图像所包含的信息是通过灰度值在空域的变化呈现的.梯度是度量变化的基本工具,这使得梯度成为了目前大多数图像质量评价算法的重要组成部分.但是梯度只能度量局部变化,而当人类视觉系统(Human visual system,HVS)感知一幅图像时,既能感...图像所包含的信息是通过灰度值在空域的变化呈现的.梯度是度量变化的基本工具,这使得梯度成为了目前大多数图像质量评价算法的重要组成部分.但是梯度只能度量局部变化,而当人类视觉系统(Human visual system,HVS)感知一幅图像时,既能感知到局部变化,也能感知到全局变化.基于HVS的这一特性,本文提出了一种结合全局与局部变化的图像质量评价算法(Global and local variation similarity,GLV-SIM).该算法利用Grünwald-Letnikov分数阶导数来度量图像的全局变化,利用梯度模来度量图像的局部变化.然后结合二者计算参考图像和退化图像之间的相似度谱(Similarity map),进而得到图像的客观评分.在TID2013、TID2008、CSIQ与LIVE四个数据库上的仿真实验表明,较之单一度量局部变化的方法,本文算法能更准确地模拟HVS对图像质量的感知过程,给出的客观评分与主观评分具有较好的一致性.展开更多
文摘图像所包含的信息是通过灰度值在空域的变化呈现的.梯度是度量变化的基本工具,这使得梯度成为了目前大多数图像质量评价算法的重要组成部分.但是梯度只能度量局部变化,而当人类视觉系统(Human visual system,HVS)感知一幅图像时,既能感知到局部变化,也能感知到全局变化.基于HVS的这一特性,本文提出了一种结合全局与局部变化的图像质量评价算法(Global and local variation similarity,GLV-SIM).该算法利用Grünwald-Letnikov分数阶导数来度量图像的全局变化,利用梯度模来度量图像的局部变化.然后结合二者计算参考图像和退化图像之间的相似度谱(Similarity map),进而得到图像的客观评分.在TID2013、TID2008、CSIQ与LIVE四个数据库上的仿真实验表明,较之单一度量局部变化的方法,本文算法能更准确地模拟HVS对图像质量的感知过程,给出的客观评分与主观评分具有较好的一致性.