红外动态场景图像质量评价理论概述

红外动态场景生成器是红外成像制导半实物仿真系统中的关键设备,红外动态场景生成器所产生红外图像的质量直接关系到仿真系统实验的质量。随着红外动态场景生成技术的发展,需要对产生的红外场景的质量进行全面评价。针对各种类型的红外动态场景生成器的性能进行分析,建立红外动态场景图像质量测试评价理论模型。该模型中主要的测试指标包括时间特性、空间分辨率、空间均匀性、几何畸变、动态范围、最大辐射功率密度、最小可分辨温差、串扰和辐射对比度等。通过对这些指标的测试,可以完整地描述出红外动态场景生成器的性能。

一种红外动态场景图像评价装置的性能测试

随着红外动态场景生成技术的发展,对生成器所产生的红外场景的质量要求越来越高,这就需要对产生的红外场景的质量进行全面的评价。红外图像评价测试理论和测试方法的研究能够对红外场景生成器的性能进行系统的评价,并对生成器的改进和发展提出具体要求,具有学术意义和实用价值。介绍了一种红外动态场景质量的评价装置,并对该装置的性能进行了测试,测试指标包括温度范围、最小像元尺寸、视场及最大几何分辨率、响应速度、温度分辨率、辐射功率范围等。此红外动态场景质量的评价装置能够定量测试红外场景生成器的性能。

典型场景彩色夜视融合图像质量主观评价实验

评价特定场景下红外和可见光(微光)彩色融合图像质量的研究对彩色夜视融合技术和嵌入式系统开发具有重要作用。由于主观评价实验能够得到与人眼感受一致的评价结果因而成为研究的热点。因此,该文针对海天、森林、城镇、乡村和特殊条件五个典型应用场景,提出基于动态参考的多刺激比较主观评价法,开展了大规模典型场景彩色融合图像主观评价实验,建立了包含1648幅彩色融合图像的质量主观评价数据库;此外,提出基于评价实验特性的模糊综合评判方法用于分析不同融合算法的场景适用性。实验数据一致性分析中,该主观评价法具有较高的皮尔逊相关系数,表明本文构建的数据集具有良好的有效性与可靠性。该文结果可为进一步开展夜视融合图像质量评价研究提供实验基础和理论依据。

红外图像评价质量研究

按照红外图像的形成过程分析可认为一幅红外图像是由目标图像、背景图像和噪声图像,目标图像和背景图像是红外图像的主体,噪声图像是叠加在红外图像主体上的干扰。文章从红外图像主体能提供的信息量是否丰富、细节是否明显,噪声图像相对图像主体的大小三个方面入手,对红外图像进行质量评价,评价结果与主观评价相一致,具有较好的可比性。

基于近红外图像质量评价的静脉图像采集系统

以手背静脉图像采集系统作为研究对象,根据图像采集对后续图像处理的影响,设计了红外光源调控装置.研究了近红外成像所生成的灰度图像的评价方法,分析了基于信息容量、能量谱-熵、伪信噪比的评价方法,以及每种方法所适用的场合,建立了基于静脉图像质量的评价方法.研究了采集图像与光强之间的关系,推导出图像质量与LED电流之间的关系,从而获得最优的光源控制调制信号.将图像质量评价结果应用到光强控制,设计了集红外采集、红外图像质量评价和红外光源调控于一体的光源装置,采集到的静脉图像符合后续处理的需要.

红外压缩图像的质量评价研究

红外图像作为一种特殊图像,为了更好地传输和存储,有时候必须进行压缩。传统的均方误差(MSE)图像质量客观评价方法,有时其评价结果与人们的主观视觉不一致。为此提出了一种建立在人眼视觉模型(HVS)基础之上的边缘均方误差评价方法,它能更有效地反映出图像压缩失真在视觉上的感知。采用快速傅里叶变换、离散余弦变换、哈尔变换、小波变换、哈达马变换等算法,可对编解码后的图像效果进行评价,证实了基于人眼视觉特性的误差统计方法在对压缩图像进行像质评价时是比较令人满意的。

资源一号02D卫星可见近红外相机在轨调试与图像质量评价方法

资源一号02D卫星发射入轨后,针对可见近红外(VNIR)相机工作状态与实验室标定状态的变化,开展了在轨调试及相应图像质量参数评价,保障了相机成像性能。基于资源一号02D卫星可见近红外相机高速推扫成像时场景不断变化的特点,研究了一种通过降低调焦算法对场景不变依赖性来提高调焦精度的调焦方法,保障了相机高精度快速调焦;针对资源一号02D卫星可见近红外相机同时具备高空间分辨率和大幅宽的特点,改进了相机成像参数调整方法,研究了一种基于在轨成像时全链路辐射传输模型的成像参数预估方法,确保了相机积分级数与增益处于最优状态。最后,在完成可见近红外相机在轨调试的基础上,对图像调制传递函数(MTF)、信噪比(SNR)等性能参数进行了测试,测试结果显示相机成像性能处于最优状态。

