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。

基于膨胀的梯度结构相似度图像质量评价方法

传统的梯度结构相似度算法(GSSIM)简单地将各子块GSSIM的平均值作为整幅图像的质量评估值,忽略了人眼对图像不同失真区域的视觉灵敏度不同的特点。针对此问题,提出了一种基于膨胀和图像块分类的加权梯度结构相似度图像质量评价方法(WGSSIM)。该方法首先将失真图像划分为两个区域:边缘膨胀区域和平滑区域;然后将失真图像划分成8×8的图像块,根据失真区域将图像块区分为边缘膨胀块与平滑块两类;最后对不同类型图像块之间的GSSIM值赋予不同的权值,计算得到整幅图像的WGSSIM。实验表明,该方法在3个数据库上的评价结果稳定、合理,更加符合人眼视觉系统特性,评价结果与主观评价有很好的一致性。

基于Contourlet域梯度结构相似度的无参考图像质量评价

Contourlet变换已经成为多尺度、多方向图像处理领域的研究热点,文章将其引入图像质量评价,提出了一种基于Contourlet变换的梯度结构相似度无参考图像质量评价方法(NRCT-GSSIM),将待评价图像通过高斯低通滤波器构造参考图像,然后在Contourlet变换域中计算图像频率子带、方向子带分别加权的梯度结构相似度,实现对图像的质量评价。该方法无需标准参考图像,充分考虑了人类视觉特性。实验结果表明,NRCT-GSSIM取得了与峰值信噪比(PNSR)、结构相似度(SSIM)和梯度结构相似度(GSSIM)等有参考图像质量评价相一致的评价结果,且较之PSNR、SSIM有更高的准确性。

结合梯度结构相似度的AVS帧内模式选择算法

结合帧内模式选择主客观评价方法,提出了一种新的帧内模式选择算法,提高了主观质量,同时兼顾了算法处理效率。传统AVS帧内模式选择率失真优化使用绝对误差和(SAD)作为失真度度量,方法简单,但不能很好符合人眼视觉系统(HVS);基于梯度幅度值的结构相似度图像质量评价方法(GSIM)符合HVS的特性,且能评价严重模糊的降质图像,但计算复杂,不利于实时编码。本算法结合SAD和GSIM的优点,采用两者的结合作为失真度度量,并利用预测模式间的相关性进行帧内预测模式选择。取SAD的最优值和次优值,计算其差值,根据差值和阈值的比较判断是否需要GSIM计算,其中阈值的选择根据预测模式间相关性自适应确定。需要计算GSIM值时,根据GSIM的最优值和次优值的情况判断是否需要对帧内模式进行修正。实验结果表明,本算法较传统算法有较好的主观质量,编码时间增加很少。

基于梯度幅度值的结构相似度的图像质量评价方法

说明传统图像质量评价方法的不足之处。在SSIM模型不能很好地评价严重模糊的降质图像的基础上,从图像梯度幅度值和图像边缘的关系出发,分析了基于梯度幅度值的结构相似度(GSIM)的图像质量评价方法。实验结果表明,该模型比SSIM模型更符合人眼的视觉特性。

基于扩展梯度相似度的自适应图像质量评价算法研究

客观图像质量评价使用特定的数学模型使图像评价结果与主观评价一致。提出一种自适应的扩展梯度图像质量评价算法(AE-GSSIM),使用扩展梯度算子从多个方向计算图像梯度幅值,然后在梯度图像上定义并计算梯度相似度;考虑到亮度失真对图像质量的影响,为梯度相似度与亮度相似度设置不同的权重,使亮度相似度随梯度相似度自适应变化;最后,采用算术平均池化策略计算图像评价结果。在4个公开图像库中进行的实验表明,AE-GSSIM算法优于传统的评价算法,更加符合人眼视觉感知结果。

基于梯度结构相似度的AVS帧间模式选择算法

AVS帧间模式选择率失真优化使用绝对误差和(SAD)作为失真度度量,方法简单,但不能很好地符合人眼视觉系统(HVS);最近提出的结构相似度(SSIM)图像质量评价方法更符合HVS的特性,但不能很好地评价严重模糊的降质图像,基于梯度幅度值的结构相似度图像质量评价方法(GSIM)可解决此问题。然而率失真优化使用GSIM作为失真度度量,计算复杂,不利于实时编码。针对SAD不能很好符合HVS和GSIM计算复杂的问题,采用SAD和GSIM的结合作为失真度度量,并利用帧间预测模式间的相关性,提出新的帧间预测模式选择算法。此算法取SAD的最优值和次优值,计算其差值,根据差值和阈值的比较判断是否需要GSIM计算,其中阈值的选择根据预测模式间相关性自适应确定。需要计算GSIM值时,根据GSIM的最优值和次优值的情况判断是否需要对帧间模式进行修正。实验结果表明,该算法较传统算法GSIM值增加0.0007,PSNR降低0.1 db,编码时间增加1.24%。与传统算法相比,该算法有较好的主观质量,客观质量几乎不变,编码时间增加很少。

