医学图像质量评价中的梯度加权SSIM

Zhou Wang等人提出了著名的图像客观质量评价方法:结构相似度(SSIM),其理论基础是人眼视觉系统能高度自适应地提取场景中的结构信息,大量实验证明SSIM的评价性能多优于PSNR(或MSE)。然而,由于视觉掩盖效应的影响,且SSIM规避了HVS底层视觉特性,直接导致SSIM的评价常与主观评价不符。在深入研究SSIM算法的基础上,根据人眼视觉的掩盖效应之特性,提出图像中不同区域的失真程度引导的权值设计方案:基于梯度加权的SSIM图像质量评价方法(GWSSIM)。实验结果表明,GWSSIM的图像质量评价准确性高于PSNR和SSIM,尤其适用于医学图像。

基于SSE和SSIM的H.264帧内预测模式选择改进算法

在H.264的帧内预测模式选择过程中,率失真优化(RDO)的失真测度用当前编码块和预测块之间的平方误差和(SSE)或绝对误差和(SAD)来度量,而这两种失真测度被证明不能很好地符合人眼视觉(HVS)。该文参考软件JM16.2,提出了联合SSE和结构相似度(SSIM)作为失真测度用于RDO的方法(CSSRDO)。算法首先找到SSIM和码率的近似关系,然后综合以SSE作为失真测度的RDO函数,并结合人眼视觉特性,建立了联合SSE和SSIM作为失真测度的RDO模型。实验表明,将CSSRDO用于H.264帧内预测模式选择获得了比JM16.2更高的编码效率和更好的重建图像质量。

基于SSIM算法的动态空化图像处理

在空化水洞实验中,需要从大量的数字图像中准确获取空化区域的外形、波动周期等重要信息。首先对比了几种常见的图片边缘提取算法,并选择Canny算子提取空泡结构信息,进而研究了采用SSIM算法对空化图像进行分析的可行性,并通过合理调节结构相似度的比重获得更好的效果。此外,设计了图像的循环批处理程序,该程序通过Matlab编程实现。运算结果表明,采用结构系数为主要特征的相关系数进行分析,更能准确获取空化区域的外形、波动周期等重要信息,更有利于对空化形态进行动态分析。针对一组空化数为0.4的高速摄像图像,该相关系数在0.315~0.375之间变化,空化波动频率约为115 Hz。

基于支持向量回归的无参考MS-SSIM视频质量评价模型

多尺度结构相似度(multi-scale structural similarity,MS-SSIM)是一种常用的全参考视频质量评价准则,由于评价时需要原始视频作为参考,因此无法用于实时的网络视频质量评价中,故提出一种基于H. 264码流的无参考MS-SSIM视频质量评价模型.该模型从H. 264码流中提取出I帧和P帧的编码模式、运动矢量等参数,然后对这些参数进行统计分析,来表征视频的纹理丰富程度和运动剧烈与复杂程度;结合量化参数等信息构成码流特征参数集,使用支持向量回归(support vector regression,SVR)方法建立码流特征参数和MS-SSIM之间的映射关系模型,用于预测H. 264码流的MS-SSIM视频质量度量.该模型只使用从H. 264码流中提取的编码参数,无须原始的参考视频,也无须对视频进行解码.与现有的无参考码流预测模型相比,该模型可以获得更高的预测精度.

频率与方向敏感SSIM的图像质量评价方法

将人眼视觉对比敏感度的空间频率及方向特性,引入到结构相似度(SSIM)计算中,提出一种对频率与方向敏感度加权的结构相似度评价方法。对图像进行多级小波分解并计算各个子带的SSIM值,根据子带能量比重,对同一分解级下不同方向的子带SSIM值进行加权,以对比敏感度函数(CSF)的方向敏感性,根据CSF的子带响应对各个分解级进行加权,显示CSF的频率敏感性。在LIVE2及TID2008图像质量数据库上的仿真结果表明,与其他图像质量评价方法相比,该方法评价结果与主观评价具有较好的一致性。

