基于机器学习的图像质量评价方法研究
发布时间：2021-11-21 12:10
图像质量评价作为图像处理领域的一项基础研究,旨在设计一种自动评估图像质量,并达到与主观评价得分相一致的客观评价算法.真实场景的图像在成像、传输和处理等环节不可避免地发生失真现象,提出能够满足实际应用需求的图像质量评价方法是一项具有挑战性的研究.传统的评价算法直接进行加权池化处理,使得每个特征的重要性不能很好地被反映.基于此,一些机器学习方法不断地运用于图像质量评价算法中.本文主要通过将图像底层特征和机器学习方法相结合,提出了两种图像质量评价方法.（1）提出了一种基于随机森林的空域-频域联合特征全参考彩色图像质量评价方法.该方法首先在空域上提取色度和梯度特征,刻画图像的颜色信息和空间结构信息;在频域上提取log-Gabor滤波器组响应后的纹理细节信息,以及空间频率特征,将二者作为联合特征.然后利用随机森林学习特征向量与主观意见得分之间的映射关系,预测客观质量得分.最后在TID2013、TID2008和CSIQ三个标准数据库上的实验结果表明,所提方法综合评价性能优于目前主流的全参考评价算法,尤其在TID2013数据库上皮尔逊线性相关系数值达到了 0.9397.（2）提出了基于两种机器学习方...
【文章来源】：宁夏大学宁夏回族自治区 211工程院校
【文章页数】：50 页
【学位级别】：硕士
【部分图文】：
图１－１ＩＱＡ的应用领域??此外，机器学习（Ｍａｃｈｉｎｅ?Ｌｅａｒｎｉｎｇ，ＭＬ）是人工智能领域一项最基础的研宄，其理论不断成??
将具体阐述这三类方法．??（１）全参考图像质量评价（ＦＲＩＱＡ）??ＦＲＩＱＡ需要获取原始图像的所有信息，通过计算原始图像与失真图像之间的相似性来预测??失真图像质量．ＦＲ算法在ＩＱＡ领域研究成果丰富且应用广泛．早期的ＦＲ?ＩＱＡ方法中最为经典的??算法是峰值信噪比（Ｐｅａｋ?Ｓｉｇｎａｌ?ｔｏ?Ｎｏｉｓｅ?Ｒａｔｉｏ，ＰＳＮＲ）和均方误差（Ｍｅａｎ?Ｓｑｕａｒｅ?Ｅｒｒｏｒ，ＭＳＥ）［３］．与??ＲＲ、ＮＲ相比，由于ＦＲＩＱＡ方法可获取的参考图像丰富，评价结果更加准确、可靠．??如图１－２所示，一般的ＦＲＩＱＡ算法流程可分为两个阶段：第１阶段，分别提取失真图像和??参考图像的特征，计算局部质量特征图；第２阶段，将局部质量特征图进行池化得到最终的质量??得分．??失真囝像——｜?Ｄ?｜—．???????１?－＝ＪｉＰ?／?＼?责量????绔征提取一＞?竺量?（策珞广—得分??参考图像［―＼ｖ］—１?ｌｉ＿＿Ｉ?—??图１－２?ＦＲＩＱＡ算法流程图??－２－??
