论文部分内容阅读
在日常生活中,人们无时无刻不在接收来自世界的各种信息,在这些信息中,80%是以图像的形式呈现给我们的。图像对于我们的重要性不言而喻,同样的,图像质量评价领域的研究就显得十分重要。现如今,在图像质量评价方法中,我们经常要用客观评价方法对失真图像进行测试。它有计算量小、容易获取等优势。本文主要介绍了客观评价方法中几种典型的全参考方法,并对几种全参考评价算法的性能进行分析。实验证明,相对于其它算法,特征相似性(FSIM)对不同失真类型的图像有较好的评价效果。在此基础上,提出了两种基于FSIM的无参考图像质量评价方法(SP_FS和WN_FS)。两种方法的核心思想是将不同失真类型的失真图像进行相应的去噪处理,得到构造的参考图像,然后将失真图像和参考图像进行FSIM计算的过程。针对含有椒盐噪声的失真图像,本文采用基于FSIM和中值滤波的无参考图像质量评价方法。图像样本采用LIVE(release2)图像库提供的3幅图像,分别对每幅图像进行10组失真程度不等的加噪处理,把加噪后的图像作为待测图像,把经过中值滤波后的图像作为参考图像,最后计算两者的FSIM即为待测图像的质量度量;针对含有高斯白噪声的失真图像,本文采用基于FSIM和高斯滤波的无参考图像质量评价方法。图像样本采用LIVE(release2)图像库提供的高斯白噪声中的三组图像,并把它们作为待测图像,把经过高斯滤波后的图像作为参考图像,最后计算两者的FSIM即为待测图像的质量度量。实验结果表明,相对于其他全参考图像评价方法,两种评价方法SP_FS和WN_FS在表征算法的各项性能指标上都有一定的提高,且相对于现有的无参考评价方法来说改进算法有计算简单、准确等优势。两种评价方法分别对椒盐噪声、高斯白噪声都有很好的评价效果,与人眼的主观感知具有很好的一致性。