基于视觉特性的图像质量综合评价方法研究

发布时间：2018-06-14 13:36

本文选题：图像质量评价 + 人类视觉系统　；参考：《南京邮电大学》2016年博士论文

【摘要】：图像在采样、压缩、传输、重建、存储等各个应用领域都易遭受噪声污染从而产生质量失真,因此,图像质量评价研究具有重要的应用价值。然而,现有图像质量客观方法与人眼主观评价结果相比,不仅准确度和单调性评价指标水平较低,而且现有评价指标还不能反映出各种客观方法的可靠性及评价效率等性能。针对这些问题,论文将人类视觉系统原理和特性融入图像质量评价,提出了多种基于视觉感知的高效图像质量客观评价方法,通过客观实验,分析了所提方法的评价性能。论文主要工作和创新如下:针对客观方法性能评价指标在可靠性和评价效率方面的不足,论文提出了一种评价效率方法。首先,设计了可靠性和时间效率指标;其次,通过归一化处理统一了相关度系数、评价误差、可靠性和时间效率的评价标准;最后,通过融合图像不同失真类型、不同失真程度和不同数据库的评价结果,提出了一个评价效率算法。测试结果表明,所提算法和现有文献研究成果吻合,结果可信。针对图像像素域灰度评价的准确性、单调性和可靠性较低的问题,论文提出了两种基于灰度视觉感知的客观评价方法。首先将模拟视觉分辨率的高斯局部加权算法和图像对比度视觉信息融入峰值信噪比(PSNR)评价,提出了一种结构化峰值信噪比(SPSNR方法),实验结果表明,SPSNR提高了PSNR同类方法基于图像不同失真类型的评价性能,其中,均方根误差(RMSE)上限降低了25.55%,皮尔逊线性相关系数(PLCC)下限提高了5.48%,斯皮尔曼等级相关系数(SROCC)下限提高了8.79%。论文基于高斯局部加权和多尺度采样两种视觉感知特性,提出了视觉多尺度信息保真度(MSIFC)客观方法,实验表明MSIFC将IFC同类方法的评价效率水平提高了18.42%。进一步将视觉多通道特性融入灰度评价,论文探讨了PSNR和SSIM视觉多通道评价特性,提出了视觉峰值信噪比(VPSNR)和视觉结构相似度(VSSIM)两种方法。通过融入高斯生理感光、空域中央凹和频域对比度敏感视觉特性,分别设计了VPSNR和VSSIM局部评价、各通道内局部评价融合和通道间全局评价融合系列算法。实验结果表明,VPSNR和VSSIM将同类方法基于低质量图像评价的准确度和单调性指标水平均提高了10.85%以上。针对图像特征质量评价和和主观评价结果之间的差距,论文探讨了图像特征的视觉多通道评价特性,分别提出了视觉梯度结构特征相似度(VGSM)评价、视觉奇异值能量特征失真度(VSVD)评价和视觉直方图统计特征失真度(VHIST)评价三种方法。通过融入高斯生理感光、空域中央凹和频域对比度敏感视觉特性,分别设计了上述方法局部评价、通道内局部评价融合和通道间全局评价融合系列算法。实验结果表明,VGSM将同类方法基于图像不同失真类型评价的RMSE指标上限降低了10.00%,VSVD将同类方法评价效率提高了14.55%,VHIST将同类方法基于低质量图像评价的PLCC和SROCC指标提高了72.56%以上。针对图像多特征联合评价没有考虑人类视觉系统原理的问题,论文提出了基于图像特征视觉感知评价融合方法。首先设计了视觉阈值滤波自适应迭代(VTIA)算法,然后将基于VTIA失真度评价和基于VSSIM相似度评价融合,提出了视觉显著自适应融合(VSAP)方法;其次,基于评价算法和图像视觉特征的互补性,分别提出了视觉梯度结构特征-低阶矩分布特征融合(VGPLD)评价、视觉奇异值能量特征-低阶矩分布特征融合(VSPLD)评价和视觉直方图统计特征-梯度结构特征融合(VHPG)评价三个代表性方法,结合回归函数和实验训练设计了快速融合算法。实验结果表明,所提视觉融合评价方法显著提高了多特征联合评价方法的评价效率,其中,VSAP、VGPLD和VSPLD提高了14.50%以上,VHPG提高了7.35%。
[Abstract]:This paper presents an objective evaluation method for evaluating the reliability and reliability of image quality evaluation . The results show that the proposed algorithm is consistent with the results of subjective evaluation of human eyes . In this paper , we propose a fusion method based on visual perception of image feature . The results show that VGSM has improved the evaluation efficiency of visual gradient structural feature - low order moment distribution feature fusion ( VSPLD ) evaluation , visual singular value energy characteristic - low order moment distribution feature fusion ( VSPLD ) evaluation and visual histogram statistical characteristic - gradient structural feature fusion ( VSAMs ) . The experimental results show that VSAP improves the evaluation efficiency of multi - feature joint evaluation method .
【学位授予单位】：南京邮电大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP391.41

【参考文献】