论文部分内容阅读
图像以其确切性、直观性、高效性和广泛适应性,已成为当今人类社会最重要的一种信息来源。图像质量的正确评价是图像信息工程领域内的一项重要研究课题。图像质量的主观评价方法虽然与实际情况比较吻合,但有着不易定量准确测量且实现过程繁琐、耗时耗力耗资等缺点。已有的一些图像质量客观度量方法,如峰值信噪比(PSNR,Peak Signal to Noise Ratio),均方误差(MSE,Mean SquareError)等这类方法虽然具有简单、易于实现等优点,但由于其根本不考虑人类的视觉和心理感受,所以并不完全符合人眼的视觉特性。合理地度量图像质量应充分考虑人眼的视觉特性,本文结合主观和客观图像质量度量方法,做了以下研究工作: 1.利用图像所包含的一种更本质和深层的特征-局部自相似性,并结合人眼观察图像时注意力由中央向周围递减这一特性,提出了一种基于局部自相似性的图像质量度量方法。在图像分形编码结果的所有元素中,拼贴误差最直观地表现了值域块与其最优匹配块之间的相似程度,因而我们选用它来作为图像的局部自相似性的度量。于是,原始图像与失真图像的差别,即可通过它们的局部自相似性水平的差异体现出来。权值的取值与值域块在图像中的位置有关,同时与值域块的灰度变化水平有关。这样选取是为了与人类视觉系统(HVS,Human VisualSystem)的特性相符合:人们在观察一幅图像时,首先注意的是图像中央部分,然后再依次往周围扩展,即图像的重要性一般是由中央向周围递减,这与我们平时照像选景一致(总是将所关注的物体或部位放在取景器的中央位置)。 用相关系数量化地描述拼贴误差度量(CEM,Collage Error Measurement)和主观意见分(MOS,Mean Opinion Score)之间的一致程度。作为对比,我们还实现了峰值信噪比(PSNR)和模糊积分(FI,Fuzzy Image Metric),并根据它们对待评价图像的度量值计算出了它们与MOS之间的相关系数。考虑到噪声类型和规模的不同,对条纹噪声图像,块噪声图像和解压缩失真图像分别计算相关系数。CEM对条纹噪声图像,块噪声图像和解码图像的判断结果与MOS的相关系数分别为0.97,0.91,0.95。PSNR对条纹噪声图像,块噪声图像和解码图像的判断结果与MOS的相关系数分别是0.91,0.90,0.90。FI对条纹噪声和块噪声的判断基本失效,对解码图像的判断结果与MOS的相关系数为0.92。从相关系数上