基于结构相似度的多波段图像自适应融合算法

多波段图像的融合性能过差会降低图像内信息的读取率,造成图像信息读取不及时或图像信息缺漏等问题,为了保证多波段图像实时信息的读取能力,规避多幅图像内的信息缺漏现象,提出基于结构相似度的多波段图像自适应融合算法。分析多波段图像的成像原理,并根据该原理涉及的频振现象提取多波段图像的区域特征和细节特征。利用互协函数和尺度常量分别获取区域特征和细节特征的结构相似系数,通过分布式函数依赖发现算法获取两组结构相似系数依赖程度较高的多波段图像的结构相似度,并映射至lαβ空间中,实现多波段图像的自适应融合。仿真结果表明,所提方法在高曝光强度、低曝光强度和正常曝光强度下融合效果均较好、互信息较高。

基于显著性区域检测的多尺度图像盲复原算法

针对大多数基于先验的盲图像去模糊算法耗时较长和显著边缘结构提取不理想的问题,提出一种基于显著性区域检测的多尺度图像盲复原算法。为了复原出更加清晰的图像,采用由粗略到精细的多尺度交替迭代框架构建图像金字塔。在图像单一尺度方面,首先提取出图像中具有强边缘结构的显著性区域,并对其施加l_(0)范数约束,提出显著映射先验;将显著性映射先验和最大后验概率相结合并引入传统图像去模糊模型中,构造出点扩散函数估算模型,利用半二次分裂算法解决模型的非凸问题;对点扩散函数进行复原时,利用点扩散函数相似度的变化量限制每个尺度中的过渡迭代;对模糊图像和最终估计的点扩散函数进行非盲解卷积,获得复原图像。实验结果表明:与现有的主流去模糊算法相比,新算法在合成数据集和真实数据集中都可以有效抑制振铃和伪影现象,得到了很好的视觉体验,且评价指标均优于对比算法,同时大大缩减了复原时间。

基于中心对称特征耦合仿射度量模型的图像匹配方法

针对当下较多图像匹配算法利用距离度量法来实现特征匹配,没考虑图像仿射变换的影响,使得匹配结果准确率不高的问题,提出了中心对称特征耦合仿射度量模型的图像匹配算法。首先,引入Forstner算子,利用像素点的GS梯度特征提取特征点;然后,利用图像的Haar小波信息与中心对称像素点的灰度值,求取特征向量;接着,利用特征点之间的旋转、平移以及缩放的仿射特征,构造仿射度量模型,利用其计算出匹配的特征点对;最后,采用结构相似度(SSIM)函数,计算匹配点对的结构相似性,对匹配点对去伪求真,以求取最优匹配效果。实验结果表明,与当下匹配方法相比,所提算法不仅能更准确地实现图像匹配,而且还能够更好地适应具有仿射变换关系图像之间的匹配。

基于梯度的结构相似度的图像质量评价方法

虽然基于结构信息的图像质量评价方法———结构相似度(SSIM)模型结构简单、评价性能优于峰值信噪比(PSNR)或均方误差(MSE)模型,但SSIM模型不能较好地评价严重模糊的降质图像.文中提出了一种基于梯度的结构相似度(GSSIM)图像质量评价方法,该方法将梯度作为图像的主要结构信息.实验结果表明,GSSIM模型比SSIM和PSNR(MSE)模型更符合人眼视觉系统特性,能较好地评价模糊图像的质量.

基于失真模型的结构相似度图像质量评价

提出了一种基于图像失真模型及失真视觉特性的图像质量评价方法,解决了传统结构相似度(SSIM)度量不能同时有效评价不同失真强度与不同失真类型图像质量的问题.将图像失真分解为局部线性模糊及加性噪声,通过质量敏感区域加权与噪声SSIM补偿,实现各种失真类型SSIM的聚合以提高综合评价性能.实验结果表明,这种基于失真模型的区域加权SSIM能够一致评价各种失真类型、各种失真强度的图像质量,在LIVE图库上与主观评价分回归后的相关系数达到0.946 7,优于其他SSIM算法.

基于人眼视觉的结构相似度图像质量评价方法

分析了数字图像中亮度、纹理细节、空间位置等因素对人眼视觉特性的影响,建立了数学模型,将人眼视觉特性与图像的结构相似度结合起来,提出一种符合人眼视觉特性的图像质量评价新方法.该方法将图像划分成大小相等的分块,计算出各分块的亮度影响因子、纹理细节影响因子和空间位置影响因子,经过归一化处理得到每个分块的权值,用加权平均的结构相似度作为图像质量的评价指标.实验证明该方法能够区别图像中不同区域的图像特征,符合人眼视觉特性,与主观评价结果一致.

