基于视觉特性的无参考图像质量评价算法

针对传统无参考图像质量评价算法特征单一、需主观评价结果参与训练和对比度失真图像性能差等问题,提出一种结合颜色和纹理特征及视觉特性的改进算法。首先,为待评价图像构造一幅伪参考图像;其次,依据视觉特性将二者划分为主要与次要感兴趣区域,进一步将区域细化为更小的块并提取其中不同的颜色特征与纹理特征以建立多元高斯模型;最后,计算二者主要感兴趣区域之间、次要感兴趣区域之间的模型参数距离,作为质量分数评价图像的好坏。在公开数据集SPAQ和CSIQ上与传统算法QAC、NIQE、IL-NIQE等进行比较,计算线性皮尔森系数、斯皮尔曼秩相关系数、均方根误差等质量评价指标,实验结果表明所提算法优于传统算法。

全色/多光谱融合影像的MVG无参考质量评价

同时具有高空间分辨率和高光谱保真度的全色/多光谱融合影像具有广泛的应用前景。然而,一方面全色/多光谱融合方法通常会产生不同的空间畸变或光谱失真;另一方面,受卫星成像系统限制,无法获取真实高空间分辨率多光谱参考影像,因此,如何在无真实参考影像情况下有效评估融合影像质量具有重要意义。为此,本文提出了一种基于多元高斯模型(MVG)的全色/多光谱融合影像无参考质量评价方法,本方法基于全色/多光谱遥感影像融合大型数据库,构建了包含多种卫星类型和专题地物的基准数据集、测试数据集、验证数据集,用于MVG模型设计、测试、验证;在此基础上,充分考虑融合影像的空间畸变和光谱失真,针对性提取影像的空间和光谱敏感特征,通过大量空、谱特征的MVG模型训练拟合,建立基准MVG评价模型,此外,在基准MVG训练中,选择高方差子影像进行模型训练,以增强模型的稳健性;最终,以基准MVG模型与融合影像MVG模型之间的相对距离计算融合影像质量。实验结果表明,本研究方法相较于传统无参考质量评价方法具有一定优越性,有利于全色/多光谱融合影像质量评价的应用研究。