论文部分内容阅读
无参考图像质量评价可以有效的提升图像信息的获取和应用能力。本文面向失真图像和复原图像,提出了三种无参考图像质量评价算法,从而对图像的质量进行辨别和量化,并且辅助复原算法设计以确保复原后的图像质量高于未复原图像的质量。(1)提出了一种融合深度学习和统计视觉特征的无参考失真图像质量评价算法FDSVDIQA。提取图像的统计视觉特征,根据其特点,设计双路卷积层结构。分别将图像局部归一化亮度图像块和局部归一化亮度LBP图像块输入到两路卷积层中,融合统计视觉特征,实现图像的无参考质量评价。分别在LIVE、LIVEMD和MDORSID上对FDSVDIQA算法进行了大量的与其他无参考图像质量评价算法的对比实验,实验结果表明:FDSVDIQA算法对于自然失真图像以及遥感失真图像均具有较好的主客观一致性,算法鲁棒性好。在LIVEMD和MDID数据库上进行了数据库独立性实验,实验结果表明:FDSVDIQA算法对失真图像的评价不依赖于特定的数据库,具有数据库独立性。(2)提出了一种融合多特征的无参考复原遥感图像质量评价算法GEDIQA。提取复原图像的梯度特征、差分图特征、频域熵特征,构建表征图像质量的特征向量。训练AdaBoost_BP神经网络学习图像特征与图像质量分数的关系,实现对复原遥感图像的无参考质量评价。建立了复原模糊光学遥感图像数据库RBORSID。在RBORSID数据库上对GEDIQA算法与其它图像质量评价算法进行了一致性比较,实验结果表明:GEDIQA算法对于复原遥感图像的评价有着较好的主观一致性,性能优于其它算法。(3)提出了一种融合深度学习和空域频域特征的的无参考复原图像质量评价算法FDSFRIQA。首先提取了图像的空域梯度特征和差分图特征,以及频域的二维局域熵特征,将特征向量进行连接后构成图像的空域频域特征;接着将复原图像的归一化亮度图输入CNN网络;然后将图像空域频域特征输入CNN网络;最后经过学习和训练实现对复原图像的质量评价。在RBORSID复原遥感数据库上对FDSFRIQA算法与其它无参考图像质量评价算法进行了对比实验,实验结果表明:FDSFRIQA算法对于复原图像具有较好的主客观一致性,性能优于其他算法。将FDSFRIQA算法在不同类型数据库上进行了实验,包括单失真自然图像数据库LIVE、多失真自然图像数据库LIVEMD和多失真遥感图像数据库MDORSID数据库,实验结果表明:FDSFRIQA算法对于不同类型的图像具有较好的主客观一致性,算法鲁棒性好。