基于色差的均方误差与峰值信噪比评价彩色图像质量研究

在图像质量评价模型中加入人眼视觉系统特性能够提高其评价性能.彩色图像色差模型S-CIELAB是在考虑到了人眼视觉系统的空间模糊特性基础上得到两幅图像的色差,该文在S- CIELAB色差模型的基础上,提出了色差均方误差(CD-MSE)和色差峰值信噪比(CD-PSNR)彩色图像质量客观评价参量.对JEPG2000、加白噪音和图像传输中产生位错的三类失真共180幅彩色图像进行了CD-PSNR参量计算,并与国际上已经给出的主观评价结果进行了比较.实验结果表明其客观评价结果与平均主观评价分数具有较好的一致性.

视觉感知的彩色图像质量积极评价

针对现行的被动(消极)彩色图像质量评价方法存在的问题,深入研究了人类视觉感知彩色图像特征的质量参数:彩色图像平均对比度、彩色图像平均信息熵、彩色图像平均亮度(平均灰度)、彩色图像平均层次因子和彩色图像平均带宽因子。以上述研究为基础,构建了基于扰动变换的主动(积极)彩色图像综合质量评价函数(CAF)。研究发现CAF是扰动参数Delta和Theta的函数,通过对扰动参数进行变换,可以使CAF达到最大值,从而实现对单幅彩色图像的质量评价和质量改善。分别对窄带谱、宽带谱和全带谱3种不同色度谱类型的彩色图像进行了积极评价,结果表明,纳入平均带宽因子和平均层次因子两个参数的彩色图像质量积极评价方法符合人类视觉主观评价要求,可使扰动变换获得的彩色图像更加柔和、更富有层次感。该方法不仅能评价单幅彩色图像质量的好坏,还可以通过扰动变换改善彩色图像质量。

基于非负矩阵分解的彩色图像质量评价方法

针对稀疏表示的图像质量评价模型都基于灰度图像,缺少颜色信息,该文提出一种基于非负矩阵分解(NMF)的全参考彩色图像质量评价方法。首先,从自然彩色图像中随机采样,得到训练样本,利用非负矩阵分解,训练得到特征基矩阵,并经过Schmidt正交化,构建特征提取矩阵;其次,根据视觉显著性模型,利用最大视觉显著性和显著性差值两步骤选取视觉重要区域;最后,利用特征提取矩阵,得到低维的特征向量,并最终得到彩色图像质量评价值。实验结果表明,该文方法在LIVE,CSIQ和TID2008 3个图像质量评价库上有很好的表现。3个图像库的平均结果显示,该文方法的综合表现优于所有对比方法。这表明该文方法与主观感知有更好的关联度。

基于色彩特征的无参考彩色图像质量评价

彩色图像质量评价(Color Image Quality Assessment,C-IQA)作为一种图像质量评价系统,与其他图像质量评价系统对彩色图像只是简单地将原图像转换为灰度图像进行评价不同,不仅考虑图像在灰度尺度下的质量评价,而且需要对图像的色彩表现做出评价。提出一种基于色彩特征的彩色图像质量的数学评价模型,在考虑亮度特征的同时,加入了色调、色饱和度和色彩熵等色度特征来进行C-IQA。在LIVE图像数据库中进行实验,可以发现模型预测结果与图像实际质量保持高度一致。

基于色彩与结构相似性的伪彩色图像融合质量评价

提出一个颜色与结构相似性指标CSSIM(color and structural similarity index metric)用于评估伪彩色融合图像的质量。该指标摒弃复杂的色彩空间变换,直接在RGB空间计算融合图像质量,大大降低了计算量。通过实验探究了该指标与人的感知质量之间的关系。实验结果证实该指标的评价结果和人的感知质量基本一致。

基于视觉注意的全参考彩色图像质量评价方法

如何实现对图像质量的高效准确评价一直是图像和信号处理领域的一个关键问题,针对当前大多图像质量客观评价算法忽略人眼视觉系统(HVS)的影响以及只考虑灰度图像质量评估的不足,提出一种基于视觉注意模型的全参考彩色图像质量评价(IQA)算法;该算法将彩色图像视觉显著性(VS)作为相似性特征与彩色图像多通道边缘强度相似性测度相结合,最终实现对彩色图像的质量评估;LIVE2数据库中实验证明,该算法在复杂度、鲁棒性和与主观评价一致性方面都有明显优势。

