基于颜色计算显著特征的彩色图像质量评价方法

目的从颜色这个角度研究新的全参考图像质量评价方法。方法首先在Lab色空间内基于颜色信息提取2个图像特征,即颜色和对比度特征。然后将颜色特征和图像梯度相结合,对比度特征和图像局部范围相结合,分别提出不同的图像质量评估方法。结果采用该领域内4种常用的参数来评估文中算法和14种其他经典算法的表现,结果显示文中提出的2种基于图像彩色信息的算法总体上优于其他算法。结论从颜色计算显著特征出发来研究图像质量评价方法是一个有效的途径。

Image quality assessment method based on nonlinear feature extraction in kernel space

在实现对与人类视觉感知相一致的图像质量的客观评价中,如何提取图像的视觉感知特征至关重要。不同于传统方法中通过线性变换或模型表达图像的方式,本文采用高维空间的一种数学表达来揭示图像的统计特性,通过引入核独立分量分析(kernel independent component analysis,KICA)方法实现非线性转化和图像的高维特征提取。从而提出一种基于非线性特征提取的全参考图像质量评价方法。在LIVE、TID2008和CSIQ等图像质量评价数据库上的实验结果表明,图像的非线性特征更有利于图像内在质量的描述,并且本文提出的方法性能良好,与主观评价较为一致。

基于低阶Gaussian-Hermite矩的图像质量评价

提出一种基于低阶Gaussian-Hermite矩的图像全参考质量评价方法。正交矩在图像处理和模式识别方面有很重要的作用,低阶矩可以从图像的分块中提取重要特征,这些特征通过计算两幅图像间相对矩误差得到,这种差异的大小更能体现出失真图像块相对原始图像块的失真大小,所以能更好的描述图像的质量。利用Gaussian-Hermite矩在一些公开的数据库中对提出的方法进行验证,实验结果和对比表明所提出的方法具有很好的效果。