论文部分内容阅读
信息技术和计算机技术的发展极大地丰富了人们获取信息,分享信息的方法。人们的日常生活中充满了高科技产品带来的便捷与喜悦,以苹果为首的电子数码产品近几年来风靡全球!随着可拍照移动终端的普及,图像成为人们更好地了解世界的一个窗口,而图像处理技术对于图像能更好地展示其所承载的信息则显得尤为重要。客观数字图像质量评价是图像处理技术中的一个重要分支,其目的就是借助于数学、工程等方法对图像质量进行度量,用直观的数字指标表示图像质量。从而达到对图像质量进行快速、简单、实时评价的目的。论文首先详细介绍了图像质量评价的基础知识。按照图像质量评价方式的不同,将图像质量评价方法分成两大类—主观图像质量评价方法和客观图像质量评价方法,介绍了它们的基本概念、评分方法,并总结了常用的客观图像质量评价算法的性能评价指标。在对以上认识与了解的基础之上,按照评价算法中参考源的不同,将客观图像质量评价方法分为两大类—无参考图像质量评价与有参考图像质量评价,深入分析并全面总结了客观数字图像质量评价方法近年来在这两方面的研究热点与趋势。其次,对有参考图像质量评价中具有极高认可度的结构相似度评价算法进行了全面的分析与深入研究,做了仿真实验。并学习了近十几年来基于结构相似度思想的各种改进算法,按照每个算法在改进过程中评价处理方式侧重点的不同,将这些算法分为三种:空域算法、频域算法、综合算法,并通过实验数据对每种算法的性能进行了对比分析。最后,深入研究了基于结构相似度思想的特征相似指标(Feature Similarity Index,FSIM)算法,并发现该算法在对同一类型而程度不同的失真图像进行评价时,从客观的得分上并不能轻易区分图像在主观视觉上的差异性。为了能够更好地克服上述缺点,本文结合九宫格思想,并在数据的后期处理中,分别融合了加权思想和比赛评分的思想,提出了两种改进原算法性能的新算法:基于九宫格思想的FSIM加权算法(Sudoku-FSIM-Weight)和基于九宫格思想的FSIM评分算法(Sudoku-FSIM-Grade)。并采用图像质量评价中通用的LIVE2图像库对改进算法进行验证,实验数据表明,这两种改进算法不仅保持了原算法的一致性,而且很好地克服了上述缺点,比FSIM更符合人眼视觉系统的特性,性能都比较稳定,能更准确地进行图像质量的评价,达到了很好的评价效果。