论文部分内容阅读
数字图像信息在图像处理、数据压缩、数据传输等过程中发生的信息缺失表现为图像失真。图像质量评价技术依据人类视觉系统对图像失真进行量化，被广泛应用于图像压缩、图像增强、图像融合、图像存储、图像水印等图像处理领域。图像质量评价技术是图像处理领域中的基础技术，能够度量图像处理算法优劣，对该技术的研究具有十分重要的意义。图像质量评价算法研究起步较晚，发展迅速，已有图像质量评价算法准确性、鲁棒性还有很大提升空间，需要进一步研究改进。 图像质量评价算法往往针对不同实际应用场景进行分类研究。本文在具体应用场景中引入图像失真过程、对象感兴趣区域，提出了新的解决方法，提升了图像质量评价结果的准确性与鲁棒性。本文主要工作如下: 1.传统JPEG2000失真无参考图像质量评价算法往往利用失真图像小波域特征。但JPEG2000压缩过程并不是简单的丢弃高频小波信息，而是利用优化窃取嵌入式编码算法进行处理。针对这一问题，本文引入JPEG2000压缩过程，提出了一种基于率失真曲线的JPEG2000失真无参考图像质量评价方法。该方法首先构造了图像相对率失真曲线，并通过此曲线完成对图像压缩点的检测。对JPEG2000失真图像的质量评价通过联合率失真函数初始点和压缩点数据建模得到。实验结果显示本方法准确度优于传统算法，并且在不同数据库中评价精度相似，体现了算法良好的鲁棒性。 2.传统全参考图像质量评价算法依靠图像低级特征对图像质量进行评价。图像低级特征对图像失真更为敏感，随着失真类型的增多，其算法精度快速衰落，难以应用于复杂应用场景。针对这一问题，本文提出了一种基于对象失真的全参考图像质量评价方法(SURF-Similarity)。该方法认为人类更关注图像中对象区域的失真。利用SURF算子分布对图像对象区域进行近似，并提出了一种多尺度相似度模型衡量某一特定区域的图像失真，最终的图像质量由原始图像多尺度相似度和失真图像多尺度相似度通过联合函数得到。不同图像质量评价数据库中的实验结果表明，SURF-Simlarity算法不仅评价准确性高，而且其对不同数据库、不同失真类型、不同失真程度失真图像评价结果精度类似，体现了良好的鲁棒性。 3.光学遥感图像质量评价领域起步较晚，缺少标准的光学遥感图像质量评价数据库。针对这一问题，本文引入高分辨率光学遥感图像及其失真图像建立光学遥感图像质量评价数据库（TRS数据库）。TRS数据库采用单刺激质量测量法对失真图像进行评价，并利用循环非线性回归过程对评估人员初始数据进行处理。失真图像质量标准结果由所有评估人员评价平均得到。TRS数据库中原始图像包括绿地、荒野、河流和海洋等多种地形，失真类型包括高斯噪声、高斯模糊、JPEG压缩失真与JPEG2000压缩失真等多种失真类型。现有图像质量评价算法在TRS数据库上结果显示，与自然图像质量数据库结果相比，关注中层和高层特征的图像质量评价算法对于光学遥感图像失真评价更为准确。