基于感知特征的圖像質(zhì)量評(píng)價(jià)方法研究.pdf

1、圖像的最終接受者為人眼，而隨著軟硬件技術(shù)的發(fā)展，人們對(duì)圖像質(zhì)量的要求也越來(lái)越高。然而，圖像在處理過(guò)程中會(huì)無(wú)法規(guī)避地引入各種不同類型的失真，從而導(dǎo)致圖像質(zhì)量的下降。因此，研究圖像失真與圖像質(zhì)量的關(guān)系，進(jìn)而判斷失真對(duì)人眼主觀感受的影響，在現(xiàn)實(shí)環(huán)境中有重要的應(yīng)用。
　　本文在對(duì)圖像感知特征提出的基礎(chǔ)上，研究了圖像質(zhì)量的客觀評(píng)價(jià)方法，分別針對(duì)全參考型、模糊失真無(wú)參考型和通用無(wú)參考型提出了三種圖像質(zhì)量評(píng)價(jià)方法，具體研究?jī)?nèi)容如下：
　　

2、一、基于高斯差(DoG)能靈活地捕捉圖像的結(jié)構(gòu)和有效地表述各種失真類型的圖像，提出了一種基于多尺度結(jié)構(gòu)表達(dá)的全參考型圖像質(zhì)量評(píng)價(jià)方法。在尺度空間中，利用DoG信號(hào)來(lái)表示圖像的局部結(jié)構(gòu)變化。在不同的尺度中，分別比較DoG信號(hào)的相似度來(lái)評(píng)價(jià)圖像的質(zhì)量。同時(shí)結(jié)合人類視覺(jué)系統(tǒng)(HVS)特征，利用基于圖像信息內(nèi)容加權(quán)的方法計(jì)算得到圖像的最終質(zhì)量分?jǐn)?shù)。實(shí)驗(yàn)結(jié)果表明，該方法能準(zhǔn)確地評(píng)價(jià)圖像的質(zhì)量，且與主觀評(píng)價(jià)結(jié)果的一致性很高。
　　二、稀疏表示

3、已經(jīng)被證明與人腦處理信息的機(jī)制一致。在對(duì)圖像進(jìn)行稀疏分解時(shí)，稀疏表示系數(shù)的大小與圖像的清晰程度有直接關(guān)系。在此基礎(chǔ)上提出了一種基于稀疏表示的無(wú)參考圖像清晰度評(píng)價(jià)方法。首先利用自然圖像訓(xùn)練過(guò)完備字典。對(duì)待評(píng)價(jià)的圖像，首先進(jìn)行分塊處理并計(jì)算分塊的梯度和方差；然后采用字典對(duì)各分塊進(jìn)行稀疏分解，得到稀疏表示系數(shù)，進(jìn)而根據(jù)稀疏系數(shù)計(jì)算能量；最后利用方差對(duì)能量進(jìn)行歸一化處理，得到圖像的清晰度評(píng)價(jià)分?jǐn)?shù)。實(shí)驗(yàn)結(jié)果表明，該方法能準(zhǔn)確地評(píng)價(jià)圖像的清晰度，且

4、與主觀評(píng)價(jià)結(jié)果的一致性很高，性能優(yōu)于目前的主流算法。
　　三、由于圖像失真主要表現(xiàn)為圖像結(jié)構(gòu)的退化，而字典能較好地捕捉圖像中潛在的結(jié)構(gòu)，因此能有效地評(píng)價(jià)圖像的質(zhì)量。在此基礎(chǔ)上提出了一種基于梯度字典的通用無(wú)參考型圖像質(zhì)量評(píng)價(jià)方法。首先，用K-means聚類算法對(duì)自然圖像的梯度信息進(jìn)行訓(xùn)練得到梯度字典。然后，利用梯度字典對(duì)圖像進(jìn)行歐式范數(shù)編碼和最大值加權(quán)生成該圖像的特征。接著SVM算法對(duì)圖像特征及與之對(duì)應(yīng)的主觀分?jǐn)?shù)和失真類型分別訓(xùn)練得