论文部分内容阅读
图像是人类感知和机器模式识别的重要信息源,其质量对所获取信息的充分性和准确性起着决定性的作用。然而在图像压缩、重建、传输等过程中有质量下降问题,因此,图像质量的评判就有着很重要的作用,已成为意义重大的研究课题之一。由于人眼视觉系统(HVS,Human Visual System)才是图像处理的最终处理者,所以主观的图像处理算法才是目前最合理的图像质量算法。也因此评判客观算法的有效性需要与主观评价结果对比。但主观评价算法非常耗时且需要大量专业的参与者,还受到很多客观条件制约,如观测环境的不同和图像显示设备的优劣。图像质量算法一般需要嵌入其他图像处理算法中,以作为图像预处理的一部分。但主观评价算法不能嵌入其他算法之中,所以现在研究的重点是客观评价方法。本文在分析人类视觉系统(HVS)的多分辨率特性及Contourlet变换的多尺度和多方向性特性的基础上,提出了基于Contourlet变换的图像质量评价算法,得到更符合人眼视觉特性的评价结果。该算法首先将原始图像和失真图像进行四层Contourlet变换,然后再各层频带上进行结构相似度(SSIM,Structural SIMilarity)分析,最后得到一个归一化的客观图像质量评价值。在此算法基础上,本文同时研究了基于Contourlet变换和人眼视觉特性的图像质量评价方法,先把图像转换成Contourlet变换域,然后通过对HVS的某些底层特性进行建模,将失真图像和参考图像之间的绝对误差映射为能被人眼觉察的最小可辨差(JND, Just Noticeable Difference)单位。如果误差高于视觉的敏感门限,则表明其能够被人眼觉察,否则可以被忽略。通过上述处理可以获得和观测者的主观感受相一致的评价结果。例如在Contourlet变换域中应用视觉灵敏度函数(CSF,Contrast Sensitive Function)来模拟HVS提取图像质量。实验表明,这种方法评价比峰值信噪比等图像质量评估指标更接近人类主观感受。