基于卷积滤波和梯度结构相似的隧道衬砌图像质量评价

针对隧道衬砌图像质量评价,在结构相似度基础上,提出一种基于卷积滤波和梯度结构相似的图像质量评价方法。首先采用不同方向的线性结构元素掩码对失真图像进行卷积滤波,随后采用Sobel边缘算子对失真图像进行梯度运算,再根据图像的结构相似度模型,将结构相似度转化为以卷积滤波后的梯度表示的形式。根据客观评价得分与主观均值得分之间的散点图、相关系数、平均绝对误差、均方根误差和离出率验证该方法的有效性。算法应用实例表明,对于含有裂缝的抖动模糊的衬砌图像,该方法能取得较好的评价效果。

基于置信特征与结构相似度约束的图像修复算法

当前图像修复算法主要通过对像素值的差异进行度量来完成图像修复,当待修复图像中破损区域较大时,该方法修复的图像中会出现较为明显的块效应以及纹理不连续效应,导致算法的修复效果不佳.对此,本文提出了基于置信特征耦合结构相似度约束的图像修复算法.引入优先权函数,对破损区域中待修复像素的优先权值进行计算,以确定待修复像素.利用待修复像素的梯度模值来构造梯度变化约束机制,对修复块的模板大小进行调整,以提高图像的修复质量.通过像素点的置信度构造置信特征因子,并利用置信特征因子建立了搜索空间适配法则,明确了最优匹配块的搜索范围.引入结构相似度模型,对修复块与匹配块之间的结构相似度进行约束,以选取最优匹配块,利用最优匹配块对修复块进行扩散填充,从而完成图像的修复.仿真实验表明:与当前图像修复技术相比,本文方法具有更好的图像复原质量,有效降低了块效应以及不连续效应.

快速提升的结构相似度IQA算法

客观图像质量评价(IQA)的目的是设计与主观评价算法尽可能一致的数学模型来度量图像的质量.针对结构相似度(SSIM)和其他一些算法的局限性,考虑到梯度可以反映图像的边缘纹理等结构信息,提出一种快速的全参考型IQA算法,即提升的梯度加权结构相似度(GWL-SSIM)算法.首先定义图像局部块的广义梯度;然后利用其相似性及图像对比度相似性和结构相似性得到局部质量的特征映射图;最后采用广义梯度加权的池化策略得到IQA模型,广义梯度能很好地刻画视觉感知系统的非线性属性,而加权策略模拟了其对图像不同成分感知的差异性.在6个公开数据库中进行数值实验的结果表明,GWL-SSIM算法计算效率高,并取得了与目前流行算法相当的评价效果.

基于CSF和梯度相似度的红外图像质量评价

针对传统的峰值信噪比及常用的结构相似度等图像质量评价方法对人视觉特点考虑的不足,提出了一种基于CSF(对比敏感度函数)和梯度相似度的红外图像质量评价方法。该方法在结构相似度方法的基础上,采用Sobel掩模算子计算图像的梯度幅值对其改进,利用对比度敏感函数赋予图像块以相应权值,最后加权得到整幅图像的评价值。从实验结果可看出,所提方法与传统方法相比与主观评价的一致性更高。

基于结构相似度的图像去噪新方法

将结构相似度作为一种刻画忠诚项的度量用于图像去噪模型中。针对经典ROF模型忠诚项的约束项L2度量未考虑图像空间结构性而导致恢复图像视觉效果差的缺陷,引入结构相似度来改进模型的忠诚项,提出了一种新的去噪模型。为在去噪过程中,更好地保护图像的边缘,在此模型的基础上,文中还做了进一步改进,用非凸正则项代替TV正则项,得到推广模型。实验结果表明,相对于ROF模型,两个模型在有效去除噪声的同时,能更好地保持图像的结构信息,提高图像的视觉效果,且推广模型在图像边缘保护方面的性能更好。

