论文部分内容阅读
图像作为人们从客观世界获取信息的主要来源,其清晰程度对所获取信息的充分性和准确性起着决定性的作用,尤其在交通、军事等领域内对图像质量的要求越来越高。如何准确评价图像质量一直广为学术界所关注。论文简要的分析了图像质量评价方法中常采用的均方误差(MSE)、峰值信噪比(PSNR)和边缘峰值信噪比(EPSNR)的原理,指出:由于均方误差和峰值信噪比均为基于噪声层面的误码计算,且未能结合人类视觉系统的特性,所以无法成为可信的评价方法,而边缘峰值信噪比对于不同图像以及不同位置的错误还不够敏感。为了使边缘峰值信噪比值更加逼近人的主观感受,论文给出了一种基于最小均方误差的边缘峰值信噪比算法的改进方案。通过建立神经网络模型来求最优多项式权值的办法将边缘峰值信噪比转化为图像质量度量值(IQM),在理论上,图像质量度量值是与人主观平均意见得分(MOS)相一致的。最后,在QuartusⅡ上利用LPM库中的宏功能块实现了边缘峰值信噪比算法的改进方案,通过计算得出输入图像的图像质量度量值,以MATLAB为工具,绘制了仿真数据图表。通过对仿真数据图表的准确性、单调性和一致性以及皮尔森线性相关系数、离出率和均方根误差的分析,得出上述改进方案能够达到评价图像质量性能指标的要求,证明该方案能够更准确的结合人类视觉系统特性,更准确的评价图像质量。