR的视频数据流传输仿真分析

针对无线网络环境低带宽、高错误率和高时延的特点,在NS2中建立仿真模型,利用基于PSNR的客观质量评估方法,分别对不同的数据包错误率、压缩量化参数、GOP的长度、数据包的长度对于图像质量的影响进行仿真分析.仿真结果给出的结论为无线网络更加有效地进行视频数据流传输提供了有益的参考.

单帧红外图像超分辨率重建算法研究

针对目前基于插值的红外图像超分辨率重建算法主要把重心置于原始图像的像素上的问题,提出了一种将原始图像像素和插值像素相结合的红外图像超分辨率重建算法。该算法在最近邻插值算法的基础上,将其与自适应高斯滤波相结合,采用边插值边滤波的方式对红外图像进行超分辨率重建处理。由红外数据集的大量对比试验结果可知,该算法能够在不以时间消耗为代价的前提下使重建结果得到有效提升。具体表现为其重建结果的客观评价指标与经典的图像插值算法相比提高了约2.8%~3.2%,并且能够有效减少噪声、锯齿和模糊现象。该算法有助于推动红外图像超分辨率重建在军事、医疗等领域的发展。

基于整体变分模型的随机值脉冲噪声去除方法

为了有效地检测随机值脉冲噪声并去除干扰,提出一种新的开关整体变分去噪方法。根据不同密度的随机值脉冲噪声,分别在3 px×3 px、5 px×5 px和7 px×7 px的窗口邻域内进行噪声检测及检测结果修正,对判断为噪声的像素点采用基于整体变分模型的方法去噪,再采用动态阈值对去噪后的图像进行多次噪声检测和噪声去除,从而进一步提高去噪效果。仿真实验结果表明:对于不同密度的随机值脉冲噪声图像,该方法在有效去除噪声的同时还可以较好地保护图像的细节信息,峰值信噪比相比其他方法提高显著。

基于改进小波阈值函数的仪表图像去噪方法研究

传统小波去噪的软阈值函数和硬阈值函数在去噪过程中产生的恒定偏差与抖动会导致去噪后的图像存在模糊和伪吉布斯现象。基于此问题,该文提出了一种软硬兼顾的加权平均阈值函数,此阈值函数避免了传统阈值存在的“一刀切”问题,降低恒定偏差的同时具有连续性与渐进性。其次在改进传统阈值门限上,设计了一种随着分解层数增加而减少的自适应门限阈值,避免消除深层数的高频边缘信息。最后通过对含有不同高斯白噪声的仪表图片进行去噪,计算峰值信噪比与均方误差并对结果图像进行的客观分析评估,实验结果表明,该阈值函数方法相比于其他方法,去噪结果更为清晰,均方误差最小,峰值信噪比最大,去噪效果更佳。

基于深度学习的图像风格迁移方法研究

为了快速实现图像风格迁移效果,提出基于深度学习的图像风格迁移方法。先将预处理目标内容图像和风格图像输入预训练VGG-19网络进行特征提取,再对特征损失系数进行设置,进而引入权重因子和平衡损失系数的最小二乘惩罚函数以加权求和方式获取总损失系数,最后依据梯度下降迭代方法进行图像重建,实现图像风格迁移效果。实验采用峰值信噪比(PSNR)和均方误差(MSE)来评价风格迁移图像的性能。结果显示,整体取得了很好的图像风格迁移效果。

基于压缩感知归一化关联成像实现目标重构

在归一化关联成像的基础上,结合压缩感知理论,提出了基于压缩感知的归一化关联成像方法.该方法首先对物臂的桶探测值进行归一化处理,并由散斑场构造测量矩阵;然后采用正交匹配追踪算法,在低测量次数下优质量地还原出了物体的像.实验中采用灰度图像及二值图像作为成像目标,以峰值信噪比作为衡量标准,分别对传统关联成像,归一化关联成像及压缩感知归一化关联成像的重构效果进行了量化对比.仿真实验结果表明,对于细节较为丰富的灰度图像,压缩感知归一化关联成像的峰值信噪比较传统方法高6 dB左右,比归一化关联成像方法提高了2 dB左右;对于细节较少的二值图像,其峰值信噪比较归一化关联成像法高3.4～4.3 dB,比传统法高5.2～6.5 dB.最后,采用实际电荷耦合元件测得的散斑场构造了测量矩阵,实验结果进一步验证了基于压缩感知的归一化关联成像算法能提高重构质量.

基于新阈值函数的小波阈值去噪算法

针对传统小波阈值函数在阈值处的不连续性、小波估计系数存在偏差等不足,导致去噪后的图像出现失真、产生吉布斯震荡等问题,提出了一种改进的阈值函数,与常用的硬阈值、软阈值以及已有改进的阈值函数相比,该函数不仅易于计算,而且具有优越的数学特性。为了验证该阈值函数的优越性,通过仿真实验对几种小波去噪方法的峰值信噪比(PSNR)与均方差(MSE)进行了对比。实验结果表明,此去噪方法无论是在视觉效果上,还是在均方差和信噪比性能分析上均优于常用的阈值函数。

高密度椒盐噪声的多方向加权均值滤波

提出一种适用于去除高密度椒盐噪声的图像滤波算法,以进一步提高输出图像的峰值信噪比。利用直方图形状判定椒盐噪声的两种灰度值,用于噪声像素的检测与定位。对于非噪声像素,直接输出灰度值;对于噪声像素,沿其邻域的k个方向分别搜索一个距离最近的非噪声像素,然后以欧式距离倒数为权重,采用k个非噪声像素的加权灰度均值作为噪声像素的输出灰度值。测试了不同的方向数k对滤波性能的影响,确定了k的最佳取值为4。采用该方法对椒盐噪声密度为10%到90%的图像进行滤波,输出图像的峰值信噪比比现有同类方法提高了1.8~4.7 d B。该方法有效提高了高密度椒盐噪声图像的滤波质量,处理速度满足实时要求。

