基于边缘辅助和多尺度Transformer的无参考屏幕内容图像质量评估

与从现实场景中拍摄的自然图像不同,屏幕内容图像是一种合成图像,通常由计算机生成的文本、图形和动画等各种多媒体形式组合而成.现有评估方法通常未能充分考虑图像边缘结构信息和全局上下文信息对屏幕内容图像质量感知的影响.为解决上述问题,本文提出一种基于边缘辅助和多尺度Transformer的无参考屏幕内容图像质量评估模型.首先,使用高斯拉普拉斯算子构造由失真屏幕内容图像高频信息组成的边缘结构图,然后通过卷积神经网络(Convolutional Neural Network,CNN)对输入的失真屏幕内容图像和相应的边缘结构图进行多尺度的特征提取与融合,以图像的边缘结构信息为模型训练提供额外的信息增益.此外,本文进一步构建了基于Transformer的多尺度特征编码模块,从而在CNN获得的局部特征基础上更好地建模不同尺度图像和边缘特征的全局上下文信息.实验结果表明,本文提出的方法在指标上优于其他现有的无参考和全参考屏幕内容图像质量评估方法,能够取得更高的主客观视觉感知一致性.

CT图像的质量评估策略:基于预恢复图像先验信息

目的为有效提取更多无参考CT图像质量特征,本文提出一种基于预恢复图像先验信息的医用CT图像质量评估策略(PR-IQA),利用多信息融合输入提高IQA模型性能。方法基于卷积神经网络(CNN)的无参考医用CT图像质量评估策略。该方法利用图像恢复算法中的图像质量特征先验信息,将其以预恢复图像和恢复前后残差图像的形式,与原始失真图像信息融合输入到两个CNN中,通过多信息融合以提升CNN的特征提取能力和预测性能。实验使用基于Mayo诊所公开螺旋CT数据所建立的医用CT图像质量评估数据集。通过计算定量指标以及统计学检验对PR-IQA性能进行评估,分析了不同超参数设置对PR-IQA性能的影响。并将PR-IQA与基于单个CNN模型直接对原始失真图像进行NR-IQA的方法(BASELINE)以及8种经典的IQA算法进行对比实验。结果对比实验结果表明,基于3种不同图像恢复算法先验信息(双边滤波、非局部均值滤波、三维块匹配协同滤波)的PR-IQA模型性能优于所有对比IQA算法。并且相比BASELINE方法性能均有提升,其中PLCC平均提升12.56%,SROCC平均提升19.95%,RMSE平均降低22.77%。结论本文提出的PR-IQA方法能够充分利用图像恢复算法的先验信息,有效地预测医用CT图像质量。

对用于肺部自适应放疗的合成CT影像质量的对比研究

目的评估基于Velocity软件,不同锥形束CT(Cone Beam CT,CBCT)扫描模式下对应的合成CT(synthetic CT,sCT)的图像质量。方法通过设置CIRS肺运动模体常规的呼吸运动状态,对其进行4D-CT模拟定位。在平均密度投影CT即计划CT(planning CT,pCT)上完成计划设计后,将其传至TrueBeam直线加速器,分别实现3D-CBCT和4D-CBCT的扫描和图像重建,再基于Velocity软件得到相应的sCT。结果sCT图像保留了基准pCT图像的精细结构,且二者图像轮廓之间有较强的相关性,所有Dice相似系数都超过0.85。通过直观对比可看出,相比对应的CBCT图像,sCT图像伪影明显减少。sCT3D/sCT4D图像中不同感兴趣区的CT值均明显更低,sCT的噪声更小。对sCT而言,sCT3D图像的CT值的平均百分差异为7.68%,sCT4D图像的CT值的平均百分差异为4.65%。相比3D-CBCT,基于4D-CBCT得到的sCT图像的CT值精度得到了改善。结论在固定呼吸状态下,基于Velocity得到的对应不同模式CBCT的sCT图像质量与基准pCT可以相比拟,与呼吸相关的图像引导在肺癌患者放疗时更有临床价值。

