联合全息平面与物平面的全息图质量评价

数字全息图可为用户提供更详细的3D信息;但其编码失真及特殊的性质为其质量评价带来了挑战。提出了一种联合全息平面与物平面的全参考全息图质量评价方法。首先,在全息平面上利用信息保真度准则度量了压缩全息图的退化程度。其次,在物平面上对重建的多视口参考全息图和压缩全息图提取显著性加权的梯度相似度,再利用Grünwald-Letnikov分数阶导数度量全局特征变化;结合二者计算重建的多视口参考全息图和压缩全息图的相似度。最后,将全息平面的计算结果和物平面的相似度作为联合特征,利用随机森林对以上特征进行训练,建立质量评价模型。实验结果表明,所提出方法的PLCC约为0.9179,SROCC约为0.9075,优于相关代表性全息图质量评价方法,与人眼主观感受契合度更高。

结合时空特征和视觉感知的全参考视频质量评价

视频失真主要来源于空间和时间失真导致的视频质量退化。针对这两种视频质量退化,提出了一种结合时空特征和视觉感知的全参考视频质量评价方法STPFVQA。首先,使用ResNet50卷积网络从参考视频和失真视频中提取空间感知特征;其次将提取的空间感知特征送入transformer编解码器中,用来构建视频的序列化关系,同时对比参考视频和失真视频,探索失真对视频序列关系造成的影响;然后将transformer的输出送入预测头,形成帧级分数;最后为了模拟人类视觉系统感知的滞后性,从短期、长期和全局记忆效应来综合考虑获得最终的视频质量分数。为了验证方法的可行性,在LIVE、IVC-IC、CSIQ和IVPL四个公开数据集上进行了实验。实验结果表明提出模型更符合人类视觉系统感知情况。在IVC-IC和CSIQ数据集上相比最先进的序列依赖模型(serial dependence modeling,SDM),SROCC评价指标分别高出2.6%和3.1%,KROCC评价指标高出6.1%和7.9%,PLCC评价指标高出2.3%和5.5%。

基于稀疏表示的失真卫星立体图像全参考质量评价

针对建筑物检测特定应用,提出一种基于稀疏表示的失真立体图像全参考质量评价方法。首先构建了一种新的失真卫星立体图像数据库,使用角点检测和数字表面模型的高程信息进行建筑物检测,并根据失真图像检测角点变化,提出检测准确率指标来表示图像的失真程度;然后提出一种基于稀疏表示的客观评价模型,其分别提取原始图像和失真图像的尺度不变特征转换和二进制稳健不变尺度特征进行字典学习;利用稀疏表示测量原始图像和失真图像之间的相似性,得到4个质量分数;最后通过支持向量回归融合4个质量分数得到最终的客观评价值。在构建的数据库上进行测试,实验结果表明,皮尔逊线性相关系数值高于0.90,斯皮尔曼等级相关系数值高于0.87,与现有的评价方法相比,所提方法能更好地反映卫星立体图像的质量。

全参考图像质量评价综述

图像质量评价是图像处理领域内一项很有意义的研究课题。客观图像质量评价方法可分为全参考评价方法、半参考评价方法和无参考评价方法,目前全参考评价方法较为成熟,而半参考和无参考评价方法则处于初级阶段,远远达不到参考评价方法所能达到的效果。对全参考评价方法进行综述。首先简要地介绍了各种类型的评价方法,其次详细地介绍了PSNR、SSIM、MSSIM、IFC、VIF、FSIM等几种典型的全参考图像质量评价方法,然后在LIVE和TID2008数据库上进行实验,对这几种全参考方法进行对比、分析,最后探讨图像质量评价研究的发展趋势。

