2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩137頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、隨著數(shù)字圖像和視頻越來越廣泛地深入到人們的生活中,人們對圖像質(zhì)量的要求也越來越高。圖像處理技術(shù)的每一個環(huán)節(jié)都不可避免地帶來不同程度的失真,降低圖像質(zhì)量。因此,快速、準(zhǔn)確地評價圖像質(zhì)量就顯得越來越重要。圖像質(zhì)量評價方法分為主觀評價方法和客觀評價方法,主觀評價方法與主觀感知相符,但耗時多、費(fèi)用高,可重復(fù)性差。相對于主觀評價方法,客觀評價方法具有操作簡單、成本低、易于嵌入等優(yōu)點(diǎn),已經(jīng)成為圖像質(zhì)量評價的研究重點(diǎn)。為了獲得與主觀感知相吻合、快速有

2、效的圖像質(zhì)量客觀評價方法,本論文提出了一種基于各維特征顯著性加權(quán)融合的視覺注意計(jì)算模型,并在全參考客觀圖像質(zhì)量評價方法中引入選擇性視覺注意機(jī)制的指導(dǎo)作用,提升主、客觀評價結(jié)果的一致性。本研究主要內(nèi)容包括:
 ?、努F(xiàn)有的自底向上視覺注意計(jì)算模型對各維底層特征顯著性通常進(jìn)行均值或求和處理,計(jì)算圖像的最終視覺顯著圖。然而,不同的特征具有不同的物理意義,引起的視覺關(guān)注度未必相同。提出一種基于各維特征顯著性加權(quán)的融合策略,定量描述人眼的選擇

3、性視覺注意機(jī)制?;谠摬呗?,算法首先計(jì)算各維特征顯著性對圖像的最終視覺顯著圖的貢獻(xiàn)力,然后對具有明顯貢獻(xiàn)力的特征顯著性加權(quán)融合,計(jì)算最終的視覺顯著圖?;陂_源的CIM眼動數(shù)據(jù)集和人工標(biāo)注Achanta數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明,所提的顯著性模型具有明顯優(yōu)勢,能有效抑制雜亂目標(biāo)、凸顯輪廓、降低誤判率,更加符合人眼視覺特性。
 ?、撇煌瑘D像區(qū)域的視覺重要性并不一樣,圖像的顯著區(qū)域的質(zhì)量對整體圖像質(zhì)量起著至關(guān)重要的作用。為了體現(xiàn)人眼的主動視覺

4、在圖像質(zhì)量感知時的引導(dǎo)作用,提出一種融合了視覺顯著性圖譜和圖像失真圖譜的灰度圖像質(zhì)量評價方法。算法采用圖像的梯度圖和顯著圖的相似性函數(shù)計(jì)算圖像的結(jié)構(gòu)失真,并基于視覺顯著性對圖像的結(jié)構(gòu)失真指數(shù)進(jìn)行加權(quán),對于不同關(guān)注度的圖像區(qū)域,賦以不一樣的權(quán)重,得到最終的圖像質(zhì)量。開源LIVE數(shù)據(jù)集的評測結(jié)果表明,本文所提的灰度圖像質(zhì)量評價方法具有較好的精確度和較低的計(jì)算成本,與人眼的主觀評價結(jié)果更吻合。評測結(jié)果也表明,本文所提的灰度圖像質(zhì)量評價算法在快

5、衰減失真類型和高斯模糊失真類型圖像的評價性能具有顯著優(yōu)勢,但在JPEG2000壓縮失真類型圖像的質(zhì)量評價上沒有明顯的優(yōu)勢。
 ?、窃谒岬幕叶葓D像質(zhì)量評價方法基礎(chǔ)上,基于人眼感知過程中顏色視覺特性,本文提出了一種考慮失真過程顏色信息丟失的彩色圖像質(zhì)量評價方法。算法采用YUV均勻顏色空間,通過綜合明度、色度、梯度圖的相似性函數(shù)計(jì)算彩色圖像的結(jié)構(gòu)失真,并基于像素點(diǎn)的視覺顯著性加權(quán)圖像的結(jié)構(gòu)失真指數(shù),計(jì)算最終的圖像質(zhì)量。開源LIVE數(shù)據(jù)

6、集的評測結(jié)果表明,所提的彩色圖像質(zhì)量評價方法雖然性能略遜于當(dāng)前性能最好的FSIMc算法,但計(jì)算復(fù)雜度顯著降低。評測結(jié)果也表明,本文所提的彩色圖像質(zhì)量評價方法在快衰減失真圖像和白噪聲失真圖像的質(zhì)量評價性能突出,但在JPEG2000壓縮失真類型圖像的質(zhì)量評價上沒有明顯的優(yōu)勢。同時,LIVE和TID2013數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果也驗(yàn)證了視覺顯著區(qū)域的顯示質(zhì)量對整體圖像質(zhì)量的影響。實(shí)驗(yàn)結(jié)果表明,采用視覺顯著性模型加權(quán)后各個算法的評價性能均有所改善,尤

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論