基于OLS-RBF网络的JPEG2000图像无参考质量评估方法

提出了一种适用于JPEG2000图像的无参考质量评估方法。首先结合人类视觉系统的特性,在重建图像结构纹理区域内检测边缘轮廓,并根据各个边缘点的梯度方向提取沿垂直于该梯度方向的像素集作为边缘特征;然后采用基于正交最小二乘法设计的径向基函数网络(OLS-RBF),通过边缘特征和图像主观质量的拟合,训练得到无参考客观质量评估模型,完成对JPEG2000图像的客观质量估计。与已有的一些方法的对比实验结果表明,本文方法对JPEG2000图像的客观质量评估与主观质量评估具有更好的一致性。

基于支持向量回归的无参考屏幕内容图像质量评估

提出一种新的基于支持向量回归的无参考屏幕内容图像质量评估算法.首先,利用高斯差分函数计算边缘图,通过边缘图提取边缘特征;其次,通过局部归一化获得亮度图,根据亮度图统计亮度特征;最后,利用支持向量回归算法将质量感知特征映射为主观分数.在两个数据集上的实验结果表明,所提算法的性能优于大部分现有算法.

无参考船舶立体图像的质量感知特征提取

船舶立体图像的特征提取能够获取船舶的几何特征、视觉特征、纹理特征等,对于船舶识别、目标搜索等有重要的意义。获取过程受图像、视频设备、数据传输链路等影响,立体图像可能存在局部缺失等问题。本文首先介绍3种立体图像的质量评估方法,并针对无参考质量评价方法进行研究,详细介绍基于颜色、自然度的无参考质量感知特征提取和基于局部分析的无参考船舶立体图像质量特征提取,对于改善船舶立体图像的识别效果有显著的作用。

基于边缘和结构的无参考屏幕内容图像质量评估

屏幕内容图像(SCI)是一种与传统自然图像不同的图像,具有更多的文本、图形以及特殊的布局。考虑文本、图形、图像和布局对屏幕内容图像质量的影响,提出了针对屏幕内容图像的基于边缘和结构的无参考质量评估(BES)算法。文本、图形和图像具有大量边缘,并且人类视觉系统对边缘高度敏感,因此BES算法首先使用Gabor滤波器的虚部提取边缘并计算每张屏幕内容图像的边缘特征。其次,提取一个结构特征来表示屏幕内容图像的布局。具体而言,利用Scharr滤波器计算得到一个局部二值模式(LBP)图,接着利用LBP图计算得到结构特征。最后,应用随机森林回归算法将边缘和结构特征映射为主观分数。实验结果表明,在数据库SIQAD和SCID上,所提出BES算法性能的皮尔森线性相关系数(PLCC)相对于对比算法中最先进的无参考算法,分别提高了2.63%和11.22%,甚至高于一些全参考算法。

基于多尺度特征的无参考屏幕内容图像质量评估

屏幕内容图像是一种组合图像,由计算机将图形、文字和图像组合起来而形成.由于人类视觉系统是从粗略到精细进行图像信息的提取,本文提出一种基于多尺度特征的无参考屏幕内容图像质量评估算法.屏幕内容图像中包含大量的图形和文本内容,以及色彩和布局结构信息,因此我们提取失真图像的边缘特征、结构特征和亮度特征.然后将多个图像尺度上提取的特征进行拼接,作为最终的失真图像质量感知特征.最后使用随机森林回归方法训练得到无参考屏幕内容图像质量评估模型.实验结果表明,本文引入的多特征和多尺度机制是有效的,相比较目前先进的无参考方法,本文模型可以取得与主观感知更高的一致性,甚至在整体性能上超过了多数全参考方法.

移动端人脸图像无参考质量快速评估方法

人工智能系统能够准确进行人脸识别的重要前提是,采集到的人脸图像数据足够清晰.正确的对人脸图像质量进行评估,能够为后期的人脸识别提供指导性的意见.本文针对移动端进行人脸识别时,由于人脸采集过程中常常会出现人脸图像模糊、姿态不正、昏暗等情况,从而导致人脸识别错误的问题,提出了一种基于深度学习的移动端人脸图像无参考质量评估方法.由于目前没有公开的用于评估人脸图像质量的数据集,本文采用自建数据集的形式进行实验.首先对数据集中的人脸图像进行局部归一化预处理,然后利用该数据集通过迁移学习的方式对轻量级网络MobileNet重新训练,并将训练得到的最终模型移植到手机上.为了证明本文提出算法的优异性,对算法准确率、运行时间和CPU占用率进行测量并和现有的优异算法DIIVINE和BRISQUE进行比较,实验结果证明本文提出的方法能够快速准确的对人脸图像进行评估同时CPU占用率较低,本文提出的方法有重要的应用价值.

