基于CSF和仿射重建模型的噪声图像质量评价

针对无参考噪声图像质量评价问题,提出基于视觉对比度敏感函数(CSF)和仿射重建模型的噪声图像质量评价方法.引入CSF对待评价噪声图像进行滤波,利用图像分块技术,建立基于最优化问题求解的仿射重建模型,得到图像信号成分,估计出残差信号图像.计算各分块的噪声强度点分布,选取噪声强度点数量分布最多的区间,最终的噪声图像质量评价算子由该强度区间内的所有强度点的均值计算得到.在LIVE、TID2008及CSIQ数据库上开展评价算法主客观一致性评估实验,与其他几种评价算法进行对比,比较算法客观评价性能的表现.实验结果表明,提出的算法具有很好的准确性和主客观评价一致性.

基于小波域峰态值的无参考噪声图像评价算法

随机散布在自然图像里的噪声失真一般会破坏图像的原始概率密度分布。研究发现,无失真自然图像和它对应的噪声图像在离散小波变换(Discrete Wavelet Transform,DWT)系数分布上有很大区别:对于自然图像,其DWT系数分布比较尖锐,峰值高,拖尾短;对于噪声图像,其系数分布则比较扁平,峰值低,拖尾长。作为一种常用的统计特征描述,峰态值可以度量和区分不同失真程度的噪声图像的DWT系数分布,而且,DWT系数分布的峰态值具有很好的频率尺度不变性。基于以上特性,提出了一种无参考噪声图像质量评价模型(Blind Noisy Image Quality Assessment model using Kurtosis,BNIQAK)。实验测试了三个最大的质量评价图像库中的五种噪声失真图像,结果表明,和现有无参考噪声评价模型、一般无参考评价模型和全参考(Full-Reference,FR)评价模型相比,BNIQAK具有更好的评价效果。