基于四元数奇异值分解的彩色图像质量评价

发布时间：2022-01-21 13:56

　　因在图像处理过程中难免会引入不同类型及不同程度的失真,对图像信息的获取产生严重的影响,故可靠有效的图像质量评价技术具有非常重要的研究价值和实际意义。将四元数理论应用在图像处理中,能够保留彩色图像三通道之间的相关性以及图像的色度信息。奇异值分解生成的基图像能反映图像的质量变化。因此,本文以四元数奇异值分解为基础对平面彩色图像和立体彩色图像质量评价算法进行相关研究,主要内容如下:（1）噪声失真是一种最常见且种类最多的失真类型,但目前针对除高斯噪声外的其它噪声失真类型的研究较少。故本文提出一种无需学习的且能同时评价5种噪声失真的无参考彩色噪声图像质量评价方法。该方法基于四元数奇异值分解,利用图像的奇异值倒数曲线所围成的面积与噪声图像失真程度的关系,推导出表示图像失真的质量指数。该方法不需要任何图像或失真的先验知识,也不需要任何训练过程。（2）现有的全参考图像质量评价算法均是直接对图像进行质量评估,未考虑图像噪声信息对图像失真的影响,且一般传统方法不易提取出图像的噪声信息。针对此问题,本文提出一种基于四元数奇异值分解的图像质量评价算法。该模型首先对彩色图像及其局部方差用四元数表示并进行奇异值分... 

【文章来源】：江南大学江苏省 211工程院校 教育部直属院校

【文章页数】：78 页

【学位级别】：硕士

【部分图文】：

RGB模型的颜色混色原理图

江南大学硕士学位论文83S1minR,G,BRGB(2.2)3RGBI(2.3)白青黑绿蓝品红红黄SHI图2-2HSI的模型图YUV模型中Y代表明亮度(Luminance)、U代表色度(Chrominance)、V代表浓度(Chroma)。该模型的首先将亮度信息Y剥离出来，然后再描述具体的色彩信息U和V。这种将亮度信息与色彩信息相分离的设计可以减少一些色彩信息，因而节省了传输带宽。给定一幅RGB彩色图像，则每个图像像素的Y、U和V分量计算公式如下：Y0.299R0.587G0.114B(2.4)U0.147R0.289G0.436B(2.5)V0.615R0.515G0.100B(2.6)HSV模型是根据人眼生理特性提出的。H表示色调(Hue)，S表示饱和度(Saturation)，V表示亮度(Value)，图2-3和图2-4是HSV模型图。色调H是所处的光谱颜色的位置，取值范围是0~360，饱和度S表示所处颜色的饱和度与该颜色最大饱和度的比值，取值范围是0.01.0；亮度V的取值范围为0.0(黑色)1.0(白色)。树HueValueSaturation01图2-3HSV色彩空间模型图

模型图SHV坐标

【参考文献】：
期刊论文
[1]基于核极限学习机的火灾预警算法研究[J]. 丁承君,张井超,何乃晨.  河北工业大学学报. 2017(05)
[2]基于四元数矩阵奇异值分解的彩色图像分解[J]. 邢燕,檀结庆.  工程图学学报. 2011(02)
[3]神经网络极速学习方法研究[J]. 邓万宇,郑庆华,陈琳,许学斌.  计算机学报. 2010(02)
[4]一种基于局部方差和结构相似度的图像质量评价方法[J]. 王宇庆,刘维亚,王勇.  光电子.激光. 2008(11)
[5]四元数矩阵的分解与Lavoie不等式的推广[J]. 庄瓦金.  数学研究与评论. 1986(04)



本文编号：3600390