基于圖像結(jié)構(gòu)特征的圖像質(zhì)量評(píng)價(jià)方法的研究.pdf

1、圖像在采集、存儲(chǔ)以及傳輸?shù)倪^(guò)程中，由于圖像采集設(shè)備、存儲(chǔ)設(shè)備、傳輸設(shè)備的影響，圖像的失真是無(wú)法避免的。因此，有一個(gè)穩(wěn)定可靠的圖像質(zhì)量評(píng)價(jià)算法能夠在圖像可能出現(xiàn)失真的環(huán)節(jié)對(duì)圖像的質(zhì)量進(jìn)行有效的監(jiān)控和反饋顯得極其重要。此外，在其它圖像處理過(guò)程（例如圖像恢復(fù)）中，圖像質(zhì)量評(píng)價(jià)方法可以用于定量地評(píng)價(jià)算法的優(yōu)劣。本文利用符合人類視覺(jué)系統(tǒng)（Human Vision System, HVS）特性的圖像特征對(duì)全參考圖像客觀質(zhì)量評(píng)價(jià)方法開展研究，旨在找到

2、一種既能更接近人的主觀評(píng)價(jià)結(jié)果并且高效穩(wěn)定的圖像質(zhì)量客觀評(píng)價(jià)方法。
　　根據(jù)圖像頻域相位譜數(shù)據(jù)比幅度譜數(shù)據(jù)包含了更多的圖像結(jié)構(gòu)信息這一特點(diǎn)，以及梯度特征在圖像質(zhì)量評(píng)價(jià)問(wèn)題中的有效性，結(jié)合結(jié)構(gòu)相似性理論和圖像顯著性特點(diǎn)，本文提出了一種基于圖像頻域特征和梯度特征的圖像質(zhì)量評(píng)價(jià)新方法（Image Quality Assessment based on Frequency Domain Feature and Gradient Featu

3、re,簡(jiǎn)稱為FGSIM）。該方法采用的圖像頻域特征是由幅度特征和相位特征線性組合而成，通過(guò)加大相位特征的線性組合系數(shù)，來(lái)體現(xiàn)相位特征的重要性。在此基礎(chǔ)上，又通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)：在頻域中，幅度值越大的地方所對(duì)應(yīng)的相位特征對(duì)圖像質(zhì)量評(píng)價(jià)的貢獻(xiàn)度越高，因此，本方法又利用頻域幅度譜數(shù)據(jù)對(duì)相位特征進(jìn)行了加權(quán)。為了利用人眼特性，本文提出了首先對(duì)R、G、B三個(gè)彩色分量分別計(jì)算質(zhì)量得分，然后根據(jù)人眼對(duì)顏色的敏感性函數(shù)對(duì)三個(gè)得分進(jìn)行加權(quán)平均的方法計(jì)算得到彩色圖

4、像的質(zhì)量得分。另外，還利用了圖像顯著性系數(shù)對(duì)圖像的局部得分進(jìn)行加權(quán)得到整個(gè)彩色圖像的得分。
　　根據(jù)圖像頻域相位譜數(shù)據(jù)中比幅度譜數(shù)據(jù)包含了更多的圖像結(jié)構(gòu)信息這一特點(diǎn)，以及梯度特征在圖像質(zhì)量評(píng)價(jià)問(wèn)題中的重要性，結(jié)合結(jié)構(gòu)相似性理論和圖像顯著性特點(diǎn)，本文提出了一種基于圖像頻域特征和梯度特征的圖像質(zhì)量評(píng)價(jià)方法(Image Quality Assessment based on Frequency Domain Feature and Gr

5、adient Feature, FGSIM）。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)：在頻域中，幅度值越大的地方所對(duì)應(yīng)的相位特征對(duì)圖像質(zhì)量的貢獻(xiàn)度越高。因此，利用頻域幅度譜數(shù)據(jù)對(duì)相位特征進(jìn)行了加權(quán)。另外，本文還針對(duì)已有的FSIMc模型的一點(diǎn)問(wèn)題進(jìn)行了分析，提出了首先對(duì)R、G、B三個(gè)彩色分量分別計(jì)算質(zhì)量得分，然后根據(jù)人眼對(duì)顏色的敏感性函數(shù)對(duì)三個(gè)得分進(jìn)行加權(quán)平均的方法得到彩色圖像的質(zhì)量得分。
　　由于機(jī)器學(xué)習(xí)算法具有強(qiáng)大的非線性擬合能力和自學(xué)習(xí)能力，本文引入了

6、廣義回歸神經(jīng)網(wǎng)絡(luò)(Generalized Regression Neural Network, GRNN)來(lái)構(gòu)建圖像特征與主觀質(zhì)量得分之間的映射模型。首先分別在R、G、B三個(gè)色度分量上提取圖像的相位特征、幅度特征和梯度特征。對(duì)比訓(xùn)練圖像和參考圖像的上述三類特征得到二者之間的相似性測(cè)度值，然后利用廣義回歸神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)一個(gè)相似性測(cè)度值與客觀評(píng)價(jià)得分的映射模型以計(jì)算測(cè)試圖像的客觀評(píng)價(jià)得分。該方法被稱為基于廣義回歸神經(jīng)網(wǎng)絡(luò)圖像質(zhì)量評(píng)價(jià)方法(Im

7、age Quality Assessment based on Generalized Regression Neural Network,簡(jiǎn)稱GIQA)。
　　本文針對(duì)上述提出的兩種方法，采用圖像質(zhì)量客觀評(píng)價(jià)研究中常用的三個(gè)數(shù)據(jù)庫(kù)（LIVE數(shù)據(jù)庫(kù)、CSIQ數(shù)據(jù)庫(kù)、TID2013數(shù)據(jù)庫(kù)）做了相應(yīng)的實(shí)驗(yàn)，以驗(yàn)證其有效性。實(shí)驗(yàn)主要以五種性能指標(biāo)的形式展現(xiàn)了文中所提方案的評(píng)價(jià)結(jié)果，并與目前國(guó)際上最有影響的三個(gè)全參考圖像質(zhì)量客觀評(píng)價(jià)模型（