基于视觉感知的图像质量评价方法研究

发布时间：2021-03-07 16:23

　　在信息技术日新月异的发展下,计算机视觉领域在新理论的支撑下飞速发展,开拓了新的研究方法和思路。图像作为人类生产生活中必要的信息来源,提供了丰富的知识,图像处理技术在网络电子化的21世纪发挥着重要的作用,也是人类社会创新进步的催化剂。图像质量是图像研究领域中最重要的环节之一,图像的质量为很多计算机视觉相关的研究工作提供了量化图像及视频性能的重要依据,图像是人类获取信息直接又高效的方式,虽然主观的质量评价分数由很多专业的观察者提供,具有准确的统计学意义,但是此方法需要耗费大量的人力物力,也有不能嵌入系统进行实时处理的问题,因此通过建立计算模型模拟人类视觉系统对图像质量进行评价的客观质量评估方法,在实际应用中具有非常重要的应用价值。本文提出了一种基于人类视觉系统的全参考图像质量评价方法,充分考虑了人眼视觉系统的相关特性,利用卷积神经网络计算图像的特征图,并结合图像的显著图及轮廓图的特征对图像进行有效的质量评价。随着深度学习技术的日益成熟,卷积神经网络等深度网络在图像领域的分类识别任务中产生了较好的效果,其中代表性的VGG-NET作为一种卷积神经网络,能够自动的提取到图像的特征,具有很强的鲁棒... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：91 页

【学位级别】：硕士

【部分图文】：

人眼横断截面

被人眼的感受细胞接收并通过神经细胞将图像信息进行转化和传递，最终由高级神经细胞进行分析处理，从而对输入的信息进行有效的反应。但是视觉系统结构复杂而且难以拆解分析，所以我们对 HVS 的认知程度还远远不够进行相关系统功能的完全复制，近年来由于信息技术领域成果的不断更新，与神经系统、生物医学、计算机技术及深度学习等领域互相成就，因此对 HVS 的认知会产生划时代的突破，进一步影响着日常工作及科学研究的方方面面，使人类的生产创造、休闲娱乐活动变得更加便捷安全、舒适高效。数字图像处理与 HVS 息息相通，图像经过数字化后进行传送和处理的流程之后，最终接收后由人类视觉系统进行处理，所以了解人类视觉系统特性能够根据相应的知识进行相对应的产品开发。由于人们越来越了解人类视觉系统的功能和结构以及大量实验数据的支撑，科学家证实 HVS 主要有多通道、非线性及掩膜效应这三大特性。这些特性作为很有价值的先验信息能够为数字图像的显著性检测和图像质量的评价等图像处理技术提供帮助，有利于得到与人眼视觉特性相符的数学模型。2.1 视觉系统的基本结构及原理

物体经过照射后透射和反射出的光形成的分布叫做图，HVS在神经系统中分析出的认知是象，图是客观的存在而象是人类主观的意和象的有机合并[16]。根据图 2.2 所示，HVS 对吸收的视觉信息进行理解视觉系统大体上分为光线处理、视网膜成像、外侧膝状体将图像转化为和视觉皮层接收神经递质信息并对图像进行语义识别这四个阶段。视觉系统的基本结构形态是平均直径大约为二十毫米椭球状的由角膜和虹膜外壳、脉络膜及视神经，如图 2.3 所示，其中角膜作为较硬又无色的组织保护着眼睛的明的虹膜是与角膜处于同一位置并包围着眼球的其他地方。脉络膜的血供营养以维持眼部的正常工作，它处于巩膜的内部[17]。视网膜是眼球的个眼球的最里面。脉络膜外壳的颜色很深是为了降低眼睛内部的入眼光脉络膜的前部包含睫状体及虹膜，虹膜有色素而且瞳孔的直径可以在两之间变化，其收缩及扩张根据光强及其他信息控制着多少光进入眼睛


本文编号：3069432