前视红外图像质量评价指标研究

实时图像质量严重影响景象匹配性能,但目前尚无通用可行的评价标准来衡量其质量,而且不同匹配算法对各种图像特征的敏感性有差异,需要根据算法对图像质量评价问题展开分类研究。文中首先给出了图像质量评价的工作方式,然后从成像质量和目标凸显程度两个方面进行指标分析,提出了包括信噪比、模糊度、目标局部凸显程度和全局凸显程度在内的指标体系。实验表明,各指标与匹配性能之间具有单调一致关系。

红外图像压缩质量评价研究

红外图像作为一种特殊图像,为了更好地传输和存储,有时候必须进行压缩。传统的均方误差(MSE)的图像质量客观评价方法,有时评价结果与人们的主观视觉不一致。为此提出一种建立在人眼视觉模型(HVS)基础之上的边缘均方误差评价方法,更能有效地反映出图像压缩失真在视觉上的感知。通过快速傅里叶变换(FFT)、离散余弦变换(DCT)、哈尔变换(HARR)、小波变换(WT)、哈达马变换等算法,对图像进行编解码后的效果进行了评价,证实了基于人眼视觉特性的误差统计方法对压缩图像进行像质评价较为令人满意。

基于RGB色彩空间自然场景统计的无参考图像质量评价

RGB色彩空间中各色彩分量间存在强相关性,图像发生失真会改变各分量间的相关性.基于此,本文提出了一种新的通用无参考图像质量评价方法.首先,根据人类视觉对RGB色彩空间中绿色分量更为敏感的颜色感知特性,提取了G分量MSCN系数及其4方向邻域系数的统计特征;其次,在分析RGB色彩空间中R、G及B分量间相关性的基础上,分别计算RGB色彩空间各色彩分量及其纹理、相位间的互信息,利用互信息作为统计特征来描述其各分量间的相关性;进而,结合上述统计特征,分别利用SVR和SVC构建无参考图像质量评价模型和图像失真类型识别模型;最后,在LIVE、CSIQ及TID2008图像质量评价数据库上进行了算法与DMOS(Different mean opinion score)的相关性、失真类型识别及计算复杂性等方面的实验.实验结果表明,本文方法的评价结果与人类主观评价具有高度的一致性,在LIVE数据库上的斯皮尔曼等级相关系数和皮尔逊线性相关系数均在0.942以上;而且,图像失真类型识别模型的识别准确率也高达93.59%,明显高于当今主流无参考图像质量评价方法.

基于空域自然场景统计的无参考立体图像质量评价模型

针对现有的评价方法大都将图像变换到不同的坐标域问题,提出一种基于空域自然场景统计(NSS)的通用型无参考立体图像质量评价模型。在评价中为了更好地结合人类双目视觉特性,将左右图像融合成一幅独眼图;评价模型首先统计独眼图归一化亮度(CMSCN)系数分布规律,进而对独眼图提取空域自然场景统计特征;其次,统计视差图归一化亮度(DMSCN)系数的分布规律,并对用光流法得到的视差图提取同样的特征;最后,通过支持向量回归(SVR)建立立体图像特征信息与主观评价值(DMOS)之间的关系,从而预测得到图像质量的客观评价值。实验结果表明,该评价模型对立体数据测试库进行评价,其Pearson线性相关系数(PLCC)和Spearman等级相关系数(SROCC)值均在0.94以上;对于非对称立体图像库,PLCC和SROCC值分别接近0.91和0.93。该模型能够很好地预测人眼对立体图像的主观感知。

一种用于红外侦察图像的无参考质量评价方法

图像质量无参考评价问题目前仍是计算机视觉领域最具挑战性的工作之一,红外侦察图像由于其成像机理的制约,质量低于可见光图像,将严重制约后续图像处理的效率和其侦察效能的发挥,因而对于图像质量的准确评价是其中的关键环节。为此,研究并提取了能够表征红外辐射特性的轮廓、纹理和点特征,构建了基于混合特征和显著性检测的红外图像质量评价模型,并以实拍红外侦察图像为样本,以主观评测作为度量基准,进行了相关实验验证,结果证明该方法较经典方法能更好地评价红外侦察图像。

基于自然场景统计的无参考图像质量评价

阐述了NSS的相关特性;对现有的评价方法进行分类介绍,对目前比较常用的算法进行分析研究,并在已公开的数据库上对算法进行分析,并对NSS无参考图像质量评价提出了若干技术与发展上的展望。

基于张量域感知特征的无参考高动态范围图像质量评价

针对传统的无参考图像质量评价方法不能直接用于高动态范围(HDR)图像的质量评价问题,提出一种基于张量域感知特征的无参考HDR图像质量评价方法.首先通过张量分解得到同时含有亮度失真和色度失真的张量子带图;然后采用自回归(AR)模型来模拟人脑对张量子带图的感知预测,得到张量子带图的感知预测图像;最后采用AR系数表征HDR图像的张量域感知预测特征,结合张量子带图及其感知预测图的动态范围、亮区域占比的特征,使用支持向量回归模型进行回归映射得到图像的客观质量评价分数.在Nantes和EFPL这2个公开的HDR图像库上的实验结果表明,该方法与主观感知具有很好的一致性,评价指标SROCC和PLCC的值均超过0.93, RMSE分别为0.3047和0.3771.