基于全参考“高分二号”卫星图像融合质量评价

利用八种常用的遥感图像融合方法对中国首颗亚米级卫星——"高分二号"(GF-2)进行全色与多光谱图像融合,并对融合结果做主客观评价。为充分考虑人眼视觉系统的参与,文章选取通用图像质量(Quality,下同)评价指数、视觉信噪比模型、多尺度结构相似度、视觉信息保真度准则、信息保真度准则、噪声质量检测六种经典的基于全参考图像质量客观评价模型作为长春市城区融合图像客观评价指标。结果表明:对于GF-2卫星图像融合,八种方法均在一定程度上增加了空间信息,同时保持了原始光谱信息。其中,融合效果最好的是HPF方法,Gram-Schmidt方法次之,Multiplicative、PCA、Subtractive、HCS、High Pansharp方法融合效果依次下降,Pansharp方法效果最差。

基于频域互信息的全参考图像质量评价

通过在分块DCT域上计算原始图像和失真图像之间的互信息,提出了一种全参考图像质量评价方法。该方法首先将原始图像和失真图像转换到频域,然后在频域上计算其之间的互信息矩阵,并引入了下采样方法来实现对图像的多尺度分析,进而得到最终的反映图像质量的评价指标。实验表明,该方法符合人眼的视觉特性,具有很好的主观一致性。

一种新的结构特征全参考图像质量评价方法

提出一种基于单演信号理论提取结构特征的全参考图像质量评价方法。方法首先利用单演信号理论将图像分解为幅值、方向和相位3个特征分量,构造单演相位一致映射图和特征分量相似度比较函数;然后对相位一致映射图进行Riesz变换,其变换后的一阶、二阶系数作为结构特征相似度比较函数,最后将单演信号的特征分量和结构特征相似度比较函数归一化加权计算得出最终的图像质量评价值。实验结果表明,由于单演相位一致具有较好的抗噪声能力,特征分量和结构特征相似度更加全面考虑到对于人眼感知图像结构的重要性,因此评价结果与图像主观质量评价具有较好的一致性。

分区域多标准的全参考图像质量评价算法

图像质量评价在图像采集、图像压缩、图像传输等领域有着广泛的应用,一直是图像处理领域的研究热点之一.本文提出了一种模拟人的视觉感知过程中的对不同区域敏感度不同的特点,针对待评图像进行分区域采用不同标准的全参考型图像质量评价算法.该算法首先对图像颜色空间由RGB转换到YIQ,使之更符合人类视觉特性;再对其亮度空间进行数学形态学的膨胀计算预处理,并用边缘检测算子标记出图像中所有的边缘像素点;根据5×5的邻域内是否包含边缘点将图像分为纹理区和平滑区域.针对包含边缘特征的纹理区域的结构参数采用梯度进行描述,参考图像和失真图像在像素点的方差表述像素点失真的敏感性;对于平滑区域的像素点采用对比度作为表征结构信息的变量,并使用基于视觉显著性的综合策略;结合失真和参考图像的视觉显著性矩阵、结构相似性矩阵SCR(x)、色彩饱和度相似性矩阵,可分别得到纹理区和平滑区的图像质量评价分区域结果.取两个分区域结果的均值,可得到最后的全图像质量评价指标SMC-IQA.该算法在CSIQ、TID2008和TID2013等3个通用的图像质量评价数据库上进行了实验.实验结果表明与主流的图像质量评测方法相比较,本文所提出的分区域多标准的全参考图像质量评价算法与主观评价的结果具有更好的一致性,更符合人类视觉系统的特性.

基于机器学习的全参考图像质量评价模型泛化能力分析

图像质量评价模型的最终目的是在现实场景中准确度量给定图像的质量,然而目前大多数基于机器学习的图像质量评价模型都致力于在给定的图像数据库中取得较高准确率,却在一定程度上忽视了对其泛化能力的研究。本文通过主观评价实验建立一个包含多种失真类型、大量图像内容的图像数据库,在此基础上对多种基于机器学习的全参考图像质量评价模型的泛化能力进行验证。实验结果表明这类图像质量评价模型在特定数据集上可以取得极为准确的预测结果,但是其泛化能力较为有限,很难被应用于现实场景。

