基于像素失真耦合边缘特征融合的无参考质量评价

为了适应多种类型的模糊图像进行质量评价,提高评价模型对图像模糊和振铃的洞察能力,提出了一种像素失真与边缘特征融合的无参考质量评价算法。首先,根据像素失真理论,计算图像像素的标准差和绝对差分值,提取图像的像素特征;然后,计算图像水平和垂直方向的过零率,并利用边缘保持滤波器对图像边缘信息进行测量,精确提取图像的边缘特征;最后,利用提取的像素特征和边缘特征,定义特征融合函数,并引入粒子群优化(PSO)对融合函数参数进行优化,提高对图像模糊和振铃的洞察能力,根据融合特征构建图像质量评价模型。与当前无参考质量评价算法比较,所提算法能够有效地对JPEG(Joint Photographic Experts Group)、JPEG2000(Joint Photographic Experts Group 2000)、模糊等失真图像进行质量评价,评价指标CC(Correlation Coefficient)与SROCC(Spearman Rank-order Correlation Coefficient)达0.947 7和0.915 3。该算法与主观评价方法具有较好的一致性,能够较好地适用于多种类型的失真图像评价。

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.

基于子带相似性分析的JPEG2000图像无参考质量评价

无失真图像中相邻尺度同一方向子带的小波系数是相互关联的,而编码压缩使得这种相关性随着压缩率而变化的。该文采用余弦相似性来模拟相邻尺度同方向子带图像的相关性,根据提取的子带相似性特征矢量和统计工具来分析人的主观质量评价得分MOS(Mean Opinion Scores)与子带余弦相似性的关系,得到了一种新的无参考质量模型。实验结果显示该文提出的JPEG2000无参考质量评价方法与MOS具有较高的相关性,而且复杂度低,运行时间少。

基于增强型无参考质量评价的序列图像自动选优策略

针对序列图像,提出了增强型无参考质量评价的图像自动选优策略。首先在详细介绍SSEQ、NIQE和BIQI三种经典的无参考图像质量评价方法优缺点的基础上,提出了加权的质量评价策略以对序列图像进行自动选优。其次为了加快权重寻优的过程,提出了基于粒子群优化的PSO-WNRIQA算法。最后为了评估算法的性能,提出失序数比例DNR和失序对数比例DCNR作为算法评价标准。通过对LIVE Release 2图像库中的实验结果表明,在JP2K失真、JPEG失真、高斯模糊失真和快速瑞利衰减失真图像的自动评优过程中,该策略相对SSEQ、NIQE和BIQI具有更优的性能,评价的准确性更高,能够应用于较大规模序列图像的自动质量评价。

基于块效应的JPEG图像无参考质量评价

根据JPEG压缩图像产生的块效应,提出了一种简单的JPEG图像无参考质量评价方法。首先找出JPEG图像相邻失真块的边界位置,然后计算相邻块边界像素灰度差值的平方,同时累计边界像素的个数,最后利用简单的公式直接得到JPEG图像无参考质量评价值。对LIVE和TID2008数据库中.JPEG图像进行了实验,客观值与主观评价间的线性相关系数分别达到0.924 4和0.937 3。实验结果表明:该方法对不同的图像有良好的适应性。

一种失真模糊图像的无参考质量评价方法

针对现有的无参考质量评价方法对失真模糊图像不能有效评价这一现象,提出了一种针对失真模糊图像的无参考质量评价方法。该方法将结构相似度(structural Similarity,SSIM)全参考质量评价方法应用到无参考质量评价中,不仅扩宽了SSIM方法的应用范围,也解决了SSIM方法不能合理评价模糊图像质量这一缺陷。首先对失真模糊图像进行低通滤波得到参考图像,计算失真图像与参考图像的结构相似度;然后提取图像的纹理特征,计算失真图像与参考图像的纹理相似度;最后将这两个相似度指标作为输入,LIVE图像数据库提供的主观评价值(different mean objective score,DMOS)作为输出,建立一个[29 1]单隐层BP(back propagation)神经网络预测模型。实验结果表明,方法的预测结果稳定且与人的主观评价分数偏差小,Pearson相关系数(correlation coefficient,CC)和Spearman等级相关系数(rank order correlation coefficient,ROCC)均达到了0.97以上。

基于空-频域印刷混合失真无参考质量评价

目的为了解决数字印刷模糊混合失真图像质量评价算法与人眼视觉主观评价一致性较低的问题。方法基于SSEQ算法思想在空间域和频率域中提取混合失真图像的信息熵、亮度方差、频域熵以及高频系数奇异值改变量关键特征,利用支持向量机训练构建印刷模糊混合失真图像的无参考评价模型。结果客观验证了25幅图像,算法客观计算得分与主观评价得分的SROCC系数为0.94,PLCC系数为0.93,主客观一致性较高。结论所提算法与人眼视觉感知具有很好的主观一致性,可以用于图像等印刷品的质量客观评价。

