论文部分内容阅读
图像是人类获取、传递以及存储信息的重要媒介之一,其表现形式的多样性和形象性使得图像在日常生活、生产以及军事等各个领域扮演着重要的角色。近年来,随着科技水平的提高,各种图像处理技术不断发展,取得了骄人的成果。然而,图像的传输和处理仍不可避免地向图像引入干扰,为了量化图像受到干扰的程度,使其更好地应用于各个领域,人们提出了多种图像质量评价方法,图像质量评价技术是改善图像感官效果以及推动其他图像处理技术发展的关键一环。本文着重研究应用最为广泛的光学自然图像的视觉质量评价问题。自然图像具有其独特的统计性质,干扰会使其偏离原本的“自然统计状态”。根据图像自身以及人类视觉系统的特点调整图像的表达方式,更加有利于信息的传输、存储和理解。因此,本文从自然图像的性质、图像信息的表达方式以及人类视觉系统的特性三个方面入手,提出多个与图像感知质量高度一致的客观评价方法。主要工作概括如下:1、探索人眼感知的图像质量与干扰类型和图像内容的关系,并结合人类视觉传导通路中经典感受野的响应特点,提出一种基于图像内容的全参考图像质量评价方法。首先利用LoG算子提取图像的主要结构信息;然后根据干扰图像与原始图像结构信息的差异分析图像受到干扰的类型;最后针对人类视觉系统对不同图像区域内各类干扰感知敏感度,将各图像区域的受干扰程度进行合理的加权合并,并与图像亮度的变化融合得到图像的客观分数。在主观数据库上的实验表明:所提方法与主观评价的相关性较高,其性能明显优于其他现有的全参考客观算法。2、针对人类视觉系统的掩膜效应与图像结构规则度的关系,提出两种基于图像结构规则度的全参考图像质量评价方法。第一种方法利用局部图像方向梯度直方图的熵表征图像结构的规则度,将结构规则度相似性与亮度相似性结合得到图像的质量图,并利用图像的局部方差突出图像中重点区域对感知质量的影响。第二种方法利用方向梯度直方图的统一标准化改进第一种方法的信息熵求取方法。由于方向梯度直方图以梯度大小为权值,标准化的结果可以体现图像不同区域的重要性,因而该方法可以省略局部方差加权过程。大量的实验证实:与其他利用结构相似度衡量图像质量变化的方法相比,本文提出的两种方法均表现出更高的性能。另外,本文提出的第二种方法虽然简化了第一种方法的计算过程,但针对各类干扰图像的评价效果均得到一定的改善。3、考虑到目标的轮廓可以表达图像最主要的信息,将图像在Contourlet域的统计性质与人类视觉系统感知景象的特点相结合,提出一种通用型无参考图像质量客观评价方法。首先提取图像的69个Contourlet统计特征;然后利用原始图像和干扰图像的Contourlet特征建立自然统计模型和干扰图像模型;最后将干扰图像模型与自然图像模型之间的距离作为干扰图像的质量分数。实验结果表明,所提方法的评价性能优于目前认可度最高的通用型无参考方法NIQE。同时由于该方法只利用原始图像建立自然统计模型,与训练型无参考方法相比具有更高的适应性。4、针对自然图像的统计性质对其传输效率的限制,利用方差标准化优化图像数据的表达方式,提出一种通用型无参考图像质量评价方法和一种无参考模糊图像质量评价方法。第一种方法对图像空间域上的亮度进行方差标准化,并利用对数域能量和标准差两类特征表征图像的质量。通过计算自然统计模型与干扰图像模型之间的差距有效地评价多类干扰图像的质量。第二种方法根据模糊图像DCT系数的统计性质,将DCT系数进行方差标准化,并利用标准化DCT系数的概率密度分布和标准差表征图像的模糊程度,模糊图像的质量表示为自然统计模型与干扰图像模型间距离。主观数据库上的实验表明,两种方法的评价结果与人眼感知的相关性较高,同时由于利用简单有效的特征表征图像的质量,使其具有较高的执行速度,适用于需要实时评价图像质量的应用领域。