论文部分内容阅读
近几年,随着世界上众多学者的不断的努力和探索,图像质量评价模型有了明显的改善。然而,随着图像处理技术的蓬勃发展,已有的图像质量评价模型仍然能够进一步改进,从而性能更好。本文对全参考图像质量评价方法进行了重点研究,分析了当今几种比较流行的图像质量评价模型各自的特点,并且在SSIM模型的基础上提出了两种新的图像质量评价算法模型。主要工作如下:1.分析了四种当今比较流行的图像质量评价模型,指出了各自的特点以及优缺点,并且详细介绍了LIVE图像数据库以及自然统计学的相关知识。比较了皮尔逊相关系数以及斯皮尔曼序列相关系数的特点,提出了皮尔逊相关系数在衡量图像质量评价模型时比斯皮尔曼序列相关系数更重要。2.通过对人眼视觉系统特性的分析,发现人眼在观测图像时倾向于关注感兴趣的区域而忽视不感兴趣的区域。在此特性的基础上,本文首先提出了一种新的基于兴趣区域的图像分割策略,实验表明该分割策略符合人眼视觉系统特性。然后在此分割策略的基础上,对SSIM评价模型进行适当的改进,提出了一种新的基于兴趣区域的图像质量评价模型(ROI-SSIM),在LIVE图像库上验证了所提出的新的图像质量评价模型更为有效。3.在对Contourlet变换详细研究的基础上,提出了一种基于Contourlet变换和SSIM相结合的图像质量评价模型(CSSIM)。首先,详细分析了Contourlet变换的各个步骤及其特性,为权衡算法精确度和时间复杂度之间的矛盾,选取了适当的分解层数以及级数。然后,根据人眼对图像中低频部分比高频部分敏感这一特性,对分解的每一层选取适当的权值。最后,根据以上的理论对SSIM模型进行改进,提出了CSSIM模型,并在LIVE图像库上验证了改进算法的有效性。