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.

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。

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。

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。

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。

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。

一种基于SSIM的非局部均值图像去噪算法

非局部均值滤波（Non-Local Means，NLM）是一种有效的图像去噪算法。但它仅利用了图像的表面特征而忽略了图像的结构信息，其相似度量标准泛化能力差，相似集合的准确性低。笔者提出一种基于结构相似度（Structure Similarity，SSIM）全参考模型的非局部均值图像去噪方法。由于SSIM能够更好的描述图像块的全局特征和结构特征，基于此模型的相似度量具有较强的泛化能力。实验结果证明，此方法对自然图像的去噪效果优于传统的NLM算法。

基于SSIM相似度的图象修复

利用样本块技术修复图象时,存在失误率较高和算法运行速度过慢等弊端,本文提出基于SSIM相似度的图象修复方式。首先以Patchmatch算法为基础,修改相似度的定义,用插值方法自动填补在每一层金字塔的空缺;再引入SSIM相似性度量方式,使误差判断标准更具合理性;最后重新设置传播方式,在保证时间效率的同时提高图象修复质量。结果表明本文提出的方法在修复结果上具备较好的视觉连通性,在运算效率上,修复时长也有所降低。

基于记忆单元与多尺度结构相似性的异常检测

针对基于记忆单元的自编码器模型(Dynamic Prototype Unit Model,DPU)在检测视频异常时没有充分利用多层次特征、未考虑异常与正常事件间的结构性差异的问题,提出融合多尺度记忆模块和多尺度结构相似性的异常检测模型.新模型构建了多尺度记忆模块(Multi Scale Memory Module),利用不同尺度空间的记忆单元对编码层特征进行编码,并将编码结果与解码层特征拼接,既能保留网络的浅层细节信息,又能促进正常模式的多样性.为了约束对正常事件中结构信息的学习,组合多尺度结构相似性(Multi Scale Structure Similarity Index,MS-SSIM)误差与误差作为目标函数,使预测视频中的事件结构更接近正常事件,提高视频中异常事件的预测误差.在标准数据集UCSD Ped1、UCSD Ped2和Avenue数据集上的实验结果表明,提出模型的帧级AUC比原模型分别提高了0.8%、3.4%和1.0%,帧率达到142.9 fps.

基于DCGANs的半片光伏组件电致发光图像增强技术

针对半片光伏组件电致发光(electroluminescence,EL)缺陷自动识别过程中训练用样本不足导致模型过拟合的问题,采用深度卷积生成对抗网络(deep convolutional generative adversarial networks,DCGANs)生成可控制属性的半片光伏组件EL图像,再采用多尺度结构相似性(multiscale structural similarity,MS-SSIM)指标对生成的EL图像与拍摄的EL图像之间的相似程度进行了评估。评估结果得到,使用DCGANs生成的所有类型半片光伏组件的EL图像与拍摄的EL图像的MS-SSIM指标都大于0.55,大部分的MS-SSIM值在0.7附近。在分类模型的训练过程中,测试集准确率随着训练集中生成图像数量的增加而升高,当生成图像数量达到6 000张时,测试集准确率达到97.92%。实验结果表明,采用DCGANs能够生成高质量且可控制属性的半片光伏组件EL图像,较好地解决因缺少训练样本而导致的模型过拟合问题。

改进暗通道先验和策略性融合的图像去雾算法

针对图像去雾领域的暗通道先验算法存在光晕效应、颜色失真及对天空区域处理不佳等问题,提出一种改进暗通道先验和策略性融合的图像去雾算法。依据暗通道先验原理得到多尺寸最小值滤波窗口下的透射率和对应大气光值,设计基于结构相似性指标的调节和侧重因子用于多窗口透射率拟合。利用非线性规划模型和偏度理论计算全局大气光值,引入并调整置信度对天空区域的透射率进行快速补偿,结合大气散射模型恢复去雾图。将去雾图转换成HSV模型并对亮度V空间进行增强,同时对增强前后的图像进行策略性融合。实验结果表明,相比于现有的暗通道先验去雾算法,该算法的可见边增率、信息熵和平均梯度分别提升了79%~131%、3%~9%、39%~81%,具有较好的去雾效果,避免了光晕效应和颜色失真现象,适用于处理包含不同尺寸天空区域的雾图。

Paired regions for shadow removal approach based on multi-features

The existence of shadow leads to the degradation of the image qualities and the defect of ground object information.Shadow removal is therefore an essential research topic in image processing filed.The biggest challenge of shadow removal is how to restore the content of shadow areas correctly while removing the shadow in the image.Paired regions for shadow removal approach based on multi-features is proposed, in which shadow removal is only performed on related sunlit areas.Feature distance between regions is calculated to find the optimal paired regions with considering of multi-features(texture, gradient feature, etc.) comprehensively.Images in different scenes with peak signal-to-noise ratio(PSNR) and structural similarity(SSIM) evaluation indexes are chosen for experiments.The results are shown with six existing comparison methods by visual and quantitative assessments, which verified that the proposed method shows excellent shadow removal effect, the brightness, color of the removed shadow area, and the surrounding non-shadow area can be naturally fused.

基于扩展梯度相似度的自适应图像质量评价算法研究

客观图像质量评价使用特定的数学模型使图像评价结果与主观评价一致。提出一种自适应的扩展梯度图像质量评价算法(AE-GSSIM),使用扩展梯度算子从多个方向计算图像梯度幅值,然后在梯度图像上定义并计算梯度相似度;考虑到亮度失真对图像质量的影响,为梯度相似度与亮度相似度设置不同的权重,使亮度相似度随梯度相似度自适应变化;最后,采用算术平均池化策略计算图像评价结果。在4个公开图像库中进行的实验表明,AE-GSSIM算法优于传统的评价算法,更加符合人眼视觉感知结果。

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。