基于稀疏表示的无参考型超分辨图像质量评价方法

针对无参考型超分辨图像质量评价(no-reference super-resolution image quality assessment,NR-SRIQA)与人眼主观感知一致性的问题,提出一种基于稀疏表示的NR-SRIQA方法。该方法将超分辨图像的视觉感知特征和对应的平均主观分数(mean opinion score,MOS)进行组合构造超完备字典,测试超分辨图像的视觉感知特征,将其表示为该字典中基原子的稀疏线性组合,利用获得的稀疏表示系数加权相关字典原子的质量分数,实现对超分辨图像质量的预测。实验结果表明:相比于其他主流方法,所提出的质量评价方法能获得与主观感知质量更好的一致性。

应用多层感知机回归的无参考型超分辨图像质量评价

为解决传统超分辨图像质量评价(super-resolution image quality assessment,SRIQA)指标与人类主观感知一致性较差的问题,应用多层感知机(multi-layer perceptron,MLP)构建一种无参考型超分辨图像质量评价方法。该方法利用预训练好的VGG16网络提取超分辨图像的感知质量特征,并通过MLP建立超分辨图像的感知质量特征与对应主观质量分数之间的回归模型。实验结果表明:所提出的算法在公开的超分辨图像数据集上的皮尔逊线性相关系数(pearson linear correlation coefficient,PLCC)、斯皮尔曼秩序相关系数(spearman rank order correlation coefficient,SROCC)超过0.95,明显优于现有其他图像质量评价方法,且与人类主观感知具有更高的一致性。

联合空角信息的无参考光场图像质量评价

光场图像通过记录多个视点信息可为用户提供更加全面真实的视觉体验,但采集和可视化过程中引入的失真会严重影响其视觉质量。因此,如何有效地评价光场图像质量是一个巨大挑战。本文结合空间-角度特征和极平面信息提出了一种基于深度学习的无参考光场图像质量评价方法。首先,构建了空间-角度特征提取网络,通过多级连接以达到捕获多尺度语义信息的目的,并采用多尺度融合方式实现双重特征有效提取;其次,提出双向极平面图像特征学习网络,以有效评估光场图像角度一致性;最后,通过跨特征融合并线性回归输出图像质量分数。在三个通用数据集上的对比实验结果表明,所提出方法明显优于经典的2D图像和光场图像质量评价方法,其评价结果与主观评价结果的一致性更高。

基于SVD的超分辨率重建图像质量无参考评价方法

重建图像质量评价是衡量超分辨率方法优劣的决定性指标,现有的评价方法大都需要借助同一场景具有更高分辨率的图像作为参考图像,但在实际超分辨率重建图像过程中这一需求难以实现.针对上述问题,考虑到人眼对相对亮度变化更为敏感,且边缘清晰度与图像主观评价质量成正比,利用去均值图像、梯度图像以及灰度图像,提出一种仅依靠图像自身信息的、基于SVD的超分辨率重建图像质量无参考客观评价方法.首先将图像分割为相互重叠的局部图像块,然后在各局部图像块中利用SVD分别得到低分辨率图像间及其与超分辨率重建图像间的子评价结果,最后再将这些子评价结果整合为最终的客观评价指标SSQI.实验结果表明,SSQI指标是一种具有较高准确性和鲁棒性的无参考客观评价指标,与人类主观评价结果保持了很好的一致性.

