论文部分内容阅读
视觉信号在采集、压缩、存储、处理、传输和再现的过程中会受到各种各样的失真的影响导致感知质量退化,因此图像质量评价在当今的视觉信号处理中起着非常重要的作用。由于人类视觉系统(HVS)是视觉信息的接收者,主观图像质量评价方法是最可靠的方法,但耗时费力,成本高,因此已经开发并广泛应用于实际应用的是客观图像质量评价方法。均方误差(MSE),峰值信噪比(PSNR)等基于像素的客观图像评价方法与主观评价一致性较差,开发更准确的客观图像质量评价方法对未来的视觉信息处理和通信应用有重要的意义。基于图像结构和基于人眼视觉特征的图像质量评价方法成为近些年的研究的热点,一系列新的算法陆续被提出。本文提出两种基于图像结构和人眼视觉特征结合的图像质量评价方法。其中一种是基于边缘和Log-Gabor特征的图像质量评价方法。不同于仅用梯度反映边缘特征的方法,该方法还考虑了边缘强度,边缘强度考虑了 0°、45°、90°、135°四个方向,能更好的检测边缘。此外本方法使用log-Gabor滤波器的带通滤波响应来反映图像显著区域,结合了图像的结构特征及人眼的视觉特性;另一种则是基于结构对比度及频域特征的图像质量评价方法。结构对比度能有效的反映图像纹理的复杂性和人类视觉系统(HVS)的掩模效应,频域特征反映了人眼的对比度敏感函数,该方法同样结合了图像结构特征和人眼视觉特征,两种方法最终通过特征融合最终得到图像客观质量分数。通过在TID2013和LIVE图像数据库以及单个图像数据库不同失真类型的进一步实验,并与其他7种方法进行对比,相较于现有的单纯基于图像结构的或人眼视觉特性的方法,这两种方法都取得了较高的计算精度,与人眼主观评价有更好的一致性,优于目前的主流算法。