基于趋势面与SSIM的时空数据相似度算法

针对空间位置固定而属性值趋势变化的时空数据相似度评判问题,在采用Biharmonic样条建立趋势面的基础上,提出一种新的时空数据相似度算法。利用网格抽取和色阶映射形成趋势面图像,将时空数据趋势状态表征为图像的结构信息,以趋势面图像之间的相似度来表征时空数据的相似度,并通过结构相似性给出时空数据结构相似度评价方案,实现时间维度的相似度合成,避免传统依靠向量空间分析的片面性,为一定时间窗口下的时空数据相似度分析提供解决方案。实验结果表明,该算法能够有效刻画时空数据所蕴含的趋势信息,提高该类时空数据相似度算法的适用性。

基于TV与SSIM的图像质量评价方法

提出一种基于全变分(TV)模型与结构相似度(SSIM)的图像质量评价方法。对待评价图像进行主动定量加噪,得到降质图像,利用自适应的TV去噪模型得到消噪图像,采用SSIM方法对待评价图像与消噪图像进行全参考评价,得到待评价图像的无参考评价指标。采用标准测试图像和LIVE库的降质图像进行实验,结果表明,该方法可在无参考图像的条件下对图像质量进行评估,评价结果与主观评价结果具有较高的一致性。

基于SSIM和SAD的AVS帧内预测模式改进算法

在AVS帧内预测模式的选择过程中,以绝对误差和(SAD)作为失真度量,通过相应的i_sad代价函数进行选择,但是这种方法被证明不能很好地符合人眼视觉(HVS)。由于结构相似度(SSIM)算法相对简单,准确性好,优于传统的PSNR等方法,因此提出了将SSIM和SAD作为帧内预测模式选择的标准。实验表明,将SSIM和SAD用于AVS帧内预测模式选择,获得了比原AVS更好的重建图像质量和更高的编码压缩率。

改进SSIM图像评价系统的开发与应用

为了实现图像内容相关评价中的自动化,体现出一幅图像中不同内容的难易度,实现图像评价的智能化,开发了图像自动评价系统。将分水岭算法(Watershed Algorithm)和结构相似度(SSIM)理论相结合,提出了一种针对难易程度进行评价的算法WSSIM。通过随机选取5场实际考试进行检验,共计3173个样本。计算了人工评价与系统评价绝对误差,结果表明:所有的实验组中均有超过63.75%的样本绝对误差数值小于1.5,最大值达到74.26%,有超过84.41%的样本绝对误差数值小于2.5,最大值达到92.68%。统计结果表明:图像的自动评价结果与人工评价有比较好的一致性,标准差值小于人工评价,改进后的方法能使绝对误差数值小于1.5的样本数量平均提高2.77%。实验结果表明:该系统是有效的,经编译完成后,可在Windows7操作系统中直接运行。它能够为相关院校和等级考试中图像的自动评价提供帮助。

一种基于视觉注意模型的SSIM改进方法

图像质量评价是图像处理领域的一个研究热点。文中将视觉注意模型结合到传统结构相似度(SSIM)方法中,尝试将视觉注意机制的研究成果引入到图像质量评价领域,以获取更好的评价效果。新方法采用Itti视觉注意计算模型提取图像的全局显著图,然后用中介真值程度(MMTD)理论确定各局部窗口的权值,在评价过程中对显著程度高的区域给予更高的权重。实验结果表明改进后的MMTD-SSIM算法在感兴趣区域突出的图像质量评价中较传统SSIM算法更加准确有效,更加接近人类视觉的主观评价。

