基于主成分分析法的圖像質(zhì)量評(píng)價(jià)方法研究.pdf

1、圖像既反映物體的客觀存在，又體現(xiàn)人的心理因素，是對(duì)客觀存在物體的一種相似性的生動(dòng)模仿或描述。由于圖像所承載的信息比其他形式信息更豐富，因此圖像重要性可見一斑，如何準(zhǔn)確地進(jìn)行圖像質(zhì)量評(píng)價(jià)具有重要的意義。人們希望找到逼近主觀評(píng)價(jià)結(jié)果的客觀評(píng)價(jià)方法作為評(píng)價(jià)圖像質(zhì)量和設(shè)計(jì)、改進(jìn)圖像系統(tǒng)的依據(jù)。本文分別針對(duì)不同的圖像進(jìn)行分析，因?yàn)椴煌瑘D像中對(duì)圖像質(zhì)量造成影響的圖像特征不一樣。在此基礎(chǔ)上，本文基于灰度圖像、彩色圖像和立體圖像進(jìn)行分析，分別提出了影響

2、不同圖像的不同特征，并采用不同的圖像質(zhì)量評(píng)價(jià)方法，分析研究評(píng)價(jià)結(jié)果。
　　本文第三章針對(duì)灰度圖像進(jìn)行分析，提取了影響灰度圖像質(zhì)量的9種特征信息，針對(duì)每一種特征信息，利用歐氏距離衡量失真圖像與原始圖像之間的相似性。為了降低計(jì)算維數(shù)，采用主成分分析法（Principal Component Analysis，PCA），從9種圖像特征中提取出了三種包含信息量大的、有意義的主成分，分析了三種主成分與主觀平均意見分?jǐn)?shù)法（Mean Opini

3、on Of Score，MOS）之間的皮爾遜（Pearson）和斯皮爾曼（Spearman）相關(guān)系數(shù)。再利用多元線性回歸，分析擬合得到圖像的線性回歸結(jié)果與MOS值之間的相關(guān)系數(shù)。實(shí)驗(yàn)證明基于主成分分析的圖像質(zhì)量評(píng)價(jià)方法對(duì)于灰度圖像質(zhì)量有良好的評(píng)價(jià)作用。
　　本文第四章針對(duì)彩色圖像進(jìn)行分析，提取了影響彩色圖像質(zhì)量的12種特征信息。首先對(duì)所有彩色測(cè)試圖像進(jìn)行分析。針對(duì)每一種特征信息，分別利用歐氏距離、曼哈頓距離、Canberra距離、

4、Chebyshev距離衡量失真圖像與原始圖像之間的相似性。采用主成分分析的方法，從12種圖像特征中提取出了4種主成分，分析了4種主成分與對(duì)應(yīng)MOS值之間的皮爾遜和斯皮爾曼相關(guān)系數(shù)。再利用多元線性回歸，分析擬合得到圖像的線性回歸結(jié)果與MOS值之間的相關(guān)系數(shù)。分析哪種顏色空間集中表現(xiàn)最好，對(duì)失真圖像較敏感。接著分別針對(duì)噪聲失真圖像和壓縮失真圖像做類似的處理。綜合分析實(shí)驗(yàn)數(shù)據(jù)，得到哪個(gè)顏色空間對(duì)于哪種失真最敏感，對(duì)于哪種距離的集中表現(xiàn)最好。<