结合局部特征的无参考彩色图像质量评价

由于传统的无参考彩色图像质量评价方法与人眼感知结果的一致性较差,本文提出了一种全面利用待评价图像的色度、锐利度和对比度的无参考彩色图像质量客观评价方法。分析了彩色图像锐利度的局部特征,提出了一种新的彩色图像锐利度测量模型。基于对比度的局部特征和Buchsbaum曲线特征,建立了新的彩色图像对比度测量模型。最后,通过线性组合色度测量模型、锐利度测量模型和对比度测量模型,构建了无参考彩色图像质量评价函数。利用TID2013数据库中的3类退化图像(高斯模糊图像、对比度改变图像和噪声图像)验证了本文提出的锐利度测量模型、对比度测量模型和无参考彩色图像质量评价函数的性能。结果表明,本文提出的锐利度测量模型和对比度测量模型的性能均优于传统的锐利度和对比度计算模型。提出的无参考彩色图像质量评价函数的Spearman秩相关系数(SROCC)为0.904,Kendall秩相关系数(PROCC)为0.865,Pearson线性相关系数(PLCC)为0.922,亦均优于传统方法。

基于频域直方图和HVS的彩色图像质量评价算法

主流图像质量评价算法大多基于空间域分析图像质量,当应用于彩色数字图像时,准确度和敏感度并未达到很好的效果,提出了一种基于图像频率域直方图和HVS(人类视觉系统)的彩色图像质量评价算法。将图像转换成频率空间,并对频率域系数幅度进行直方图计算;结合人类视觉对亮度和颜色的感知特点,对彩色图像的亮度和颜色分配权重并最终融合评价结果。实验结果表明,本算法与真实感官感受具有高度一致性,准确度和敏感度优于其他主流算法,同时具有最快的计算处理效率。

一种彩色图像质量客观评价方法

为了研究图像质量客观评价结果与主观质量评价结果不一致的问题,依据图像的灰度直方图作为统计特征可以应用于图像质量的客观评价理论,采用数据拟合方法,研究了彩色图像的基于分量理论和色彩量化理论的颜色直方图的图像质量客观评价方法,并分别给出了拟合直方图曲线的算法步骤,根据失真图像和参考图像的拟合系数之差的权值是否在可失真范围内给出图像质量的二元评价.实验中计算基于灰度直方图拟合的灰度图像的每像素的数据差值后,可知在小于等于5×10-5时失真图像质量为优,该方法和数据也适用于失真彩色图像质量的二元评价.

基于均匀色差空间向量分解模型的彩色图像质量评价方法

针对三要素(亮度、色调和饱和度)空间方法缺乏视觉均匀色差思想的支持,而均匀色差空间方法又需要其他有效评价模型的补充,该文立足于图像的两个基本属性,即光特性(亮度、色调和饱和度)和结构特点,结合反映彩色空间特性的均匀色差空间模型以及空间向量分解模型,提出了均匀色差空间向量分解模型.实验结果表明基于均匀色差空间向量分解模型较传统评价方法和单项模型更能够全面地评价彩色图像质量.

基于视觉感知的彩色图像质量评价

图像质量评价是图像处理与计算机视觉一个重要研究方向,近年来虽然出现了许多不同的基于人类视觉系统的评价方法,如SSIM,IFC,VSNR等。这些算法都提高了评价准确率但仍留有较大可以提升的空间,而且他们大多只针对图像的灰度信息,简单地将彩色信息丢弃,而人眼会根据图像的灰度和色彩两个方面去识别和评价图像。为了满足人眼视觉感受需要自然化归一化处理图像,并且通过色彩等多个尺度提取图像显著特征,赋予合适的权重来重新计算图像的结构相似性,最终做出更精确的图像质量评价。

水下图像处理软件与质量评价系统设计

针对水下图像模糊不清、水下图像增强与复原算法选择与图像质量评价问题,采用Python程序对几种经典的水下图像处理算法原理进行了分析与仿真复现,通过将算法、程序与图像质量评价指标相结合,设计了一款水下图像处理软件。软件可综合实现各类水下图像的处理,也可以为不同类型的水下图像选取合适的水下图像处理算法。设计的水下图像处理软件使用简单,操作方便,可以实现经典水下图像处理算法的可视化和客观质量评价,便于人们对水下图像处理算法的理解与分析。

基于离散四元数傅里叶变换的彩色图像质量评价

彩色图像质量的评价在图像数据的采集、压缩、存储、传输等方面具有重要意义。然而传统的评价方法往往因损失部分彩色信息或者忽略彩色图像的整体性,导致其结果不能很好地与主观结果保持一致,因此提出一种彩色图像客观质量评价方法。将彩色图像表示成四元数矩阵,并对其进行离散四元数傅里叶变换;根据人眼视觉系统特性对频域进行非均匀分块,计算失真图像和参考图像之间的幅值相似度和相位相似度;采用熵值法综合考虑两者对图像质量的影响,获得表示整体图像质量的指标。最后,使用图像数据库针对高斯模糊失真进行相关性分析,以验证方法的可行性和有效性。实验结果表明,客观评价能较好地与主观评价保持一致,且对于3个数据库的性能表现稳定,算法性能总体上优于对比方法。