高动态范围图像客观质量评价方法

针对当前高动态范围(HDR)图像质量评价方法未考虑图像色度和结构信息的问题,提出了一种新的HDR图像客观质量评价方法。首先,利用HDR-VDP-2.2中的基于视觉感知的模型得到关于亮度与对比度的视觉保真度特征;然后,将HDR图像转换到YIQ彩色空间,对彩色空间中的Y、I、Q通道分别进行处理,求得色度相似度和结构相关度特征;最后,利用支持向量回归(SVR)的方法对特征进行融合,预测得到高动态范围图像质量的客观评价值。实验结果表明,与HDR-VDP-2.2相比,该方法的Pearson相关系数和Spearman等级相关系数分别提升了23.09%和25.34%;均方根误差(RMSE)降低了38.01%。所提出的方法与主观视觉感知具有更高的一致性。

基于流形学习的高动态范围图像质量评价

高动态范围图像通过更高的对比度和更广的显示亮度增加用户的身临其境感和用户体验质量,因而对其质量评价有着广泛的应用需求。已有研究表明流形可作为大脑感知的一种表述,故提出了基于流形学习的高动态范围图像质量评价方法。该方法将高动态范围图像进行预处理后进行亮度分解和纹理提取,分别对亮度分解和纹理提取后的边缘与纹理特征图像进行流形特征相似度度量;然后考虑色度域扩展,对色度分量直接进行结构相似度度量;将六个特征采用随机森林方法得到图像的最终客观质量值。该方法在高动态范围图像数据库中进行验证,其PLCC与SROCC指标分别达到了0.9238与0.9117,研究结果表明该方法能很好地符合人眼视觉感知特性。

动态场景红外图像的压缩感知域高斯混合背景建模

针对动态场景下红外图像的背景模型构建问题,提出一种基于压缩感知(Compressed sensing,CS)域高斯混合模型(Gaussian mixture model,GMM)的背景建模方法.该方法不是对图像中的每个像素建立高斯混合模型,而是对图像局部区域的压缩感知测量值建立高斯混合模型.1)通过提取红外图像轮廓的角点特征,估计相邻帧图像间的相对运动参数以对图像进行校正与配准;2)将每帧图像网格化为适当数目的局部子图,利用序列图像构建每个局部子图的压缩感知域高斯混合背景模型;3)采用子空间学习训练稀疏字典,通过子空间追踪对可能含有目标的局部子图进行选择性稀疏重构;4)通过背景减除实现前景目标检测.以红外图像数据集CDnet2014和VIVID PETS2005进行实验验证,结果表明:该方法能建立有效的动态场景红外图像背景模型,对成像过程中所受到的场景动态变化、背景扰动等具有较强的鲁棒性,其召回率、精确率、F-measure等性能指标及处理速度较之于同类算法具有明显优势.

基于自然场景统计的无参考图像质量评价算法

为了度量多种失真类型的图像质量,提出一种基于图像空域自然场景统计特征的无参考图像质量评价算法。该算法通过度量失真图像和原始图像在统计规律上的偏差,对失真图像质量做出评价。与现有无参考图像质量评价算法相比,该算法不需要使用原始图像及其失真图像进行训练,也不需要知道图像的失真类型,是一种更具实际意义的通用型无参考图像质量评价算法。同时,考虑到人眼观察图像时感兴趣区域的影响,该算法加入了视觉显著性区域提取的过程。实验结果表明,该算法对于人的主观感知具有较好的一致性。

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。

基于自然场景统计的图像质量评价算法

基于自然场景统计(NSS)提出一种无参考图像的图像质量评估(IQA)算法,该算法的实现结合了图像的小波能量差异和人类视觉系统(HVS)的对比度敏感功能(CSF)模型。自然图像经过小波多尺度变换后的能量呈线性分布,而图像失真破坏此线性关系。所提算法利用图像失真这一自然特性的变化建立预测模型,预测失真图像各尺度的小波子带能量,并用失真图像在各尺度能量的预测值和实测值的差异度量失真图像的质量,再通过CSF模型进行优化调整,使其更接近人类视觉系统。该算法在LIVE图像质量评价数据库和CSIQ图像质量评价数据库进行测试,结果表明该算法与现有无参考图像质量评价算法相比,与人眼具有良好一致性、运行时间短的优势。