边缘加权的结构相似性测度

针对结构相似性测度(SSIM)不能较好地客观评价图像模糊与强高斯噪声失真的问题,提出一种边缘加权的结构相似性测度(EWSSIM),以符合人眼视觉系统(HVS)特性。EWSSIM将原始图像和失真图像的整体轮廓信息与局部纹理细节信息加权,更充分地描述图像的结构相似度。通过LIVE图库的仿真结果表明,与SSIME相比,WSSIM能够更好地评价图像模糊与强高斯噪声失真,且在各类失真图像的评价一致性上优于SSIM。

一种基于边缘测度的加权Hausdorff景象匹配方法

针对经典Hausdorff距离匹配算法中仅考虑图像间边缘点的几何关系,而未充分考虑边缘点边缘测度显著性差异对Hausdorff有向距离贡献不同的特点,提出一种基于边缘测度的加权Hausdorff距离(EM-WHD)景象匹配方法。该方法集合结构张量和局部均值比方法构造出边缘测度图像,并根据测度图提取图像边缘;在图像匹配过程中,基于边缘测度的显著性不同,对每个边缘点采用不同权值的加权Hausdorff距离进行图像匹配定位。仿真实验结果证明了本文方法的有效性和计算快速性。

基于NSCT的立体影像匹配相似性测度计算

提出了一种新的基于非下采样Contourlet变换(NSCT)的加权相似性测度计算方法。首先对立体像对中的左右影像分别进行NSCT变换,以得到左右影像的不同尺度、不同方向的高频子带系数;然后利用影像的高频子带系数和RGB三个通道的灰度值,设计了目标窗口和搜索窗口的加权相似性测度计算模型;最后,利用标准立体影像数据,对相似性测度和归一化相关系数等已有测度进行了对比实验。结果表明,NSCT的高频系数的引入增强了相似性测度的稳健性,提高了立体影像匹配的可靠性。

去雾图像质量客观评价方法研究

针对目前去雾图像质量客观评价方法少和已有评价方法存在局限性等问题,提出一种去雾图像的客观质量评价新方法。针对去雾图像中存在的Halo效应,采用边缘加权结构相似性测度的方法,将雾化图像和去雾图像的整体轮廓信息与局部纹理细节信息加权来描述图像的结构相似度。从人类视觉感知的角度出发,定义了图像归一化灰度差,用来描述图像的亮度。将彩色图像转换到HSV颜色空间,利用S分量的信息熵和直方图相似度来描述图像的色彩还原能力。最后综合边缘加权结构相似性测度、图像归一化灰度差和色彩加权还原度建立去雾图像质量评价模型,并进行客观评价和比较。实验结果表明,与已有评价方法相比,所提出的评价方法能够获得与主观感受一致的结果,并具有较好的有效性和可靠性。