基于边缘特征和亮度的彩色图像质量评价

传统的图像质量评价算法大多针对灰度图像而言,这些算法利用图像中对应的像素灰度误差建立数学模型来评价图像,不能够评价彩色图像的质量。本文提出了一种基于边缘特征和颜色亮度信息的彩色图像质量评价方法。首先,利用Sobel算子提取图像边缘;其次,定义了边缘和亮度相似系数来分析它们对图像的影响。最后,综合考虑这两个因素建立数学模型对彩色图像进行评价。大量实验表明:该方法适合评价彩色图像;同时,该实验结果与人的主观感觉的一致性较好。

基于小波变换和HVS的彩色图像质量评价方法

提出了一种基于小波变换和人类视觉系统的图像质量评价方法。首先分别测得4级小波分解后高低频分量的SSIM值并用CSF曲线加权,然后对低频分量进行分块DCT变换,测得每块的中高频分量的SSIM值作为乘性系数与前面所得结果相乘,最后对彩色图像各个通道分别进行加权相加。实验结果表明,算法与人眼主观感受值更加吻合。

基于颜色名称的彩色图像质量评价

图像质量评价(Image Quality Assessment,IQA)是计算机视觉领域研究的基本问题之一。目前,绝大多数图像质量模型都是基于灰度图像构建的,而彩色图像质量评价至今依然是IQA领域的开放性问题。彩色图像质量评价研究的关键在于建立与人类色彩认知能力相一致的色彩信息的量化描述。本文基于颜色名称(Colornames,CN)构建彩色图像质量评价模型,将图像的每个像素值映射为CN概率向量,利用Wasserstein距离计算两幅图像的感知色差,以亮度和梯度特征作为补充,在池化阶段采用显著性加权得到客观图像质量评分。在公开测试数据集上的实验结果表明,提出的模型在TID2008、TID2013和最新的KADID-10k数据集上表现最佳,其SROCC值分别为0.9009,0.8901,0.8637。总体评价效果与目前最好的传统方法(非深度学习方法)相当;而对于颜色失真,则具有明显的优势。

基于极限学习机的底层特征全参考彩色图像质量评价方法

作为图像质量的监测和评价工具,图像质量评价(image quality assessment,IQA)在各种图像处理系统中发挥着重要的作用,理想的IQA方法应该与人类视觉系统(human visual system,HVS)相一致.目前HVS对图像的理解主要是依据图像的底层特征,本文提出了一种新的全参考(full reference,FR)彩色图像IQA方法.首先,提取了结构对比度指标(structural contrast index,SCI)、梯度、局部二值模式(local binary pattern,LBP)和色度四类底层特征图,用于刻画图像的不同特征属性;其次,利用不同的特征池化策略对每类特征分别处理,将其组成一组相似特征向量作为图像质量的检测器并采用极限学习机(extreme learning machine,ELM)建立回归模型,得到客观的质量分数;最后,与目前流行的8种FR IQA方法在5个标准IQA数据库上进行数值实验.结果表明,该方法整体性能优于其他方法,能够有效地提高大多数失真类型的预测精度.

基于自适应色彩均衡及改进IBLA的水下图像增强

针对水下环境采集图像和视频存在对比度低、色彩不均衡等颜色失真问题,提出了一种自适应色彩均衡与水下场景深度估计融合的水下图像增强算法。该算法的核心思想由3个步骤组成:首先针对图像色偏严重问题,对色偏严重的通道进行颜色自适应均衡化预处理,以突出纹理特征;其次,根据图像整体的纹理分布特性进行特征提取,并对图像通道进行背景光估计、场景深度估计以及传输系数映射估计;最后,采用场景亮度恢复模型进行特征融合,并基于直方图均衡算法得到水下增强图像。为证明该算法的有效性与先进性,选取真实水下降质图像为处理对象,利用质量评价指标(UIQM)对增强图像进行总体比较。结果表明,该算法有效增强了水下降质图像的清晰度与色彩度,并且清晰地恢复了图像细节。

基于彩色空间视觉相似分解的图像质量评价方法

针对视觉感知和结构化图像质量评价方法中均存在与视觉感受不吻合的现象,在建立亮度空间视觉相似分解方法的基础上,依据韦伯定律的基本概念并将其扩展到RGB三基色彩色空间,由此提出了一种基于彩色空间视觉相似分解的图像质量评价方法.该方法在保证误差图像和标准图像间的形状和色彩均完全相似的基础上,将误差图像分解为均值分量、交变相似分量和交变无关分量.由于这三个分量在视觉感受上截然不同,从而依据对视觉感知差异起到主导作用的交变无关分量来评价彩色图像质量.实验结果表明,该彩色空间图像质量评价模型与主观视觉感受吻合较好.