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。

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。

基于引导调制的彩色点云无参考质量评价方法

彩色点云(color point cloud,CPC)作为三维场景和对象的有效描述形式,在虚拟现实、增强现实等许多领域得到重要应用。CPC在其采集、压缩、传输、重建等过程中会引入相应的失真,需要设计有效的评价方法对失真CPC质量进行评测。本文提出一种基于引导调制的CPC无参考质量评价方法。考虑到几何信息与彩色纹理信息的联合失真,利用引导调制的方法联立两者,以综合考虑几何失真、彩色纹理失真、联合失真。结合人眼的多通道性,利用剪切波变换提取特征。最后,将所有特征构成的特征向量输入到支持向量回归模型(support vector regression,SVR)学习预测点云质量。实验结果表明,所提出的方法与人类主观感知具有很好的一致性。

基于特征优化的无参考光场图像质量评价

光场图像因其能够捕捉光的方向信息而备受学术界和产业界的广泛关注,然而,光场图像在压缩和重建过程中常会出现不同程度的失真,影响光场图像的后续处理和应用。因此,需要设计一个光场图像质量评估器来估计失真光场图像的质量。传统的光场图像评价方法在提取光场图像的空间特征和角度特征时,未充分考虑人眼视觉的多通道特性以及人眼对角度变化的敏感性,从而影响光场图像的质量评价结果。为此,提出一种无参考光场图像质量评价方法。设计多频带局部二值模式算法,提取光场图像的空间特征并利用优化提取的空间特征测量光场图像的空间质量。提出加权局部相位量化算法,该算法在对微透镜图像单元中提取的角度特征进行相位量化时,根据角度信息变化的强弱赋予不同的权值。在此基础上,将空间和角度纹理特征结合成一维特征向量,输入到已经训练的支持向量回归中,得到光场图像的质量分数。在Win5-LID和NBU-LF1.0数据集上的实验结果表明,该方法的斯皮尔曼等级相关系数分别为0.799 1和0.803 2,相比SSIM、FSIM、BRISQUE等方法,具有更优的质量评估准确性和稳定性。

基于特征符号化和Transformer的无参考图像质量评价方法

基于深度学习的无参考图像质量评价方法目前存在语义关联性不足或模型训练要求高的问题,为此,本文提出了一种基于语义特征符号化和Transformer的无参考图像质量评价方法。首先使用深层卷积神经网络提取图像的高层语义特征;然后将语义特征映射成视觉特征符号,并基于Transformer自注意力机制对视觉特征符号之间的关系进行建模,提取图像的全局特征,同时使用浅层神经网络提取底层局部图像特征,捕捉图像低级失真信息;最后结合全局图像信息与局部图像信息,对图像质量进行预测。为了验证模型的精度和鲁棒性,以相关系数PLCC和SROCC作为评价指标,在5个主流的图像质量评价数据集和1个水下图像质量评价数据集上进行了实验,并将本文提出的方法与15种传统和基于深度学习的无参考图像质量评价方法进行了对比。实验结果表明,本文方法以较少的参数量(大约1.56 MB)在各类数据集上均取得了优越的性能,尤其在多重失真数据集LIVE-MD上将SROCC提升到了0.958,证明在复杂的失真情况下仍能准确评估图像质量,本文网络结构能满足实际应用场景。

跨失真表征的特征聚合无参考图像质量评价

针对现有的基于深度学习的无参考图像质量评价模型容易过拟合,并且对真实失真场景中的未知失真类型难辨识问题,提出一个跨失真表征的特征聚合无参考图像质量评价框架。采用与模型无关的元学习优化算法,学习跨不同失真类型的特征表达,缓解模型过拟合影响;将元学习算法与注意力机制、图神经网络相结合,设计特征聚合模块学习每种失真类型的显著性特征;设计图表示模块学习每种失真类型共有的失真信息,削弱图像内容变化对质量预测的影响。实验结果表明,所提算法在预测真实失真图像质量时能够充分挖掘失真图像的高级语义信息,有效解决真实失真场景下失真图像内容变化、未知失真类型复杂的问题,具有较强的推理和泛化能力。

基于Gabor滤波的并行网络无参考图像质量评价

为解决在基于深度学习的无参考图像质量评价(no-reference image quality assessment,NR-IQA)领域内图片失真可能导致的图片边缘模糊问题,提出一种基于Gabor滤波的并行网络无参考图像质量评价算法。考虑到图片失真的非均匀性,利用可提取空间局部频域特征的Gabor滤波器来获取边缘图片;将灰度图片和边缘图片共同输入并行网络,融合并行网络所提取到的图像质量特征,并通过全连接层所组成的回归网络将其映射到质量分数。该算法采用128×128的图片块,既能达到增加数据集的作用,又不过多损失图片的整体信息。本文在LIVE和TID2013共2个图像数据集上进行了实验,并与其他性能良好的无参考图像质量评价算法进行了对比。实验结果表明,所提出的算法与人的视觉系统(human visual system,HVS)具有较高的一致性。