基于多尺度卷积神经网络的无参考图像质量评价

图像质量评价广泛应用于图像处理领域。提出了一种基于多尺度卷积神经网络(multi-scale convolutional neural network,MCN-Net)的无参考图像质量评价方法,该方法将卷积神经网络与迁移学习相结合。首先,通过使用Resnet-50网络与感知模块相结合的方式,有效提取满足人类感知的多尺度语义信息特征;然后利用自适应融合网络对局部语义信息进行特征融合;最后,将融合后的局部语义信息与全局语义信息进行连接,并输入到全连接回归网络实现图像质量预测。为了验证模型的有效性,分别在LIVE、KonIQ-10K,LIVEC数据集上做了性能对比试验,实验结果表明,所提模型的图像质量评价性能优于目前大多数主流方法,并且在真实失真数据集上的泛化性能更好,适合用于自然失真场景。

基于元原型网络的无参考图像质量评价

针对基于深度学习的模型因需要大量标注数据而选择在预训练模型上进行微调,导致面对新任务泛化性不足的问题,提出一种基于元原型网络的无参考图像质量评价算法。利用元原型网络提取相关任务中的元知识形成质量先验模型,在面对未知任务时快速泛化。首先,在不同失真的数据集上利用元学习方法获取各种失真的共享先验知识得到质量先验模型;接着,为了能够更好地捕获各种失真场景共享先验知识,利用元原型单元对图像特征进行重建,以获得更加丰富的先验知识,从而便于后续的质量分数预测过程;最后,在目标任务上对质量先验模型进行微调,以构建质量模型。在CID2013、LIVE challenge和KonIQ-10K三个数据库上的实验结果表明,所提方法具有更好的性能。

基于多尺度卷积神经网络屏幕内容图像无参考质量评价方法

针对屏幕内容图像无参考质量评价问题,提出了一种基于深度学习的多尺度评价方法。利用多尺度神经网络提取屏幕内容图像在不同尺度下的表达特征,模拟人眼视觉系统对不同尺度图像的感受特性;将多尺度图像特征进行融合,得到图像质量的综合特征,并编码成特征向量;最后,使用特征向量拟合人眼主观打分。实验结果表明,与当前主流的质量评价方法相比,本方法与人眼主观打分评价结果更加一致,具有更高的皮尔逊相关系数和斯皮尔曼相关系数,能够更加准确地评估屏幕内容图像的视觉质量。

融合全局-局部特征的双通道无参考图像质量评价算法研究

针对目前大多数图像质量评价(Image Quality Assessment,IQA)算法在对非均匀失真图像进行质量评估时效果不佳的问题,提出一种结合全局-局部特征的双通道无参考图像质量评价(No-Reference Image Quality Assessment,NR-IQA)算法。首先,考虑输入图像尺寸的不同,利用局部失真重组算法对输入图像进行预处理。其次,利用基于Swin Transformer模块的双通道神经网络提取图像的全局特征和局部特征。最后,通过质量回归预测网络完成全局-局部特征到图像质量分数的映射。实验结果表明,该算法在两个数据集上分别取得0.823和0.871的斯皮尔曼等级相关系数(Spearman Rank Order Correlation Coefficient,SROCC)指标值,表明所提出算法与人的主观感知较为吻合。

基于视觉特性的无参考图像质量评价算法

针对传统无参考图像质量评价算法特征单一、需主观评价结果参与训练和对比度失真图像性能差等问题,提出一种结合颜色和纹理特征及视觉特性的改进算法。首先,为待评价图像构造一幅伪参考图像;其次,依据视觉特性将二者划分为主要与次要感兴趣区域,进一步将区域细化为更小的块并提取其中不同的颜色特征与纹理特征以建立多元高斯模型;最后,计算二者主要感兴趣区域之间、次要感兴趣区域之间的模型参数距离,作为质量分数评价图像的好坏。在公开数据集SPAQ和CSIQ上与传统算法QAC、NIQE、IL-NIQE等进行比较,计算线性皮尔森系数、斯皮尔曼秩相关系数、均方根误差等质量评价指标,实验结果表明所提算法优于传统算法。