基于显著性区域检测的多尺度图像盲复原算法

针对大多数基于先验的盲图像去模糊算法耗时较长和显著边缘结构提取不理想的问题,提出一种基于显著性区域检测的多尺度图像盲复原算法。为了复原出更加清晰的图像,采用由粗略到精细的多尺度交替迭代框架构建图像金字塔。在图像单一尺度方面,首先提取出图像中具有强边缘结构的显著性区域,并对其施加l_(0)范数约束,提出显著映射先验;将显著性映射先验和最大后验概率相结合并引入传统图像去模糊模型中,构造出点扩散函数估算模型,利用半二次分裂算法解决模型的非凸问题;对点扩散函数进行复原时,利用点扩散函数相似度的变化量限制每个尺度中的过渡迭代;对模糊图像和最终估计的点扩散函数进行非盲解卷积,获得复原图像。实验结果表明:与现有的主流去模糊算法相比,新算法在合成数据集和真实数据集中都可以有效抑制振铃和伪影现象,得到了很好的视觉体验,且评价指标均优于对比算法,同时大大缩减了复原时间。

医学CT序列图像的混合去噪算法

医学CT(computer tomography)序列图像会因为各种原因而掺杂噪声,去噪能够有效地提高图像的质量.常见的去噪算法都是针对单张图像进行,考虑到CT序列图像之间具有很高的相似性,本文提出一种基于相邻图像结构相似性的混合去噪算法.该算法首先计算序列图像的最大和最小灰度值,根据灰度值绘制直方图,设定相关阈值参数,根据筛选之后的直方图计算窗宽窗位,然后进行调窗处理.之后计算目标图像与其前后相邻图像之间的结构相似性,最后根据结构相似性对3张图片混合使用BM3D和高斯滤波2种去噪算法.通过对比实验表明,该算法在均方误差、峰值信噪比和结构相似性三方面都有所提高,能够有效地提高图像质量.

融合注意力机制的GAN病虫害图像超分辨率重建

收集咖啡和柑橘病虫害样本图片,利用TensorFlow深度学习框架,在原始SRGAN(Super-resolution generative adversarial networks)的超分辨率重建网络里加入了注意力模块,对重建图像视觉质量和峰值信噪比(PSNR)、结构化相似性(SSIM)指标进行分析。结果表明,设计的模型和原始SRGAN模型对比之后峰值信噪比提高了2.23,结构相似性提高了7%。在细节纹理方面可以获得更好的视觉效果,重建后的图像识别准确率提高了约4.42个百分点。因此,设计的模型可以对小样本性质的植物病虫害样本进行扩充。

基于图像的航天业务软件Web UI自动化测试方法

当前航天业务繁重,如何高效准确地完成相关软件的测试尤为重要。设计了一种基于图像的航天业务软件Web UI自动化测试方法。该方法以用户视角进行自动化测试,使用YOLOv8模型检测被测Web软件截图,识别出表格、折线图和导航按键(包括导航菜单、面包屑、按钮等按键)3类网页元素。之后利用Selenium工具自动测试导航按键元素的可访问性,使用文字识别技术PaddleOCR、结构相似性(Structural Similarity, SSIM)指数算法分别测试表格元素和折线图元素信息的正确性,并生成测试报告。该方法可移植性好,能够自动为Selenium提供元素定位,改善Selenium脚本易失效的问题,并且可以自动检查图表数据的正确性。实验结果表明,该方法能够覆盖90%的测试用例,可检测具体错误位置和相关信息,显著减少了手动测试工作量,提高了测试效率。

有监督深度学习的地震资料提高分辨率处理方法

地震资料分辨率直接影响后续处理和解释成果精度,因此备受关注。深度学习方法具备自动提取深层特征和出色的非线性逼近能力,在反问题求解中广泛应用。在地震勘探领域,深度卷积网络中的卷积算子与地震数据的褶积模型相吻合,因而有望通过智能化手段显著提升地震资料的分辨率。目前,针对卷积神经网络提高地震资料分辨率方面的研究发展迅速,但问题的核心在于设计适合、有效的网络结构和损失函数。为此,提出一种基于强监督学习的地震资料高分辨率处理方法。该方法充分利用地下结构的空间连续性,借鉴图像超分辨率重建的思想,设计了一种生成对抗网络结构,用以提高地震资料的纵向分辨率;同时,采用L1损失和多尺度结构相似性(MS-SSIM)损失相结合的损失函数提高感知质量,以提高网络的高分辨率处理效果。合成数据和实际地震数据的应用结果显示,相较于常规损失函数,文中采用的损失函数可以显著提升智能算法的处理效果,明显改善地震数据同相轴的连续性,且高频细节信息更丰富,验证了该方法的可行性和有效性。