采用Kappa统计量评价胸部CT图像质量的评估

统计学是各项研究中不可或缺的基础学科，由于统计学知识的缺乏而造成大量人力物力浪费的事例不胜枚举。下面介绍统计学方法在医学影像学研究中应用的认识，现总结如下。

基于高通差异性特征的图像质量评估方法

现有的图像质量评估只能判断单一失真方式下失真图像的质量优劣。为了改进这一缺点,根据自然场景统计信息的图像特征,提出基于高通滤波下RGB差异性的图像质量评估方法,通过局部归一化亮度,提取RGB通道差异性、图像梯度、图像锐度、及图像对比度等特征,利用逻辑回归训练,最终得到无参考图像质量评估模型。实验结果表明,方法对各类型失真图像质量评估准确率较高,特别对多种失真类型混合的测试集时,具有明显优势。

高质量CT图像的软硬件保证

高质量ＣＴ图像的软硬件保证顾本立在评价一台ＣＴ机时，图像质量和病人接受剂量是最重要的指标，最理想是用最小的剂量获得高质量的图像，而实际上只能在这两者之间折衷选择。什么是高质量的图像呢？有三条校准：①没有伪像。②高的空间分辨率。③高密度分辨率。而所有这...

天津市CT机扫描图像质量影响因素分析

〔目的〕为大型医用设备的配置管理和临床影象质量提供有力的保证。〔方法〕按照卫生部颁布的《X射线计算机体层摄影装置 (CT)应用质量检测与评审规范》[2 ] 规定的方法 ,从 1998年至 2 0 0 3年对天津市医疗卫生单位在用的CT机进行了性能状态检测。〔结果〕天津市“一手”CT机的合格率为 88.9% ;“二手”CT机合格率仅为 4 3.2 %。〔结论〕产生质量问题的主要原因 ,“二手”CT机是机器老化 ;“一手”CT机是忽视日常的校准工作。为此建议 ,除要进行定期的状态检测外 ,还要严格执行验收检测制度 。

做好CT扫描前准备工作保证CT图像质量

做好ＣＴ扫描前准备工作保证ＣＴ图像质量青海省人民医院刘素萍，芦青ＣＴ扫描前的良好准备工作是使扫描顺利进行并获得扫描结果的先决条件。现将我室几年来ＣＴ扫描前准备工作总结如下：１一般准备：１．１首先阅读申请单，在根据检查部位的不同，嘱患者带来有关检查的其...

基于尺度不变性的无参考图像质量评价

现有的通用型无参考图像质量评价方法大多是利用失真图像及其主观值来训练回归模型预测图像质量指标,然而这种方法需要消耗大量的时间进行训练,并且评价效果依赖于训练图像库中的失真类型,通用性较差,很难应用到实际场合中。为了解决数据库依赖问题,提出一种归一化的基于图像尺度不变性的无参考图像质量评价方法。该方法不依赖外部数据,将图像的统计特性及边缘结构特性作为图像质量评价的有效特征,利用图像多尺度不变性计算多尺度间的整体特征差异,从而预测图像质量。实验结果表明,所提方法对混合失真图像质量评价效果好,运行效率高,与目前现有的无参考图像质量评估方法相比具有较好的综合性能,具有较好的应用价值。

数字图像的质量评估

围绕数字图像的质量评估,进行了简要综述。分析了主观评估和客观评估各自的优缺点,回顾了传统的全参考图像质量评估方法;介绍了已广泛用于客观质量评估的人类视觉特性与感兴趣区域;列举并评述了2类代表性的全参考质量评估模型SSIM和FSIM;总结了无参考质量评估的一些特点和动向;最后对该领域未来的研究方向进行了展望。

