论文部分内容阅读
随着移动互联网，云计算以及物联网等技术的快速发展，多客户端交互多媒体应用场合逐渐增多，客户端屏幕图像处理成为学术界研究热点。屏幕内容图像(Screen Content Images，SCIs)通常包括图像，文本和图案等媒体形式。屏幕图像在采集、编码、传输和显示过程中存在各种导致失真的因素使得人类获得的视觉感知效果降低。因此，如何准确评价屏幕图像质量是屏幕图像技术领域一个至关重要的问题。
图像质量评价有着非常广阔的研究前景。在图像采集系统中，可以根据图像质量评价的结果动态地监测和调整图像质量的状况；在网络数字服务业务中，可以利用图像质量评价模型实时地监测网络传输视频质量和数据流资源分配的状况；在视频编码中，可以为视频编码标准的发展建立先验理论知识。现有的图像质量评价方法研究的对象是自然图像。由于屏幕内容图像不同于传统自然图像的某些特征,传统自然图像质量评价方法不完全适用于屏幕内容图像。因此，需要研究实时准确的屏幕内容图像质量评价方法。
本文针对屏幕内容图像，基于人类视觉系统特性，提出了基于人眼视觉特性的屏幕内容图像质量评价方法,其中包括基于梯度相似度的屏幕内容图像质量评价方法、盲质量评价屏幕内容失真的方法、基于结构信息的屏幕内容质量评价方法，基于机器学习的屏幕内容质量评价方法。
根据人对屏幕内容图像的文本和图像区域有不同的视觉感知，本文从人类认知角度出发，结合结构退化原理，提出基于梯度量相似度的屏幕内容图像质量评价方法。该评价方法首先提出了一种能准确表达屏幕内容图像失真特性的梯度幅度计算方法；然后计算出测试屏幕内容图像的梯度幅值相似图；最后，整合结构退化测量,获得最终的屏幕图像质量指标。在SIQAD(Screen Image Quality Assessment Database)数据库的仿真实验结果表明,所提出的方法的性能明显高于其他屏幕图像质量评价方法的性能。
提出了一种盲屏幕内容质量评价方法。针对现有自然图像质量评价方法不能准确评价屏幕内容图像的问题，在人类感知原理的基础上，本文提出一种盲屏幕内容质量评价方法。提取22种具有自由能量，结构退化，对比度等特征；利用基于支持向量机(Support Vector Machine,SVM)的支持向量回归模型对屏幕图像质量进行预测。在SIQAD和QACS(Quality Assessment of Compressed Screen Content Images)数据库的仿真实验结果表明，所提出的度量指标表现出良好的性能。
提出了基于结构信息的无参考屏幕内容质量评价方法。针对难以有效地捕获屏幕内容图像失真特性的问题，在分析了局部图像清晰度、亮度和结构信息特征的基础上，本文提出一种基于结构信息的无参考屏幕内容图像质量评价方法。首先通过局部归一化，从亮度图中提取出统计亮度特征；然后利用Prewitt滤波器进行纹理特征提取,并计算出图像结构信息；通过计算离散小波变换系数的对数能量(Log-Energy)衡量图像锐化程度。最后，采用支持向量机SVM对屏幕内容图像进行质量评价。为了验证本文提出方法的有效性，在主观SIQAD数据库中进行了比较实验。实验结果表明，本文提出的方法具有较好的性能，且优于其他现有的评价方法。
提出了基于机器学习的无参考屏幕内容质量评价方法。为了描述和预测屏幕内容图像的视觉质量,本文分析了屏幕内容图像的结构退化特征，结构和梯度信息及高斯分布特性，提出了基于机器学习的无参考图像质量评价方法。首先提取了屏幕内容图像的结构退化特征，结构和梯度信息及高斯分布特性，然后应用支持向量机SVM对从特征向量到主观质量分数的映射函数进行了训练，获得屏幕内容图像质量评价分数。通过在主观SIQAD数据库进行测试验证本文所提方法的有效性。结果表明，与其他现有的评价方法相比，所提出的方法具有良好的性能。
图像质量评价有着非常广阔的研究前景。在图像采集系统中，可以根据图像质量评价的结果动态地监测和调整图像质量的状况；在网络数字服务业务中，可以利用图像质量评价模型实时地监测网络传输视频质量和数据流资源分配的状况；在视频编码中，可以为视频编码标准的发展建立先验理论知识。现有的图像质量评价方法研究的对象是自然图像。由于屏幕内容图像不同于传统自然图像的某些特征,传统自然图像质量评价方法不完全适用于屏幕内容图像。因此，需要研究实时准确的屏幕内容图像质量评价方法。
本文针对屏幕内容图像，基于人类视觉系统特性，提出了基于人眼视觉特性的屏幕内容图像质量评价方法,其中包括基于梯度相似度的屏幕内容图像质量评价方法、盲质量评价屏幕内容失真的方法、基于结构信息的屏幕内容质量评价方法，基于机器学习的屏幕内容质量评价方法。
根据人对屏幕内容图像的文本和图像区域有不同的视觉感知，本文从人类认知角度出发，结合结构退化原理，提出基于梯度量相似度的屏幕内容图像质量评价方法。该评价方法首先提出了一种能准确表达屏幕内容图像失真特性的梯度幅度计算方法；然后计算出测试屏幕内容图像的梯度幅值相似图；最后，整合结构退化测量,获得最终的屏幕图像质量指标。在SIQAD(Screen Image Quality Assessment Database)数据库的仿真实验结果表明,所提出的方法的性能明显高于其他屏幕图像质量评价方法的性能。
提出了一种盲屏幕内容质量评价方法。针对现有自然图像质量评价方法不能准确评价屏幕内容图像的问题，在人类感知原理的基础上，本文提出一种盲屏幕内容质量评价方法。提取22种具有自由能量，结构退化，对比度等特征；利用基于支持向量机(Support Vector Machine,SVM)的支持向量回归模型对屏幕图像质量进行预测。在SIQAD和QACS(Quality Assessment of Compressed Screen Content Images)数据库的仿真实验结果表明，所提出的度量指标表现出良好的性能。
提出了基于结构信息的无参考屏幕内容质量评价方法。针对难以有效地捕获屏幕内容图像失真特性的问题，在分析了局部图像清晰度、亮度和结构信息特征的基础上，本文提出一种基于结构信息的无参考屏幕内容图像质量评价方法。首先通过局部归一化，从亮度图中提取出统计亮度特征；然后利用Prewitt滤波器进行纹理特征提取,并计算出图像结构信息；通过计算离散小波变换系数的对数能量(Log-Energy)衡量图像锐化程度。最后，采用支持向量机SVM对屏幕内容图像进行质量评价。为了验证本文提出方法的有效性，在主观SIQAD数据库中进行了比较实验。实验结果表明，本文提出的方法具有较好的性能，且优于其他现有的评价方法。
提出了基于机器学习的无参考屏幕内容质量评价方法。为了描述和预测屏幕内容图像的视觉质量,本文分析了屏幕内容图像的结构退化特征，结构和梯度信息及高斯分布特性，提出了基于机器学习的无参考图像质量评价方法。首先提取了屏幕内容图像的结构退化特征，结构和梯度信息及高斯分布特性，然后应用支持向量机SVM对从特征向量到主观质量分数的映射函数进行了训练，获得屏幕内容图像质量评价分数。通过在主观SIQAD数据库进行测试验证本文所提方法的有效性。结果表明，与其他现有的评价方法相比，所提出的方法具有良好的性能。