基于多尺度失真感知特征的重定向图像质量评估

在不同宽高比显示设备上的图像观看体验通常受到图像重定向操作方法的影响。为了提高重定向图像主观感知与客观评估之间的一致性,提出了基于多尺度失真感知特征(MSDA)的客观重定向图像质量评估(RIQA)方法。语义失真和细节失真经常出现在图像的不同尺度上,因此从图像的不同尺度中提取失真感知特征。提出了一个描述原始图像和重定向图像之间的宽高比相似度(ARS)的精确度量。此外,使用视觉注意力融合图来模拟人类视觉系统对图像的主观关注度。在2个基准数据库上的实验结果表明,所提出的MSDA方法的肯德尔排名相关系数(KRCC)、皮尔逊线性相关系数(PLCC)和斯皮尔曼秩次相关系数(SRCC)指标分别比对比方法中最优方法提高4.1%、1.8%和4.5%。

考虑结构一致性和内容完整性的重定向图像质量评价

针对适应不同宽高比显示设备全屏显示的重定向图像的视觉质量问题,提出一种基于像素级结构一致性和内容完整性的重定向图像质量评价模型.该模型首先使用后向配准,建立重定向图像和参考图像之间的像素级对应关系;其次考虑到注意力转移的问题,采用像素级宽高比相似性偏差指数计算重定向图像在显著区域和全局的结构一致性,并利用图像组成变化获取图像内容完整性;最后通过内容完整性和结构一致性的线性组合实现重定向图像质量评价.实验结果表明,提出的模型不仅对重定向图像质量评价的效果好,而且可以在内容完整性和结构一致性的二维评估图中观察不同重定向算法的行为,适用于重定向算法比较、选择和优化.

一种基于显式SURF特征保留的图像重定向算法

图像重定向是一种通过调整图像大小,使其适合于任意显示终端高宽比的数字媒体处理技术。现有的图像重定向研究大多集中在重要对象的形状保持上,而对人类视觉系统敏感的图像关键特征缺乏充分考虑,导致视觉接受度较低。由此,提出了一种新的基于显式的SURF特征保留的图像重定向算法。不同于一般的基于顶点或轴对齐的网格编码形式的网格变形技术,该方法采用基于网格边的网格变形技术。首先定义一个仿射矩阵,使得每条网格边根据仿射矩阵进行变形,从而形成一个基本的基于网格边的变形模型;然后通过SURF特征检测得到SURF特征区域,再将网格边范围约束至SURF特征区域,以此达到特征保留的效果;最后得到一个新的网格变形模型。另外,通过在基本网格变形模型的基础上设置一个稀疏能量项,即给每条网格边赋初始权重以使网格线彼此稀疏,来解决网格线自交的问题;而且在必要时在迭代求解的过程中还可更新此权重。通过实验将所提方法与两种现有的图像重定向方法进行图像质量评估,结果表明所提方法能够在图像重定向过程中最小化失真,同时产生较好的视觉效果,得分增益最高可分别达到16.0%和9.7%。