基于人類(lèi)視覺(jué)系統(tǒng)的圖像質(zhì)量評(píng)價(jià)算法研究.pdf

1、圖像壓縮、傳輸及處理等過(guò)程使圖像產(chǎn)生不同的失真從而影響信息傳遞的質(zhì)量。因此，研究圖像質(zhì)量評(píng)價(jià)技術(shù)是極具意義的課題。圖像主觀評(píng)價(jià)方法對(duì)圖像質(zhì)量的評(píng)價(jià)具有直觀性，能準(zhǔn)確地反映人類(lèi)的感知質(zhì)量，卻以高耗時(shí)和高花費(fèi)為代價(jià)，且難以在實(shí)際中實(shí)施。圖像客觀評(píng)價(jià)方法速率高、花費(fèi)少、應(yīng)用廣泛且結(jié)果可重現(xiàn)。主觀評(píng)分是客觀評(píng)分的有效性驗(yàn)證?？陀^評(píng)價(jià)用來(lái)驗(yàn)證圖像處理系統(tǒng)的性能和優(yōu)化現(xiàn)有算法。與人類(lèi)視覺(jué)特性結(jié)合建立相應(yīng)視覺(jué)模型，進(jìn)一步分析研究圖像客觀質(zhì)量評(píng)價(jià)算法，

2、保證其與人類(lèi)感知質(zhì)量評(píng)價(jià)相一致，更具有說(shuō)服力，對(duì)研究人類(lèi)視覺(jué)系統(tǒng)（Human Visual System, HVS）具有重要的理論意義?；诖?，本文展開(kāi)了人類(lèi)視覺(jué)系統(tǒng)基礎(chǔ)上的圖像質(zhì)量評(píng)價(jià)算法研究。
　　首先，本文闡述了研究圖像質(zhì)量評(píng)價(jià)的背景及意義，綜述了研究基于 HVS的圖像質(zhì)量評(píng)價(jià)的意義及國(guó)內(nèi)外研究現(xiàn)狀，詳細(xì)介紹了與本研究有關(guān)的基本理論：圖像及其質(zhì)量、人類(lèi)視覺(jué)系統(tǒng)的組成及視覺(jué)機(jī)制特性、公開(kāi)圖像質(zhì)量數(shù)據(jù)庫(kù)和圖像質(zhì)量評(píng)價(jià)算法性能指標(biāo)

3、；探討了與所提算法有關(guān)的無(wú)線傳輸圖像失真問(wèn)題：塊效應(yīng)、模糊效應(yīng)、振鈴效應(yīng)及強(qiáng)度掩膜。然后，研究了一些經(jīng)典的客觀評(píng)價(jià)算法，并在公開(kāi)圖像數(shù)據(jù)庫(kù)上進(jìn)行性能比較，分析這些算法性能的優(yōu)劣，為所提算法奠定理論基礎(chǔ)。
　　其次，對(duì)圖像的結(jié)構(gòu)相似性進(jìn)行研究，提出了基于HVS內(nèi)在推導(dǎo)機(jī)制的多尺度結(jié)構(gòu)相似性（Multiple-scale StructuralSIMilaritybased on internal generative mechanis

4、m, iMSSIM）算法。對(duì)內(nèi)在生成機(jī)制建立逐段式自回歸（Piecewise AutoRegressive, PAR）模型，在iMSSIM算法中采用這一模型將失真和參考圖像分別分解成多尺度結(jié)構(gòu)相似形（Multiple-scale StructuralSIMilarity, MSSIM）算法評(píng)分的圖像內(nèi)容預(yù)測(cè)部分和采用 PSNR評(píng)分的圖像信息不確定部分，而后采用MSE進(jìn)行加權(quán)來(lái)聯(lián)合這兩部分評(píng)分得到最終結(jié)果。采用不同的性能指標(biāo)驗(yàn)證所提iMS

5、SIM算法和主觀評(píng)分的一致性，將iMSSIM算法在公共圖像數(shù)據(jù)庫(kù)上的仿真結(jié)果與現(xiàn)有算法對(duì)比，結(jié)果證明iMSSIM算法的性能得到進(jìn)一步改善。
　　最后，針對(duì) VIF算法對(duì)人眼不敏感部分度量能力的欠缺問(wèn)題，研究了無(wú)線傳輸圖像的失真特性，結(jié)合VIF對(duì)無(wú)線傳輸圖像評(píng)分的有效性以及HVS中的內(nèi)在生成機(jī)制，提出了基于內(nèi)在生成機(jī)制的視覺(jué)保真度（Visual Information Fidelity based on internal gener