基于AdaBoost BP神经网络的无参考图像质量评价的研究

提出了一种利用相关梯度特征和AdaBoost反向传播神经网络的无参考图像质量评价方法。首先利用高斯滤波器得到水平和竖直的方向导数,然后提取相关的梯度特征,其次计算其直方图方差特征,然后训练BP神经网络得到弱分类器并利用AdaBoost算法获得最终的强分类器,最后利用得到的强分类器预测图像质量分数。实验结果表明,方法评价的结果合理、鲁棒性强、实行性好,符合人类视觉特性,并且与主观评分有较好的一致性,取得了很好的评价效果。

Revolution CT低剂量扫描方案对腹主动脉钙化的定量诊断价值

目的:探讨Revolution CT低剂量扫描方案对腹主动脉钙化的定量诊断价值。方法:搜集2021年9月至2022年3月宁夏医科大学总医院行CT尿路造影(CTU)合并腹主动脉钙化的35例患者,平扫采用GSI扫描模式联合40%全新迭代算法(ASiR-V)(A组),排泄期采用常规平扫(FBP重建)(B组)。测量两组图像的腹主动脉钙化指数(AACI)、腹主动脉CT值、SD值及A组腹主动脉钙化能谱定量参数(钙化体积、平均钙化浓度),计算A、B两组钙化质量积分、信噪比(SNR)和对比噪声比(CNR);并由2位医生对两组图像质量进行主观评分。采用Mann-Whitney U检验比较两组的AACI差异,采用配对样本t检验比较两组腹主动脉CT值、SD值、SNR及CNR差异。采用Pearson相关分析法对A组腹主动脉钙化各定量参数与B组AACI进行相关性分析,并对两组的辐射剂量进行比较。结果:A组AACI(0.20±0.03)与B组AACI(0.18±0.03)比较差异无统计学意义(P>0.05);A组腹主动脉钙化体积、平均钙化浓度、钙化质量积分与B组AACI间均呈正相关(r值分别为0.926、0.513、0.877,P<0.05)。A组SNR、CNR与B组比较差异有统计学意义(P<0.05)。两组图像的主观评分差异有统计学意义(P<0.05);A组的有效辐射剂量较B组降低了29.3%,差异有统计学意义(P<0.05)。结论:Revolution CT可为腹主动脉钙化的评估提供多种定量指标,测量过程简便、省时,更适合常规临床应用,低剂量扫描方案可以降低辐射剂量并提升图像质量。

基于码流的G-PCC压缩点云无参考感知质量评估

为了实现对采用G-PCC编码的点云质量的实时监控,提出一种基于码流的无参考点云感知质量评估模型。首先根据主观实验的结果分析确定几何无损时点云的感知质量与纹理量化参数之间的关系,然后使用纹理量化参数和纹理比特率来预测纹理复杂度,结合空域掩盖效应建立几何无损时的点云质量评估模型。然后研究位置量化尺度对点云下采样质量的影响,发现纹理量化参数与位置量化尺度对点云质量的影响相互独立,并最终得到完整的点云质量评估模型。对该模型在WPC4点云数据库中进行测试,其SRCC为0.9447,PLCC为0.9465,RMSE为6.8252,表明该模型有良好的性能,与现有性能最好的GraphSIM客观指标相比,该模型指标的PLCC和SRCC分布分别提高了0.0223和0.0238,RMSE降低了1.1898。

基于视觉显著性的局部感知锐度的模糊图像质量评价算法研究

提出了一种基于视觉显著性和局部感知锐度特征的模糊图像质量评价算法.首先利用有效的视觉显著性检测图像的显著区域,然后结合图像的局部方差和均值,构建有效图像的显著性权值;其次,分别计算图像的局部感知锐度谱特征和空间局部锐度特征,并然后结合视觉显著性权值形成新的锐度特征图,最后通过分析带权锐度特征图,计算图像质量的最终的评价值.在经典数据库TID2008,CSIQ,和LIVE上验证该算法的有效性,结果表明,与传统的基于局部感知锐度特征的评价算法相比,新算法有效地结合颜色信息和图像显著性,提高模糊图像的评价效果.