基于视觉感知的梯度结构相似度图像质量评价

在SSIM算法的基础上,结合亮度和对比度掩蔽等视觉感知信息构造视觉感知(visual perception)函数,提出基于视觉感知的梯度结构相似度评价方法VI_GSSIM(visual perception and gradient based SSIM)。该方法通过图像质量与图像内容和失真类型的相关性,结合图像的误差可视性与内容可视性构造视觉感知函数,对HVS底层视觉系统建模;同时利用梯度重新定义结构信息,得到基于视觉感知的梯度结构相似度模型,对图像进行质量评价。实验结果表明,提出的VI_GSSIM算法比SSIM更符合人眼的视觉特性,尤其适合评价降质较严重的图像。

基于结构相似度的图像融合质量评价

在分析现有图像融合质量评价方法特点的基础上,提出了新型的、基于结构相似度的图像融合质量评价方法·针对不同情况,分别采用平均结构相似度、加权平均结构相似度、结构信息与交互信息量之乘积作为图像融合质量客观评价标准·该方法充分考虑了图像的结构信息和人类视觉系统的特性,可以为不同场合下选择不同的算法提供依据·对不同融合算法的质量评价结果表明,该方法是一种有效的图像融合质量评价方法·

基于扩展梯度算子的结构相似度图像质量评价方法

为了更精确地评估图像质量,提出了一种新的客观评价算法:基于扩展梯度算子的结构相似度图像质量评价方法(extended gradient-based structural similarity,E-GSSIM)。首先分析了结构相似度(structural similarity,SSIM)与梯度结构相似度(gradient-based structural similarity,GSSIM)的不足,提出应用扩展Sobel算子替代GSSIM的传统Sobel算子,从而能够从多个方向提取邻域的梯度信息。为了不破坏原图的固有图像属性及使所提取的梯度信息更具有一致性,在计算梯度信息的时候引入衰减与阈值因子。LIVE2、TID2008、TID2013与CSIQ四个图库的定性与定量验证表明,E-GSSIM算法要优于传统的PSNR、SSIM、GSSIM质量评价指标,更为符合人眼视觉感知结果。

图像质量客观评价的复数矩阵结构相似度方法

客观评价数字图像质量的目的是为了得到与人眼视觉特性一致的评价结果,因此,图像结构的分析和比较要考虑图像中人眼敏感程度不同的各种因素。针对单一图像特征描述图像结构信息过于片面的问题,引入了图像结构信息表示的复数方法,构造了用于描述图像结构信息的复数矩阵。把复数作为一种信息合并方法,将图像中人眼敏感程度较高的局部方差分量和代表一般敏感信息的图像像素的灰度值分布作为复数的实部和虚部。研究了非实数域的结构相似度方法以及数学模型,将该方法用于度量两图像复数矩阵的结构相似度,采用包含779张失真图像的LIVE数据库以及相应的拟合函数验证了复数结构相似度方法。交叉失真和分类失真图像测试实验表明,所提出的复数矩阵结构相似度方法的整体性能与人眼视觉特性的一致性优于MSE等传统方法,和SSIM等流行的方法以及QSSIM等较新的方法相比也有较大优势。

基于边缘特征和像素结构相似度的图像修复算法

针对Criminisi算法的块匹配准则仅采取单一颜色判断因子导致无法合理选择最佳样本块,且其在修复过程中使用单一修复模板易出现填充裂纹和错误像素的问题,提出基于边缘特征和像素结构相似度的图像修复算法.首先提出一种局部特征与边缘纹理分辨相结合的分段修复算法以增强边缘纹理分辨能力;其次采用样本相似度和信息熵相似度确定最佳样本块集合,并依据颜色和特征项的欧氏几何距离及结构相似性确立块匹配准则;再通过基于信息熵的自适应修复模板解决Criminisi算法的填充裂纹和错误像素问题;最后引入果蝇优化算法以减少图像修复时间.实验结果证明,对于不同的图像,文中算法能取得较为满意的修复效果和修复效率.

基于视觉注意机制与区域结构相似度的图像融合质量评价

针对目前图像融合质量客观评价与主观评价结果一致性不高的问题,结合人类视觉注意机制和区域计算方法对EFQI指标进行改进,提出了一种基于视觉注意机制(VAM)与区域结构相似度的图像融合质量评价指标。该指标充分考虑了人类视觉感兴趣区域和人眼对区域信息敏感的特性,使用方差显著图与视觉显著图相结合的加权方法对图像中的显著区域赋予更大的权值,并采用更符合人类视觉特性的区域计算方法求取融合结果图像和源图像在各区域上的结构相似度以评价融合质量。用该指标评价10种不同融合算法的融合结果图像并与主观评价结果进行相关性分析,分析结果表明该方法相比传统的评价指标能更有效地反映融合图像质量,与主观评价结果一致性更高。

基于图像块分类的加权结构相似度

基于结构信息的图像质量评价方法——结构相似度(SSIM)方法计算简单、性能优越,但该方法仅简单地将各子块SSIM的平均值作为整幅图像的平均结构相似度(MSSIM),而人眼对图像不同区域的视觉灵敏度不同.为此,文中提出了一种基于图像块分类的加权平均结构相似度(WSSIM)的图像质量评价方法,即先将图像分块并将子块区分成边缘块、细节块和平滑块三类,然后对不同类型块的SSIM值赋予不同的权值,最后计算得到整幅图像的WSSIM.实验结果证明,文中方法明显优于MSSIM和基于方差加权的SSIM.