基于随机森林的空域-频域联合特征全参考彩色图像质量评价方法

文中旨在设计一种可以自动评估图像质量,并达到与人类视觉系统相一致的客观评价算法。针对大多数传统的全参考图像质量评价方法只在空域中分析图像,并且在池策略上存在不足,文中提出了一种基于随机森林的空域-频域联合特征全参考彩色图像质量评价方法。该方法首先在空域上提取色度和梯度特征,刻画图像的颜色信息和空间结构信息;在频域上提取log-Gabor滤波器组响应后的纹理细节信息以及空间频率特征,将二者作为联合特征;然后利用随机森林学习特征向量与主观意见得分之间的映射关系,预测客观质量得分。在TID2013,TID2008和CSIQ 3个标准数据库上的实验结果表明,所提方法的综合评价性能优于目前主流的全参考评价算法,尤其是在TID2013数据库上其皮尔逊线性相关系数值达到了0.9397。

基于多平台联合开发的视频质量评价软件设计

视频质量评价可以用于评价视频系统的性能和进行视频质量的监控。本文基于多平台联合开发了视频质量评价软件,可以对原始视频和有损的视频进行多参数全参考质量评价,能够输出多格式的视频质量记录文件。本文对视频质量评价研究的发展具有一定的实际意义和应用价值,同时也可应用于图像处理教学实验。

基于视觉感知的网络视频质量评价方法研究

网络视频在传输过程中,因编码失真或丢包失真,给用户带来明显的视觉影响。传统的均方误差和峰值信噪比的质量评价方法未考虑到人眼视觉特性。文章首先描述了人类视觉系统的基本特性,然后介绍了主客观质量评价方法的优缺点及适用环境,最后采用LIVE视频数据库,对比几种质量评价方法,结果表明,融入视觉感知的评价方法更接近于人眼效果。

协同超像素和视觉显著性的图像质量评价

为实现全参考图像质量客观评估与人类主观评估更高的一致性,本文提出了协同超像素和视觉显著性双重策略的图像质量评价方法。该方法通过融合4个图像特征相似度得到局部图像质量得分。这4个相似度分别是超像素局部亮度相似度、超像素局部色度相似度、视觉显著性相似度和Scharr梯度相似度。为了解决过去的评价方法中不同的特征相似度仅凭经验确定参数的问题,提出相似度量参数修正模型对各相似度的参数进行自适应调整。最终的质量得分由视觉显著性构造的加权函数与局部质量得分池化获得。大量的比较实验表明,本文方法的综合性能表现优异,与主观评估具有更高的相关性。

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。

客观图像质量评价

图像在采集、传输或者显示的过程中都会导致图像失真,所以如何客观评价图像质量是数字图像/视频处理领域中极具研究价值的一门课题。客观图像质量评价方法分为三大类:全参考方法、半参考方法和无参考方法。论文选取了经典的2种全参考算法和5种具有代表性的无参考算法进行分析,并在四个公开的数据库上进行算法性能验证。

融合显著图和保真图的全参考图像质量评价

提出一种融合显著图(SM)和保真图(FM)的全参考图像质量评价算法,用于评价质降图像的失真度。利用亮度和色度的相似度提取质降图像相对于参考图像的FM;对参考图像进行区域划分、全局显著性提取和纹理边缘补充得到SM,将SM与质降图像的FM融合得到基于感知的显著保真图(PSM),计算质降图像的客观评价得分。在标准数据库上的实验结果表明,本文方法与主观评价能够很好保持一致,并对LIVE图像库中的5种失真图像均有很好的表现。

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。

可控图像退化对提升机器视觉鲁棒性的研究

现有工业机器视觉设备验证仍主要依赖批量造件,小概率的产品缺陷误判和设备失效风险不容易在投产前被发现和消除。为提升机器视觉系统鲁棒性,充分验证算法和参数不足,需要开发一种可控图像退化模拟系统。此系统能根据工况和设备特性,利用少量样图生成各类具有代表性的退化图像,并对图像退化程度进行精确量化评价。选择评价合适的退化图像对主流机器视觉设备进行鲁棒性验证,从而虚拟但有效地降低设备损坏停机和产品质量风险。另外,对于深度学习视觉应用,此系统也能更贴合工厂环境实现数据增广,优化神经网络模型。