论文部分内容阅读
图像质量评价在图像处理中占据着非常重要的位置。图像质量评价主要分为主观质量评价和客观质量评价,由于主观质量评价耗时、昂贵且在实时图像处理系统中不便于集成,因此研究简单、可靠、高效又与人类视觉特性相一致的客观质量评价方法成了图像质量评价研究中的重点和热点。本文在分析当前质量评价方法所存在的不足以及技术难点的基础上,针对全参考图像质量评价中的特征提取和合并策略以及无参考图像质量评价中的特征提取问题进行了相关研究。本文所做的主要工作和创新性成果如下:(1)提出一种基于全局视觉显著性和局域对比度的有参考图像质量评价方法。首先分别计算参考图像和失真图像局域对比度相似度图和全局视觉显著相似度图,然后采用标准方差加权合并策略来得出整幅图像的质量测度,在三大数据库(LIVE、TID2008、CSIQ)以及遥感专家评分库上的实验显示,所提出的算法快速高效,比较适用于实时图像质量评价系统。(2)提出一种基于梯度幅度相似性和全局自然场景统计模型的无参考图像质量评价方法。首先提取归一化后系数的统计模型参数作为自然场景统计特征,提取基于邻域梯度相似度的统计特征作为相关感知特征。采用支持向量回归来构建图像特征与人的主观分数的映射关系,进而根据所提取失真图像的特征来预测图像质量。实验结果显示所提算法预测的质量分数与人的主观分数具有较高的一致性,鲁棒性较好,运行时间较短,综合性能较好。(3)提出了一种基于互补感知特征和局域自然场景统计模型特征相结合的无参考图像质量评价方法。首先在空间域上提取显著分块的36个自然统计特征,然后提取基于相位一致性熵、基于相位一致性均值、梯度均值以及失真图像的熵四个感知特征,最后采用支持向量机回归的学习方式来构建图像特征与人的主观分数的映射关系,进而根据所提取失真图像特征预测图像质量。实验表明所提算法具有较高的评价准确率,符合人眼对失真图像的主观感受。(4)提出一种基于深度学习的无参考图像质量评价方法。首先对图像进行局域归一化,然后采用两阶段的主成分分析网络来自动提取特征,最后采用支持向量回归进行构建质量评价模型,用训练后的模型来预测图像质量分数。通过实验验证所提算法预测的质量分数与人的主观一致性比较高。