论文部分内容阅读
图像在生成、传输、处理等过程中会有许多失真,模糊是最常见的一种。当前学术界涌现了许多去模糊算法,但是缺乏对去模糊图像质量的理想评价方法。本文是针对去运动模糊图像质量评价进行研究,实现了去运动模糊图像质量的高精度评价。具体工作如下:首先,介绍了论文的研究背景及研究意义,介绍了图像质量评价方法的国内外现状及其相关理论。然后,讨论了SSEQ算法及其改进。首先分析了SSEQ算法的缺陷,把SSEQ算法中的一维空间熵改为二维空间熵,使性能得到了提升;然后利用LIVE图像库的参考图像建立仿真模型,通过对这些参考图像进行运动模糊,采用八种去模糊算法得到去运动模糊图像,从而在原有的LIVE图像库中增加了去运动模糊图像类;最后利用四种全参考图像评价指标替代图像库中的主观评分,得到了四种改进方法:SSEQ_psnr、SSEQ_fsim、SSEQ_vsi和SSEQ_vif,并在MDD2013图像库中对这四种方法的性能进行了评估。最后,为了进一步提高改进算法的性能,本文讨论了去运动模糊图像失真的直接估计方法,并结合改进的SSEQ算法,提出了去运动模糊图像质量评价的新算法SSEMDQ。首先分析了去运动模糊图像的三种失真及其估计方法,并通过对各自得分加权,将其结果作为Q_E值,改进的SSEQ算法结果值作为Q_S值,将Q_S/Q_E作为去运动模糊图像质量的最终得分,由此得到四种新算法。然后,在MDD2013图像库中比较四种新算法的性能,结果表明在采用SSEQ_vsi时,四个性能指标SROCC、KROCC、PLCC值和RMSE值分别达到0.8705、0.6830、0.8837和1.4004,由此形成的最终算法SSEMDQ性能最优。最后,从预测的单调性和准确性两个方面对SSEMDQ的性能进行分析。实验结果表明,SSEMDQ性能优于现有的具有代表性的四类图像质量评价方法。