基于频域互信息的全参考图像质量评价

通过在分块DCT域上计算原始图像和失真图像之间的互信息,提出了一种全参考图像质量评价方法。该方法首先将原始图像和失真图像转换到频域,然后在频域上计算其之间的互信息矩阵,并引入了下采样方法来实现对图像的多尺度分析,进而得到最终的反映图像质量的评价指标。实验表明,该方法符合人眼的视觉特性,具有很好的主观一致性。

基于图像相关性和结构信息的无参考图像质量评价

分析了非下采样Contourlet变换(NSCT)方向子带亲戚系数间和父子系数间的强相关性及其包含的结构信息,并基于图像发生失真会影响这些系数间的强相关性和结构信息的假设,提出了一种新的无参考图像质量评价(NR-IQA)方法。首先,分别计算NSCT方向子带亲戚系数间和父子系数间的互信息(MI),以此作为描述这些系数间相关性的统计特征;其次,分别计算NSCT方向子带亲戚系数间和父子系数间的结构相似度(SSIM),以此作为描述图像结构信息的统计特征;进而,结合这些系数间的MI和SSIM等统计特征,构造了相应的NR-IQA模型和图像失真类型识别模型;最后,在LIVE及LIVE Multiply Distorted图像质量评价数据库上进行了大量的实验仿真。结果表明,本文评价模型的评价结果与人类主观评价具有非常高的相关性,LIVE图像质量评价数据库上的斯皮尔曼等级相关系数和皮尔逊线性相关系数均在0.931以上。无论总体评价效果还是各失真类型评价效果,与当今主流评价算法相比非常具有竞争性;而且,失真类型识别模型的识别精度可以达到92.31%,明显高于这些主流算法。