基于視覺注意和自然場景統(tǒng)計(jì)的圖像質(zhì)量評(píng)價(jià)研究.pdf

1、隨著信息技術(shù)的高速發(fā)展，圖像在人類獲取信息中扮演著越來越重要的角色，圖像質(zhì)量關(guān)系著獲得信息的充分性及準(zhǔn)確性。圖像在獲取、處理、傳輸及保存等過程中，因各種因素影響將不可避免產(chǎn)生降質(zhì)問題，這給信息捕獲及圖像后續(xù)處理造成極大困難，于是創(chuàng)建高效的圖像質(zhì)量評(píng)估方法具有十分重大的意義。由于圖像最終由人眼視覺系統(tǒng)(Human Visual System,HVS)觀測，因此如果在評(píng)價(jià)過程中把HVS的影響考慮進(jìn)去將會(huì)有效提升客觀評(píng)價(jià)與主觀評(píng)價(jià)的一致性。同

2、時(shí)，自然場景統(tǒng)計(jì)特性(Natural Scene Statistics,NSS)作為圖像的本質(zhì)屬性，其變化與圖像質(zhì)量密切相關(guān)，因此本文主要以HVS和NSS為基礎(chǔ)，在無參考圖像時(shí)和有參考圖像時(shí)對(duì)圖像質(zhì)量進(jìn)行準(zhǔn)確評(píng)估。論文主要研究內(nèi)容及成果如下：
　　1.提出了一種基于離散余弦變換（Discrete Cosine Transform，DCT）和稀疏表示的無參考型質(zhì)量評(píng)價(jià)方法，主要用于解決未知參考圖像時(shí)，不能對(duì)多種失真類型的圖像質(zhì)量進(jìn)行

3、準(zhǔn)確評(píng)估的問題。該方法根據(jù)圖像保持自然性的程度來對(duì)其質(zhì)量進(jìn)行評(píng)判，由于DCT系數(shù)分布情況是重要的NSS特征，其變化情況與失真強(qiáng)度及類型密切相關(guān)，利用其分布擬合參數(shù)作為特征，結(jié)合稀疏表示和聚類分析方法對(duì)圖像特征信息高效建模進(jìn)而實(shí)現(xiàn)質(zhì)量評(píng)價(jià)，LI VE2中實(shí)驗(yàn)證明，該算法可在無參考圖像時(shí)對(duì)多種失真類型圖像進(jìn)行質(zhì)量評(píng)估，且與主觀結(jié)果保持高度一致。
　　2.提出了一種基于邊緣信息的全參考型圖像質(zhì)量評(píng)價(jià)方法。由于以往客觀評(píng)價(jià)方法通常不考慮視

4、覺系統(tǒng)特性，而生理學(xué)證明人眼觀測圖像時(shí)往往更能抓住邊緣信息的變化，因此我們利用 HVS這一特性對(duì)經(jīng)典結(jié)構(gòu)相似性測度（Structural SIMilarity，SSIM）進(jìn)行改進(jìn)。該算法首先提取參考圖像和失真圖像的邊緣信息（包括邊緣方向、梯度及梯度對(duì)比度等），結(jié)合圖像亮度信息獲取圖像質(zhì)量。LIV E2中實(shí)驗(yàn)證明，本算法與其他大多數(shù)全參考算法相比，除白噪聲類型外對(duì)其他失真類型圖像質(zhì)量的預(yù)測結(jié)果與主觀判斷都能保持高度一致，且算法復(fù)雜度較低。