基于梯度域边缘特征的屏幕图像质量评价方法的研究

发布时间：2021-09-18 17:19

　　在多媒体通信、移动云计算以及物联网时代,数字图像的内容不再局限于自然图像。近年来,一类由计算机渲染产生的显示在各终端设备屏幕上的图像逐渐增多,称之为屏幕图像（Screen Content Image,SCI）。研究表明,与自然图像相比,屏幕图像可以产生不同的图像特征,在图像处理的各种过程中会无法避免各种失真类型（如高斯噪声、压缩）的引入造成图像质量退化。由于现有的图像质量评估模型大多是针对自然图像而开发的,然而无法对屏幕图像的感知质量进行准确的评价。因此如何对屏幕图像进行精确的质量评价具有重要意义。本文根据人类视觉系统的感知特性和屏幕图像本身的基本特性,提出了基于梯度域中边缘特征的屏幕图像质量评估模型（EFGD）,该模型在梯度域中分别针对屏幕图像亮度通道和色度通道,提取了边缘锐度相似图（ESM）、边缘亮度对比度相似图（EBCM）和边缘色度相似图（ECM）三种基本边缘特征相似图,并且采用能较好地表示屏幕图像边缘空间布局的梯度轮廓模型（GPS）来测量屏幕图像的边缘锐度。利用一种新的计算方法来捕捉屏幕图像梯度图的亮度和对比度变化（即边缘亮度/对比度）。利用梯度域中色度通道的颜色矩来表示边缘色... 

【文章来源】：青岛大学山东省

【文章页数】：60 页

【学位级别】：硕士

【部分图文】：

眼球结构图

Ｉｍａｇｅ?Ｑｕａｌｉｔｙ?Ａｓｓｅｓｓｍｅｎｔ?Ｄａｔａｂａｓｅ）与?ＳＣＩＤ?［１７］（?Ｓｃｒｅｅｎ?Ｃｏｎｔｅｎｔ?Ｉｍａｇｅ）。它们是现阶段能够??公开获得的专门对于屏幕图像质量评估的图像数据库。在这之中，ＳＩＱＡＤ数据库包??含２０张参考屏幕图像、９８０张失真屏幕图像以及对应的差异平均意见值。由图３．３??可知，由于屏幕图像的各种运用场景与特性，参考图像的文字和趋于具备各种大小??比例、位置关系以及组合形式，失真屏幕图像主要包含７类比较普遍的失真种类对??于参考屏幕图像展开质量退化而得到，为区别噪音的影响水平，每类失真种类包含７??类失真级别。而这部分失真种类主要包含：髙斯噪声（ＧａｕｓｓｉａｎＮｏｉｓｅ，ＧＮ）、高??斯模糊（Ｇａｕｓｓｉａｎ?Ｂｌｕｒ，ＧＢ?）、运动模糊（Ｍｏｔｉｏｎ?Ｂｌｕｒ，ＭＢ?）、对比度变化（Ｃｏｎｔｒａｓｔ??Ｃｈａｎｇｅ，?ＣＣ）、ＪＰＥＧ?压缩（ＪＰＥＧ）、ＪＰＥＧ２０００?压缩（Ｊ２Ｋ）和分层式编码压??缩（Ｌａｙｅｒ?Ｓｅｇｍｅｎｔａｔｉｏｎ?ｂａｓｅｄ?Ｃｏｄｉｎｇ，ＬＳＣ）。ＳＣＩＤ?数据库主要由?４０?张参考屏幕??图像与１８００张相应的失真屏幕图像和主观评价分值

?ｍｕ?？ａＳ?：－??图３．?３?ＳＩＱＡＤ中２０张不同的参考屏幕图像??测［４３］，［４５］时提供的展开性能评价的规范流程，此次探究选择了一个包括５项??参数的非线性回归公式，把客观质量预测融入主观分数中。??Ｚｉ?＝；７ｉ＋｛－－??：???ｍ?３－?（２）??２?ｌ?＋?ｅｘｐ＾＾－＾）］??在上述表达式内，０，表示ＩＱＡ模型核算的失真ＳＣＩ感知质量分数，２，表示相应??的映射分数。为曲线拟合环节内应当明确的５项参数。??在进行拟合之后，一般会核算三个通用的性能评价原则。线性皮尔森相关系数??（Ｌｉｎｅａｒ?Ｐｅａｒｓｏｎ?Ｃｏｒｒｅｌａｔｉｏｎ?Ｃｏｅｆｆｉｃｉｅｎｔ，ＰＬＣＣ））主要用作评估客观算法的精准度，??１８??


本文编号：3400533