基于多分辨率分解无参考模糊图像质量评价

利用多分辨率分析手段有效识别模糊效果,提出一种基于多相分解耦合乘法多分辨率分解的无参考模糊图像质量评价方法。首先将模糊图像进行多相成份分解,计算各相成份的相对偏差和绝对偏差;且引入多分辨率分析,设计了模糊转换函数;再计算图像细节均值,定义转换点分类规则;并对图像内容进行分析,建立图像细节信息判别标准;根据标准,对图像进行粗分类,并计算其阈值;最后,引入多分辨率的垂直、水平方向的模糊转换,构造模糊质量评价模型,准确获取图像模糊量。在3个图像数据库中测试得出:与当前无参考模糊图像质量评价方法相比,更加符合人类视觉特性,具有更好的评价效果。

基于多维度特征融合的敦煌壁画修复图像质量评价方法

针对使用传统评价指标、依托单一特征来反映修复后古代壁画图像质量的局限性,同时为增加古代壁画修复图像质量评价方法的多元性与丰富性,本文结合敦煌壁画图像颜色特征和纹理特征,提出一种基于多维度特征融合的全参考敦煌壁画修复图像质量评价方法。首先,分别计算原完好壁画图像与修复后壁画图像的颜色熵差、归一化中心距差、颜色直方图的卡方距离、颜色标准差之差值、图像能量差、相关性差、对比度差以及同质性差值;其次,利用主成分分析法采用8个特征属性建模得到质量评价模型,模型的输出值即为修复后图像的质量得分。在有效性验证实验中,该方法的得分获得与其他传统的客观评价方法一致的结果,二者具有较强的相关性。该评价指标综合分析敦煌壁画图像的色彩分布以及纹理的细节保留和模式的重现,实现了一种全方位、多层次的图像修复质量评价方法。

通用型无参考图像质量评价算法综述

图像质量评价可有效评估图像采集和传输过程引起的失真或退化,在数字多媒体领域具有广阔的应用前景,无参考图像质量评价算法由于不需要参考图像先验知识,近年来成为图像质量评价领域研究的热点。在对国内外文献进行广泛调研的基础上,从评价算法原理和性能比较两个方面,系统综述了BIQI、DIIVINE、BLIINDS、BLIINDS-II、BRISQUE、NIQE和GRNN等当前性能较优的几种无参考图像质量评价算法。介绍了各种算法的特征提取和质量评价原理,在LIVE数据库上对上述评价方法进行仿真评估,并分析和比较了各种算法的评价性能和执行速度,提出了无参考评价方法的进一步研究方向。综述的几种无参考图像质量评价算法虽然已具有很好的效果,但在评价时严重依赖数据库中的主观评价数据,并且在评价精度和算法复杂度方面还存在一些不足,需要进行深入研究。

基于自然图像统计的无参考图像质量评价

为了解决无参考图像情况下的质量评价问题,基于变换域的自然图像统计模型,提出一种适用于白噪声、高斯模糊、JPEG2000压缩等失真类型的无参考图像质量评价方法.利用自然图像Contourlet变换域子带均值间的线性关系,用失真条件下保持不变的低频子带均值预测未失真的高频子带均值,以高频子带预测均值与实际均值之间的差异计量图像的失真.结合人类视觉系统特性,对不同尺度、不同方向子带及子带内不同区域进行选取与加权,综合得到对失真图像的客观质量评价.实验表明,该质量评价测度与主观质量评价有较好的一致性,且在性能上优于峰值信噪比(PSNR).

互参考激光光条图像质量评价

提出了互参考激光光条图像质量评价方法用于检测激光辅助立体视觉测量中的图像质量。分析了立体视觉测量中单幅激光光条图像的灰度分布特性以及左右激光光条图像灰度分布的相关性。利用光条截面灰度分布梯度表征图像清晰度,并建立了综合考虑单幅图像质量与左右图像相关质量的互参考激光光条图像质量评价方法。然后,确定质量系数的阈值,通过分析噪声对光条提取误差的影响,确定提取误差不高于1个像素的单幅图像质量系数QL,QR∈[0.2,1),通过不同表面激光光条投影实验,确定左右图像相关质量系数QLR∈[0.8,1)。最后,在锻造车间进行了现场实验,重建方形锻件高度为1 747.0mm和491.3mm。实验结果显示,清晰的光条图像质量系数符合确定阈值,受噪声干扰的光条图像质量系数偏离设定阈值,验证了本文提出的质量评价方法能较好地反映激光光条图像缺陷。