基于改进梯度相似度的红外隐身伪装评价方法

对于单幅红外图像中目标隐身伪装效果的评价,在经典的结构相似度(SSIM)算法的基础上,用改进四方向梯度算子提取梯度信息,建立梯度差异函数,替代SSIM算法中的结构相似性函数,提出了一种基于改进梯度相似度(IGSIM)的图像相似度评价算法。根据该算法设计了红外图像均等分块数量确定实验和目标红外隐身伪装效果评价实验。结果表明:得出的评价指标与人眼视觉特性更具一致性,能较好地处理单幅红外图像中目标隐身伪装效果评价的问题。

基于梯度信息的图像质量评判方法的研究

图像质量客观评判标准广泛应用于图像处理中,基于人眼视觉系统的客观评判方法一直是图像处理领域的研究热点.最近,Zhou Wang等人提出了基于结构信息的评判方法—结构相似度(SSIM),它的理论基础是人眼视觉系统能高度自适应地提取场景中的结构信息.SSIM方法简单、评判性能优于PSNR(或MSE).但随着研究的深入,我们发现SSIM算法存在着一些问题,特别是不能很好地评判模糊失真类的图像.本文提出两种基于梯度信息的图像质量评判方法—基于梯度的结构相似度(GSSIM)和基于边缘的结构相似度(ESSIM).实验结果表明,GSSIM能更好地符合人眼视觉系统特性,而ESSIM对于模糊图像则取得了最好的评判效果.

结合颜色和梯度信息的稀疏图像修复算法

现有基于稀疏性的图像修复算法仅利用颜色信息衡量样本块的相似度,易降低修复区域内结构部分的连通性及与邻域信息的连续一致性,同时在全局范围内搜索匹配块也增加了算法的运行时间.为解决上述问题,利用颜色与梯度模值信息度量样本块之间的距离,构造新的相似度以确定块结构稀疏度函数,利用块结构稀疏度确定填充顺序,同时构造新的匹配准则函数寻找匹配块;并利用块结构稀疏度值能够较好地反映样本块所处区域特征的特性,根据块结构稀疏度值自适应确定局部搜索区域大小.并通过实验验证在不同图像中颜色信息与梯度信息所占比例不同.实验结果表明,该算法较对比算法能够更好地保持结构部分的连贯性及与邻域信息的连续一致性,在峰值信噪比上至少提高1dB,并且算法速度提高4~11倍.

改进的结构相似医学图像质量评价方法

医学图像质量评价从基本方法上和普通图像评价是相同的。基于人眼视觉系统的图像质量客观评价一直是图像处理领域的研究热点。Zhou Wang等人提出了著名的客观质量评价方法:结构相似度(SSIM),它的理论基础是人眼视觉系统能高度自适应地提取场景中的结构信息。其评价性能优于PSNR(或MSE)。但是SSIM评价模糊失真类的图像准确性较低。在深入研究SSIM算法的基础上,提出一种改进SSIM算法:基于梯度方向信息的图像质量评价方法(GDSSIM)。实验结果表明,GDSSIM评价高斯模糊(GBlur)图像库时准确性明显高于PSNR和SSIM,评价Fast Fading图像库时准确性也有明显优势。最后,初步探讨了以上图像质量评价算法在医学图像上的应用。

基于梯度和运动估计的视频质量评价

数字视频质量评价在视频压缩、处理以及视频通信领域中有着十分重要的作用.本文在现有视频质量评价方法以及对人类视觉特性研究的基础上,提出了一种基于梯度和运动估计的视频质量评估方法.该方法充分考虑了视频图像的边缘特性、各帧之间的时间相关性以及画面中场景的变化对视频质量的影响等因素.实验结果表明,该方法对基于H.264编码的失真视频有更好的评价效果,与人类视觉的主观评价结果一致.

基于梯度相关性分解的无参考图像质量评价方法

目前大部分无参考型的图像质量评价方法都是基于图像的几何特征进行描述的,但是这种方法对于图像的边界要求较为严格,并且在实际应用中的图像的失真类型是未知的。针对这一缺点,提出一种基于梯度相关性分解的无参考图像质量评价(DGS)方法,该方法提取图像的梯度,对其进行奇异值分解作为图像的主要结构信息,以此对图像的质量进行评价。实验结果表明,DGS模型比通用的简单有效的峰值信噪比(或均方误差)模型更符合人眼视觉系统特性,能在无参考的情况下更好地评价图像质量,并与图像的主观评价值达到更准确的一致性。