宁夏大学硕士学位论文?第一章绪论??（２）部分参考图像质量评价（ＲＲＩＱＡ）??ＲＲＩＱＡ方法只需获取原始图像的部分信息（如颜色、梯度等通过利用该信息来估计图像??质量得分．该方法最早在视频通讯系统中应用，描述图像在传输过程中的质量下降．相比于ＦＲ??ＩＱＡ和ＮＲＩＱＡ，其优点是数据量少、计算复杂度低、效率较高等．同时由于可利用的原始图像??信息不足，也会存在明显的缺点：在怎样选择合适的图像特征、有效模拟人眼感知系统方面存在??着很大的困难．??图１－３展示了基本的ＲＲＩＱＡ算法流程图．该流程图分为三个步骤：首先在原始图像进入失??真通道之前，在发送端对原始图像提取特征，并通过辅助通道将特征传送到接收端．原始图像由??于经过失真通道降质成为失真图像，然后在接收端对失真图像进行特征提取．最后，将原始图像??特征与失真图像特征进行质量分析比较，得到最终的客观质量得分．??发送端?接收端??原始?！?｜?ｆ?：｜特征?＾?：?｜?．费量??图像—：??Ｍ失真通道ｒｒ－提取－质量分析一ｆ■－得分??！?！?Ｉ??＊?????；????：Ｉ特征提取辅助通道｜￣ｊ?ｉ???图１－３?ＲＲ?ＩＱＡ算法流程图??（３）无参考图像质量评价（ＮＲ?ＩＱＡ）??ＮＲＩＱＡ又称作“盲图像质量评价”（Ｂｌｉｎｄ?Ｉｍａｇｅ?Ｑｕａｌｉｔｙ?Ａｓｓｅｓｓｍｅｎｔ，?ＢＩＱＡ），是在没有任何??参考图像信息的情况下进行．在实际应用中大部分失真图像对应的参考图像难以获取，因此ＢＩＱＡ??方法的研宄更具有应用价值．??如图１４所示，ＢＩＱＡ方法一般包括两个步骤．第１步：特征提取，第２步：质量预测．在特??征提
【参考文献】：
期刊论文
[1]四元数谱余量彩色图像质量评价[J]. 岳靖,刘国军,付浩. 激光与光电子学进展. 2019(03)
[2]基于人眼视觉特性的深度学习全参考图像质量评价方法[J]. 姚旺,刘云鹏,朱昌波. 红外与激光工程. 2018(07)
[3]基于极限学习机的全参考立体图像质量评价[J]. 沈力波,邵枫,蒋刚毅,郁梅. 计算机辅助设计与图形学学报. 2017(05)
[4]基于流形学习的高动态范围图像质量评价[J]. 于娇文,郁梅,邵华,蒋刚毅. 激光杂志. 2017(04)
[5]广义平均的全参考型图像质量评价池化策略[J]. 刘国军,高丽霞,陈丽奇. 光学精密工程. 2017(03)
[6]感知特征集和随机森林的立体图像质量评价[J]. 吕亚奇,郁梅,刘姗姗,王颖,王晓东. 光电工程. 2015(08)
[7]局部二进制模式方法综述[J]. 刘丽,谢毓湘,魏迎梅,老松杨. 中国图象图形学报. 2014(12)
硕士论文
[1]基于视觉感知的图像质量评价算法研究[D]. 曹欣.兰州理工大学 2019
本文编号：3509489
【文章来源】：宁夏大学宁夏回族自治区 211工程院校
【文章页数】：50 页
【学位级别】：硕士
【部分图文】：
图１－１ＩＱＡ的应用领域??此外，机器学习（Ｍａｃｈｉｎｅ?Ｌｅａｒｎｉｎｇ，ＭＬ）是人工智能领域一项最基础的研宄，其理论不断成??
将具体阐述这三类方法．??（１）全参考图像质量评价（ＦＲＩＱＡ）??ＦＲＩＱＡ需要获取原始图像的所有信息，通过计算原始图像与失真图像之间的相似性来预测??失真图像质量．ＦＲ算法在ＩＱＡ领域研究成果丰富且应用广泛．早期的ＦＲ?ＩＱＡ方法中最为经典的??算法是峰值信噪比（Ｐｅａｋ?Ｓｉｇｎａｌ?ｔｏ?Ｎｏｉｓｅ?Ｒａｔｉｏ，ＰＳＮＲ）和均方误差（Ｍｅａｎ?Ｓｑｕａｒｅ?Ｅｒｒｏｒ，ＭＳＥ）［３］．与??ＲＲ、ＮＲ相比，由于ＦＲＩＱＡ方法可获取的参考图像丰富，评价结果更加准确、可靠．??如图１－２所示，一般的ＦＲＩＱＡ算法流程可分为两个阶段：第１阶段，分别提取失真图像和??参考图像的特征，计算局部质量特征图；第２阶段，将局部质量特征图进行池化得到最终的质量??得分．??失真囝像——｜?Ｄ?｜—．???????１?－＝ＪｉＰ?／?＼?责量????绔征提取一＞?竺量?（策珞广—得分??参考图像［―＼ｖ］—１?ｌｉ＿＿Ｉ?—??图１－２?ＦＲＩＱＡ算法流程图??－２－??