模糊失真图像无参考质量评价综述

图像的模糊问题影响人们对信息的感知、获取及图像的后续处理.无参考模糊图像质量评价是该问题的主要研究方向之一.本文分析了近20年来无参考模糊图像质量评价相关技术的发展.首先,本文结合主要数据集对图像模糊失真进行分类说明;其次,对主要的无参考模糊图像质量评价方法进行分类介绍与详细分析;随后,介绍了用来比较无参考模糊图像质量评价方法性能优劣的主要评价指标;接着,选择典型数据集及评价指标,并采用常见的无参考模糊图像质量评价方法进行性能比较;最后,对无参考模糊图像质量评价的相关技术及发展趋势进行总结与展望.

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。

颜色空间统计联合纹理特征的无参考图像质量评价

为了客观评价图像质量,本文提出联合颜色空间统计特征和权重局部二值模式(Local Binary Pattern,LBP)纹理特征的无参考图像质量评价模型。首先,对失真图像进行亮度去均值对比度归一化(Mean Subtracted Contrast Normalized,MSCN)操作得到MSCN系数;然后,对MSCN系数提取其统计参数特征和权重LBP直方图特征,其中统计参数由广义高斯模型获得,权重为MSCN系数的幅度。另外,还采用了Lαβ颜色空间下红绿和蓝黄分量的自然场景统计(Natural Scence Statistics,NSS)特征来增强基于颜色失真的描述,并运用非对称广义高斯模型获得统计参数特征。最后,运用SVR建立图像质量评价指标到主观质量得分的回归模型。在LIVE,CSIQ,TID2013和MLIVE数据库上的实验结果表明:4个数据库加权平均Spearman秩相关系数为0.776,Pearson线性相关系数为0.821,均优于其他方法;图像大小为512×512时特征提取只需0.19s。本文提出的方法与人眼主观感知具有良好的一致性,并具有复杂度低等优点。

学习相位一致特征的无参考图像质量评价

为了有效地评价不同失真类型的图像质量,该文提出一种利用广义回归神经网络(GRNN)学习图像相位一致特征的无参考评价方法。该方法首先使用相位一致模型产生相位一致图像、相位一致协方差最大、最小图像,然后利用灰度-梯度共生矩阵模型计算该3幅图像的梯度熵、原始图像的梯度均值和梯度熵,再加上该3幅图像的均值,共8个特征输入GRNN模型训练学习,预测得到图像质量评价得分。实验结果表明新方法与主观得分有较好的一致性,同时具有可靠的推广性。

一种针对图像模糊的无参考质量评价指标

在成像模型的基础上,分析了图像模糊的原因,提出了一种为图像构造参考图像的方法,进而将结构相似度(SSIM)评价方法引入到无参考图像质量评价中,提出一种无参考结构清晰度(NRSS)的新的无参考图像质量评价方法,将其用于对模糊图像的质量评价。该方法通过低通滤波器来构造参考图像,通过计算原始图像与参考图像的结构相似度值来评价原始图像质量,很好地结合了成像系统的数学模型和结构相似度评价方法的优势,实验结果表明无参考结构清晰度评价指标能够给出和主观评价方法以及其余有参考评价方法一致的结果。

一种新的部分参考型图像质量评价方法

根据图像失真会引起图像内视觉敏感系数变化的特点,提出了一种新的部分参考型图像质量评价方法.利用Contourlet分解实现对图像内视觉敏感系数的提取,通过统计比较失真图像和原始图像视觉敏感系数的关系,得到对失真图像的质量评价测度.实验结果表明,该方法与主观评价方法有很好的一致性,能很好地反映人们对人眼图像的视觉感知效果.