结合复小波域和空间总变分的无参考图像清晰度评价

目的针对频域和空域相结合的清晰度评价方法耗时太长、与主观评价一致性不高等问题,提出结合复小波域和空间总变分的感知清晰度评价方法。方法采用低通滤波的方法将原始图像再模糊,得到其参考图像;在复小波域上采用局部相位一致性计算原始图像和参考图像的清晰度图,在空间域上采用总变分计算原始图像和参考图像的清晰度图;分别将原始图像以及参考图像各自的2幅清晰度图进行几何加权平均,得到2幅整体的感知清晰度图;计算2幅感知清晰度图的相似性,得到原始图像的感知清晰度值。结果在LIVE数据库上的SROCC值达到0.9476,CC值达到0.9483,一幅测试图所耗时间为6.003 s。结论实验证明文中算法的评价性能较优,相较同样结合频域和空域的评价方法计算复杂度降低,耗时较少,更加符合人眼视觉主观感知清晰度。

融合梯度信息与HVS滤波器的无参考清晰度评价

目的目前无参考图像质量评价算法的性能存在较大的提升空间,为了提高清晰度评价技术,提出了一种基于梯度信息与HVS滤波器的无参考清晰度评价算法(GI-F)。方法该算法首先利用梯度算子计算各像素点的梯度信息,再通过HVS滤波器得到加权和作为图像的清晰度指标。结果在公开数据库LIVE、TID2008和CSIQ上进行的实验,GI-F与S3(Spectral and Spatial Sharpness)、CPBD(Cumulative Probability of Blur Detection)和LPC-SI(Local Phase Coherence-based Sharpness Index)相比,性能指标RMSE(Root Mean Squared Error)、PLCC(Pearson Linear Correlation Coefficient)和SROCC(Spearman Rank-Order Correlation Coefficient)分别提升了20.66%、4.61%和3.33%;同时GI-F还具有更低的计算复杂度,即使与目前最好的BRISQUE(Blind/Referenceless Image Spatial QUality Evaluator)算法相比,耗时也降低了79.72%。结论该算法只需耗费更少的时间即可计算出与人眼感知更加接近的客观清晰度指标,可广泛用于无参考图像情况下的清晰度指标计算场合,同时还可以通过并行计算进一步降低其计算时间。

基于人眼视觉敏感特性的图像清晰度评价

提出一种结合人眼视觉敏感特性的无参考图像清晰度客观评价方法,利用高通滤波划分出人眼视觉敏感(图像细节)和非敏感区域,分别计算对应区域的清晰度,最后加权求和得出整幅图像的清晰度。利用公开的4个图像库与现有的6个无参考清晰度评价模型进行测试和比较,所研究的评价模型计算结果与主观评价分数有较好的一致性,且运算速度较快。