基于结构相似度的轨迹聚类算法

针对目前轨迹数据聚类直接以整条轨迹数据作为基本单元,导致聚类效果降低的问题,提出了基于结构相似度的轨迹聚类算法。算法引入轨迹结构的概念,并给出结构相似度计算函数来分析轨迹内外部特征。首先根据转角将轨迹划分成若干轨迹段,然后通过计算轨迹段的结构相似度来判断轨迹的匹配程度,进而完成轨迹聚类。真实数据的实验结果表明:该算法较其他同类算法分析轨迹更全面、效率更高;可以通过不同参数灵活调整特征的敏感度,聚类结果更具有实际意义。

结构相似子序列快速聚类算法及其在奶牛发情检测中的应用

准确高效的奶牛发情检测技术能够提高其受胎率、缩短胎间距,是改善奶牛繁殖效率和提高经济效益的重要手段。规模化、集约化养殖环境下,众多学术与科学研究证实奶牛行为方式和活动量是判断其是否发情的重要指标。目前常用奶牛行为决策方法主要是针对单点数据进行行为分类,而奶牛运动传感数据是按照时间顺序采集的多元时间序列数据,因此该文提出基于结构相似度的子序列段快速聚类算法(SC-SS,subsequence clustering based on structural similarity),首先利用加速度一阶差分值将奶牛运动动态时间序列传感数据划分成若干子序列段,然后计算子序列段加速度值、能量、标准方差等特征结构相似度;最后根据各个子序列的结构相似度进行快速聚类。试验数据分析对比表明,SC-SS较常用K-means算法具有更高的运行效率,可更有效地完成奶牛行为分类,提高奶牛发情检测的准确率。

基于小波变换的图像融合算法研究

为提高不同聚焦图像的融合质量,提出一种基于小波变换的图像融合改进算法.利用小波变换将多聚焦图像进行多尺度分解,对分解后的高频系数与低频系数采用不同的选择方案,采用3×3滑动高斯窗口分别计算出待融合图像高频部分的相似度矩阵以及边缘能量矩阵,最后采用将结构相似度与图像边缘算子结合的融合算子对图像进行融合.结果表明,该改进算法极大地抑制了图像融合中振铃效应,有效避免了融合过程中的信息缺失,融合图像具有更好的视觉效果.

基于梯度信息的图像质量评判方法的研究

图像质量客观评判标准广泛应用于图像处理中,基于人眼视觉系统的客观评判方法一直是图像处理领域的研究热点.最近,Zhou Wang等人提出了基于结构信息的评判方法—结构相似度(SSIM),它的理论基础是人眼视觉系统能高度自适应地提取场景中的结构信息.SSIM方法简单、评判性能优于PSNR(或MSE).但随着研究的深入,我们发现SSIM算法存在着一些问题,特别是不能很好地评判模糊失真类的图像.本文提出两种基于梯度信息的图像质量评判方法—基于梯度的结构相似度(GSSIM)和基于边缘的结构相似度(ESSIM).实验结果表明,GSSIM能更好地符合人眼视觉系统特性,而ESSIM对于模糊图像则取得了最好的评判效果.

基于非局部均值滤波的SAR图像去噪

该文提出一种基于结构相似性指数(SSIM)的非局部均值(Non Local means,NL-means)滤波的合成孔径雷达(SAR)图像相干斑噪声抑制新方法。该方法用SSIM改进NL-means算法中小块相似性的度量,能利用结构信息来进行相干斑抑制。通过在真实SAR图像上的实验表明,与GammaMAP滤波、CHMT算法、BLS-GSM算法、NL-means滤波相比,此方法在有效去除相干斑噪声的同时能更好地保持边缘结构信息。