视觉感兴趣区的提取及其在视频图像质量评估中的应用

通过主观眼动跟踪实验和客观Itti模型分别研究了视频图像的感兴趣区域提取问题.通过研究眼动跟踪实验数据与视频图像的时间同步问题和适当选取人眼在观察视频时所能接受的感兴趣区域个数,分别得出了主、客观实验的视频图像感兴趣区权重矩阵.在此基础上,在传统图像质量评估方法峰值信噪比(PSNR)中加入主观眼动跟踪实验和客观Itti模型得出的感兴趣区权重矩阵,分析和比较了2种感兴趣区权重矩阵对PSNR的影响.实验证明,通过参数设置,主观眼动跟踪实验和客观Itti模型提取的感兴趣区权重矩阵对PSNR都有明显的改善,改善后的模型不但保持了传统方法的简易性,同时也提高了其与主观感知的相关性.

DCT图像压缩方法的改进及其应用

利用基于二维离散余弦变换(DCT)的方法进行图像压缩,通过设置自适应量化截断阈值来控制图像压缩数组的大小。为了加快运算速度,在图像压缩部分利用快速DCT算法;并直接对量化后的非零系数进行存储,而不采用熵编码的方式。在解码端,针对量化产生的块效应,利用基于自适应邻域的思想进行后处理。所提方法进一步提高了图像的峰值信噪比和主观视觉质量,并且达到了实时在线处理的要求。文中所提基于DCT的图像压缩方法在一个基于视觉位置反馈的二自由度机械臂远程控制系统中得到实际应用。

基于改进高斯—拉普拉斯算子的噪声图像边缘检测方法

针对现有梯度算子在图像边缘检测中存在的对噪声比较敏感的问题,提出了一种改进的高斯—拉普拉斯算子的边缘检测方法。噪声图像中的边缘检测是一项关键任务,然而目前常用的几种梯度算子,包括已经提出的高斯—拉普拉斯算子都没能取得理想效果。提出的方法对传统的拉普拉斯边缘检测算子作了改进,并与高斯滤波器相结合,应用高斯滤波器平滑图像,抑制噪声,再基于拉普拉斯梯度边缘检测器进行边缘检测。最后,在imagenet数据集中选取了10幅图像进行实验,将提出的高斯梯度边缘检测器与传统的边缘检测器进行比较。评估结果显示,提出的方法所获得的峰值信噪比(PSNR)高于对比算法,而均方误差(MSE)更小。实验结果表明,提出的方法在实际应用中能够有效提高噪声图像边缘检测的质量。

高精度全景补偿电子稳像

针对摄像机拍摄目标过程中自身的随机抖动造成的视频序列不稳定,以及稳像补偿过程中边缘信息的丢失,提出了基于SURF(Speed-up Robust Feature)算法的全景电子稳像方法。首先,运用SURF算法提取当前帧图像和参考帧图像的兴趣点,将两幅图像的兴趣点进行匹配,建立两帧的对应关系。针对兴趣点数目较少及场景中部分区域特征相似的情况,引入了兴趣点位移一致性抑制策略,改进了RANSAC(RANdom SAmple Consensus)误匹配的剔除算法,使得运动矢量的精确度小于1 pixel。然后,判定参考帧的更新策略,获取平滑的运动变量。最后,进行运动补偿,运用图像镶嵌技术对丢失的边缘区域信息进行全景补偿,得到了高精度的全景稳像结果,实验得到的输出视频峰值信噪比(PSNR)提高了33.1%。

色彩复原图像的质量评价方法

针对褪色文物数字化保护中色彩复原图像的质量评价问题,研究客观质量评价方法.结合峰值信噪比(PSNR)的计算优势与人眼视觉特征信息熵的结构特性,提出一种基于视觉特征信息熵的彩色图像质量评价方法.该方法建立带权值的质量评价函数和对应评价算法流程,利用归一化方法确定权值.通过评价算法流程计算复原的彩色图像与参考彩色图像的函数值,比较两者的相似程度.值越小,代表相似度越高,对应的复原彩色图像质量越好,以此客观判断色彩复原方法的优劣.实验通过四种性能差异复原方法的质量评价参数比较,表明评价结果与人眼视觉主观感受相一致,验证了所提方法的有效性.

基于能量函数的极值中值滤波星图去噪算法

利用地基观测相机拍摄的以深空为背景的星图受星空复杂背景的影响,往往具有较高的噪声水平。同时由于星图主要由恒星、空间目标和星空背景噪声组成,且成点状分布,星图目标和噪声呈现较大的相似性,传统的图像去噪算法并不适用于星图。为此,该文提出一种基于能量函数的极值中值滤波去噪算法,该算法在去除星图椒盐噪声的同时能够较好地保持图像目标信息。该方法针对疑似噪声点采用二次检测的方式,并且结合改进的自适应中值滤波和能量函数模型进行灰度值恢复。该文分别使用仿真试验和真实星图处理试验对该方法进行验证,在客观评价中,图像峰值信噪比PSNR(Peak Signal to Noise Ratio)最高可提高3倍多,均方误差MSE(Mean Squared Error)减小为加噪图像的3.16×10^(-5)。试验结果表明,该方法可有效地降低传统方法的噪声误检问题,同时提高噪声图像的恢复精度,非常适合星图噪声的去除。