基于对抗和梯度的无参考图像质量评价算法

由于现有的生成对抗网络(GAN)很难完全获取细节上的失真,生成高质量图像仍旧比较困难。为了提高基于GAN的无参考图像质量评价(NR⁃IQA)方法的性能,提出一种基于对抗和梯度的NR⁃IQA方法。通过改进网络模型结构和引入基于梯度和色度相似性的平均偏差相似指数(MDSI)来提升模型的整体性能,整个模型由GAN和质量预测网络组成。首先,为了增强对抗训练,设计了双判别器的GAN,将失真图像和参考图像分别输入到网络中,利用WED数据集对GAN进行训练;其次,利用GAN生成相应失真图像的虚拟图像,并分析两者之间的差异,得到失真差异图和MDSI图;最后,为了从多个方面测量图像的感知质量,设计了多流质量预测网络,将失真图像、虚拟图像、失真差异图、MDSI图分别输入到网络中,输出图像质量预测分数。在LIVE、CISQ、TID2013数据集上进行训练和测试,所提算法在三个数据集上都表现出较好的性能,尤其在TID2013上。实验结果表明,该算法与人的主观评价具有较高的一致性。

基于运动剧烈程度的无参考视频质量评价模型

网络视频质量评估具有无参考性、实时性、网络传输状态依赖性和主观视觉性等需求.本文以网络丢包引发的视频失真为研究重点,针对不同解码类型帧上的网络丢包引发的视频失真持续效应不同和网络丢包引发的人眼视觉感受与丢包所在帧视频内容的运动剧烈程度有着显著的关联等现象,提出了一种基于运动剧烈程度的无参考视频质量评价模型.该模型无需原始参考视频序列亦无需视频解码,对客户端接收到的码流分析其由丢包引起的视频损伤,标记受损宏块,建立受损宏块的失真持续效应和运动剧烈程度与视频质量间的关联,并完成视频质量评估.实验结果表明,该方法计算量小,实时性高,与主观评价结果一致性程度较高.

基于BEMD的无参考模糊失真立体图像质量评价方法

本文针对高斯模糊失真的立体图像,提出了一种基于二维经验模式分解的无参考质量评价方法。该方法先通过二维经验模式分解将图像分解成内蕴模式函数分量和残差图像,再对每个内蕴模式函数分量提取它的统计信息量(均值,方差和信息熵),并结合广义高斯分布方法提取每个内蕴模式函数分量的形状参数、尺度参数作为图像的特征信息,然后利用支持向量回归模型对特征进行融合并预测得到立体图像质量的客观评价值。实验结果表明,该模型与主观评价结果有较好的相关性,符合人眼视觉系统。

基于局部特征的无参考模糊图像质量评价算法研究

图像拍摄过程中,相机晃动和快速运动状态下拍摄的图像因失焦而导致模糊,使图像结构发生衰变。通过提取模糊图像的局部标准差和梯度测度图,利用显著性加权策略,得到反映图像微小细节变化的模糊感知测度图,利用图中的像素值特征评价图像质量,在LIVE、CSIQ数据库取得较好性能,且时间复杂度低。

基于结构相似度的无参考遥感图像质量评价

在深入研究遥感图像与普通图像差别的基础上,对结构相似度算法进行改进,提出了一种新的无参考遥感图像质量评价方法。首先,采用非下采样轮廓波变换进行多尺度分解,将子图像进行K-means边缘检测及细化融合,最终得到边缘区域。采用一阶偏导有限差分计算遥感图像的梯度幅值,设置两个阈值,将满足区间的像素提取出来得到纹理区域。然后,使用边缘计算对比度分量,纹理计算结构相似度分量,对SSIM进行改进得到ET_SSIM方法。最后,采用"再降质"的方式构造出参考图像,将边缘纹理区域与平滑区域分开评价,ET_SSIM对边缘纹理区域评价,SSIM对平滑区域评价,根据人眼对边缘纹理及平滑区域的不同重视程度加权求平均,得到最终结果 VSSIM。实验结果证明,本文方法 VSSIM与主观评价值的线性相关度相对于MSE、PSNR、SSIM、GSSIM、BLIINDS-Ⅱ方法分别提高了22.2%,6.2%,0.8%,0.2%,1.3%。

基于离散余弦变换(DCT)系数直方图的无参考模糊图像质量评价

图像的DCT系数直方图能够反映模糊图像的失真情况。一种新的无参考模糊图像质量评价算法为:首先对失真图像采用DCT变换,得到其系数矩阵;其次对其系数矩阵进行统计得到直方图,进而得到直方图对应的曲线;最后由直方图的曲线构造出评价无参考模糊图像质量评价的指标。试验结果表明,这种算法具有优越的性能,评价结果与主观评价保持高度一致,在数据库LIVE上,SROCC和CC的系数值均达到0.95,具有很好的稳定性。