宁夏大学硕士学位论文?第一章绪论??（２）部分参考图像质量评价（ＲＲＩＱＡ）??ＲＲＩＱＡ方法只需获取原始图像的部分信息（如颜色、梯度等通过利用该信息来估计图像??质量得分．该方法最早在视频通讯系统中应用，描述图像在传输过程中的质量下降．相比于ＦＲ??ＩＱＡ和ＮＲＩＱＡ，其优点是数据量少、计算复杂度低、效率较高等．同时由于可利用的原始图像??信息不足，也会存在明显的缺点：在怎样选择合适的图像特征、有效模拟人眼感知系统方面存在??着很大的困难．??图１－３展示了基本的ＲＲＩＱＡ算法流程图．该流程图分为三个步骤：首先在原始图像进入失??真通道之前，在发送端对原始图像提取特征，并通过辅助通道将特征传送到接收端．原始图像由??于经过失真通道降质成为失真图像，然后在接收端对失真图像进行特征提取．最后，将原始图像??特征与失真图像特征进行质量分析比较，得到最终的客观质量得分．??发送端?接收端??原始?！?｜?ｆ?：｜特征?＾?：?｜?．费量??图像—：??Ｍ失真通道ｒｒ－提取－质量分析一ｆ■－得分??！?！?Ｉ??＊?????；????：Ｉ特征提取辅助通道｜￣ｊ?ｉ???图１－３?ＲＲ?ＩＱＡ算法流程图??（３）无参考图像质量评价（ＮＲ?ＩＱＡ）??ＮＲＩＱＡ又称作“盲图像质量评价”（Ｂｌｉｎｄ?Ｉｍａｇｅ?Ｑｕａｌｉｔｙ?Ａｓｓｅｓｓｍｅｎｔ，?ＢＩＱＡ），是在没有任何??参考图像信息的情况下进行．在实际应用中大部分失真图像对应的参考图像难以获取，因此ＢＩＱＡ??方法的研宄更具有应用价值．??如图１４所示，ＢＩＱＡ方法一般包括两个步骤．第１步：特征提取，第２步：质量预测．在特??征提
【参考文献】：
期刊论文
[1]四元数谱余量彩色图像质量评价[J]. 岳靖,刘国军,付浩. 激光与光电子学进展. 2019(03)
[2]基于人眼视觉特性的深度学习全参考图像质量评价方法[J]. 姚旺,刘云鹏,朱昌波. 红外与激光工程. 2018(07)
[3]基于极限学习机的全参考立体图像质量评价[J]. 沈力波,邵枫,蒋刚毅,郁梅. 计算机辅助设计与图形学学报. 2017(05)
[4]基于流形学习的高动态范围图像质量评价[J]. 于娇文,郁梅,邵华,蒋刚毅. 激光杂志. 2017(04)
[5]广义平均的全参考型图像质量评价池化策略[J]. 刘国军,高丽霞,陈丽奇. 光学精密工程. 2017(03)
[6]感知特征集和随机森林的立体图像质量评价[J]. 吕亚奇,郁梅,刘姗姗,王颖,王晓东. 光电工程. 2015(08)
[7]局部二进制模式方法综述[J]. 刘丽,谢毓湘,魏迎梅,老松杨. 中国图象图形学报. 2014(12)
硕士论文
[1]基于视觉感知的图像质量评价算法研究[D]. 曹欣.兰州理工大学 2019
本文编号：3509489
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3509489.html
