基于人工特征融合的屏幕图像质量评价模型

发布时间：2022-01-20 21:53

　　随着网络技术的迅速发展,在消费者数据终端上显示的图像通常不仅仅是自然图像（Natural Image,NI）,而是包含自然图像、文字、表格等各种计算机生成组件的复合图像,这种由计算机渲染生成的图像称之为屏幕图像（Screen Content Image,SCI）。根据多年来的研究表明,屏幕图像相比于自然图像,有着截然不同的图像特征,产生这种结果的原因是屏幕图像有着比自然图像更加复杂的结构。采用传统的图像质量评价模型很难准确地预测屏幕图像的质量,原因是传统图像质量评价模型通常是针对自然图像进行设计,在预测结构更加复杂的屏幕图像的质量时不会取得优秀的结果。因此设计具有优秀性能的屏幕图像质量评价模型具有重大意义。本文根据屏幕图像中差异区域的不同结构特征,提出了基于多种人工特征融合的屏幕图像质量评价卷积神经网络模型（Convolutional Neural Networks-Multiple Artificial Features,CNN-MAF）。该模型首先根据基于图像活跃度（Image Activity）的索引图,将屏幕图像区分为两部分,即文本区域和图形区域;运用两个卷积神经网络（Conv... 

【文章来源】：青岛大学山东省

【文章页数】：49 页

【学位级别】：硕士

【部分图文】：

SIQAD中的20张参考屏幕图像

青岛大学硕士学位论文87种失真类型包含：高斯噪声（GaussianNoise，GN）、高斯模糊(GaussianBlur,GB)、运动模糊(MotionBlur,MB)、对比度变化(Contrastchange,CC)、JPEG压缩失真（JPEG）、JPEG2000压缩失真（JP2K）以及分层式编码压缩(LayerSegmentationbasedCoding,LSC)。为了更全面的提供失真类型的表现，每种失真分别设置了由高到低的7种不同等级。图2.2SCID中40张参考屏幕图像SCID数据库中包含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，如图2.2所示为SCID数据库中的40张参考屏幕图像。该数据库主要包含9种不同的失真类型，每种不同的失真类型包括5个不同失真等级。这40张参考屏幕图像是由研究者在网络上精心挑选出来的，包括众多应用场景下的图像，涵盖范围非常广泛，包括了网页、地图、封面及软件界面等。选取好参考屏幕图像后，将所有的图像调整尺寸大小，统一设置为1280×720。SCID数据库包含的9类失真种类包含高斯噪声(GN)、高斯模糊(GB)、运动模糊(MB)、对比度变化(CC)、颜色饱和度变化(CSC)、抖动颜色量化(CDQ)、JPEG压缩(JPEG)、JPEG2000压缩(JP2K)和HEVC-SCC。2.1.2性能评估标准

青岛大学硕士学位论文87种失真类型包含：高斯噪声（GaussianNoise，GN）、高斯模糊(GaussianBlur,GB)、运动模糊(MotionBlur,MB)、对比度变化(Contrastchange,CC)、JPEG压缩失真（JPEG）、JPEG2000压缩失真（JP2K）以及分层式编码压缩(LayerSegmentationbasedCoding,LSC)。为了更全面的提供失真类型的表现，每种失真分别设置了由高到低的7种不同等级。图2.2SCID中40张参考屏幕图像SCID数据库中包含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，如图2.2所示为SCID数据库中的40张参考屏幕图像。该数据库主要包含9种不同的失真类型，每种不同的失真类型包括5个不同失真等级。这40张参考屏幕图像是由研究者在网络上精心挑选出来的，包括众多应用场景下的图像，涵盖范围非常广泛，包括了网页、地图、封面及软件界面等。选取好参考屏幕图像后，将所有的图像调整尺寸大小，统一设置为1280×720。SCID数据库包含的9类失真种类包含高斯噪声(GN)、高斯模糊(GB)、运动模糊(MB)、对比度变化(CC)、颜色饱和度变化(CSC)、抖动颜色量化(CDQ)、JPEG压缩(JPEG)、JPEG2000压缩(JP2K)和HEVC-SCC。2.1.2性能评估标准

【参考文献】：
期刊论文
[1]No-Reference Quality Assessment of Enhanced Images[J]. Leida Li,Wei Shen,Ke Gu,Jinjian Wu,Beijing Chen,Jianying Zhang.  中国通信. 2016(09)
[2]一种新的部分参考型图像质量评价方法[J]. 王体胜,高新波,路文,李广东.  西安电子科技大学学报. 2008(01)



本文编号：3599586