基于感兴趣区域的边缘结构相似度图像质量评估

目前常用的评估算法忽视了图像中携带重要信息的边缘特征。基于感兴趣区域的双尺度边缘结构相似度算法虽然考虑了边缘信息的重要性,但对边缘信息的识别效果不理想。针对以上问题,提出边缘结构相似度图像质量评估算法,将图像分为感兴趣区域与不感兴趣区域,分别用边缘结构相似度算法和结构相似度算法对2种区域进行质量评估,并实现加权组合。实验结果表明,该算法对边缘信息的识别能力更强,对图像质量的变化更加敏感。

基于相位一致性的结构相似度图像融合质量评价方法

在红外(IR)图像和可见光CCD图像融合效果评价中,结构轮廓对人眼感知的影响非常重要,而相位一致性(PC)模型生成的PC图像很好地保留了结构轮廓特征,且不受图像亮度和对比度变化的影响。提出了基于PC的结构相似度(SSIM)图像融合质量评价方法;利用SSIM模型分别产生融合图像相对于IR图像和可见光CCD图像的SSIM图像;根据PC模型产生IR和可见光CCD各自的PC图像;根据人眼对轮廓和非轮廓区域的重视程度的不同,利用各自的PC图像对SSIM图像进行加权;最终利用信息熵加权得到融合图像的评价指标。实验中,在对实验图像进行主观评价和多种客观评价指标计算的基础上,首次计算了非线性相关系数和斯皮尔曼等级相关系数(SROCC),最后统计分析实验数据。实验结果表明该方法较以往评价方法具有更好的主客观一致性。

基于视觉阈值的结构相似度图像质量评价算法

针对空间域结构相似度测量(image measure of structural similarity,SSIM)没有考虑人类视觉系统亮度掩蔽和对比度掩蔽对视觉感知的影响,提出基于人类视觉阈值理论的结构相似度图像质量评价算法(visibility threshold SSIM,VTSSIM).通过计算局部标准方差,将图像分为平坦区域、细节区域和一般区域;基于图像视觉阈值的临界可视误差分布,确定平坦区域中的亮度掩蔽极端区域和细节区域中的对比度掩蔽极端区域;分别对这两个极端区域及其他区域进行视觉阈值加权处理,得到整幅图像的质量评价.结果表明,VTSSIM比SSIM更符合人眼视觉特性,尤其适合评价失真较小的图像.

基于多尺度结构相似度的印刷图像质量评价研究

目的为了简化印刷图像质量主观评价方法。方法提出基于多尺度结构相似度的印刷图像质量评价研究,将多尺度结构相似度应用在印刷图像质量评价上。结果实验仿真表明,多尺度结构相似度模型客观评价结果与主观评价结果的相关系数最高,为0.7698,表明两者是强相关关系。结论提出的基于多尺度结构相似度的印刷图像质量评价方法,是印刷图像质量评价的一种有效的新方法。

基于加权结构相似度的图像融合质量评价

利用结构信息理论,提出了基于加权结构相似度的图像融合质量评价方法.该方法充分考虑了图像的结构信息和人眼的视觉特性,无需标准参考图像,可以为不同场合下选择不同的算法提供依据.不同融合算法的质量评价结果表明该方法是有效的.

双尺度边缘结构相似度的图像质量评估

图像质量评价对于各种视频图像应用具有重要的意义。结构相似度准则SSIM在模糊图像及噪声污染的图像判定方面,存在偏差。该文提出了基于双尺度边缘结构特征的图像质量评价算法——MDESSIM,充分考虑了边缘信息在结构信息中的重要性,通过增加边缘结构的失真度量来综合评价图像质量。实验结果表明了MDESSIM算法的有效性。

小波域结构相似度图像质量评价

针对结构相似度模型在模糊图像以及低位率压缩降质图像评价中存在的不足,提出一种基于小波域结构相似度的图像质量评价(WDSSIM)算法.该算法将整幅图像划分成具有不同尺度和频率特征的子带图像,比较原始图像和失真图像的子带图像之间的结构相似度,并依据视觉系统对于不同频率特征失真敏感程度进行加权.实验结果分析表明,WDSSIM算法对于更广泛一类的图像评价与主观感受保持较好的一致性.