论文部分内容阅读
图像作为人类在工作生活中认识世界的主要途径,对其逼真度以及可懂度的度量是人类正确认知客观事物的重要标准。但是在图像的生命周期内图像可能会受到不同类型及程度的失真造成人类在对图像进行分析和理解过程中出现偏差。而客观图像质量评价算法旨在通过计算机模拟人类视觉系统实现对数字图像质量的衡量。因此,客观图像质量评价算法成为一项重要课题。本文针对于客观图像质量评价算法的基本问题。探索显著性以及色彩空间的相关性质,分析显著性应用的影响因素并研究合适的添加策略。同时研究色彩通道信息对于图像质量的反映情况,通过对各彩色通道的分析以及建立反映质量的模型,提出基于彩色信息的无参考图像评价算法,为人类视觉系统的质量评价提供实际应用途径。主要内容概括如下:(1)研究显著性应用于图像质量评价算法的影响因素并据此得出最优应用策略。探究人类视觉系统的视觉注意机制,研究失真类型以及失真程度对于显著性应用的影响情况。实验结果表明,两者都是显著性应用的重要影响因素;并且我们根据失真类型的影响设计了针对不同失真类型的显著性添加策略。同时探究不同显著性提取算法对于图像质量评价算法的影响并提出选择性建议。(2)提出基于Lab彩色空间的无参考图像质量评价算法。摆脱传统无参考评价算法仅使用灰度通道特征的束缚,对Lab空间内彩色通道信息进行分析研究,得出能够反映图像质量的特征。在Lab空间内的b通道分别提取自然统计特征以及二维熵特征,并结合灰度通道特征得到对应的两种算法。经过在5个公开数据库上的实验以及数据库独立性实验得出两种算法在精度上明显优于现有的无参方法,并且算法性能较为稳定。(3)提出基于最优彩色通道的无参考图像质量评价框架。在灰度通道自然统计场景特征的研究基础上,利用数学模型来构建彩色通道信息的一般性规律,并提取特征来反映图像的质量变化。同时提出了基于彩色空间的无参考图像质量评价框架。该框架旨在利用各失真类型最合适的彩色通道进行评价。根据实验结果可得,该框架有效的结合了各彩色通道的信息进行评价,提高了评价算法的精度。另外,针对于框架中的分类算法以及各通道内的特征可以进行变更以进一步提高算法的性能。