基于局部标准差与显著图的模糊图像质量评价方法

为了有效地对模糊图像的质量进行评价,提出了基于局部标准差和显著图的无参考模糊图像质量评价方法。首先,针对待评价图像,利用高斯低通滤波器对其进行模糊化来构造参考图像。然后,利用图像的局部标准差和显著图两个特征在模糊化前后的变化情况,对原模糊图像的质量进行评价。最后分别在LIVE图像库和CSIQ图像库上对本文方法进行了验证,其中Pearson线性相关系数(PLCC)值分别达到了0.9315和0.9254,Spearman秩相关系数(SROCC)值分别达到了0.9258和0.8962。实验结果表明本文方法与当前公认性能优越的算法LPC-SI表现接近,且计算复杂度较低,耗时仅为其4.7%。

基于梯度和显著性的无参考模糊图像质量评价方法

为了更加有效评价模糊图像的图像质量,提出一种基于梯度失真测度图和显著区域图的无参考模糊图像质量评价方法.首先,利用高斯低通滤波对待评价图像进行模糊化处理,以构造参考图像,并结合梯度相似度,得到能精细反映图像微小细节的反差和纹理变化的梯度失真测度图.然后,利用显著模型计算原模糊图像的显著性,采用自适应算法计算原模糊图像的特定显著性阈值,再通过二值化处理得到最终的显著区域图.最后,利用显著区域子块显著值加权得到模糊图像的最终评价结果.在LIVE、CSIQ和CID2013数据库上的实验结果表明,预测结果与人的主观判断具有较好的一致性,且计算复杂度较低.