论文部分内容阅读
人们主要通过图像信息来获得对外部世界的反馈,也成为人们进行交流的主要方式。但图像在获取和传输时由于物理设备的差异以及图像在加工和重构过程中由于图像处理算法的不同,都会影响图像的质量。故首要问题是对失真图像质量进行有效评价。全参考图像质量评价,部分参考图像质量评价以及无参考图像质量评价是失真图像质量评价的三个主要方法。由于无法明确图像在获取,传输及存储的过程中引入何种失真类型,故在实际应用中图像的原始信息很难获得,针对此问题,图像质量评价中的无参考图像质量评价算法无需借助任何原始参考图像信息对失真图像质量进行评价。本文针对自然图像无参考型质量评价方法这一科学问题进行了深入研究。BIQI算法是基于两步的、模块化的无参考图像质量评价算法,BIQI算法首先对失真图像进行小波变换以获得子带因子,再采用广义高斯分布模型对获取的子带因子进行参数化。获得的参数在3个尺度,3个方向组成一个18维向量,图像的特征向量采用该18维向量表示。再采用支持向量机及特征向量对图像库中的失真图像(JPEG2000,JPEG,WN,G Blur,FF)进行分类;最后使用特征向量同带有径向基核函数的支持向量机拟合来计算图像质量。但是该方法对于评价JPEG2000压缩失真图像和快速衰减Fast Fading失真图像与主观得分DMOS差距较大；而且与全参考图像质量评价算法PSNR相比并不优。本文在研究BIQI无参考图像质量评价算法的基础上,针对JPEG2000类型失真图像和Fast Fading类型失真图像质量评价问题,在进行深入研究与分析后,本文提出基于自然场景统计的无参考图像质量评价算法。主要工作和取得的成果如下：(1)基于小波域的自然场景统计无参考图像质量评价算法。将BIQI算法中评价JPEG2000压缩失真图像质量这一模块,采用基于小波域的自然场景统计评价方法,该方法预测图像质量是通过比较失真图像与参考图像之间的偏离程度来进行。采用该算法获取每个子带中的2个阈值,并以此获得4个经验概率,分别对应位于4个象限的预测系数对。最后采用加权求和方式得到最终的JPEG2000压缩失真图像质量。(2)基于空域的自然场景统计无参考图像质量评价算法。将BIQI算法中评价Fast Fading失真图像质量这一模块,采用基于空域的自然场景统计评价方法。图像失真情况由局部归一化亮度因子中的NSS特性来度量,再通过GGD和AGGD中提取的18个参数来评估,由于在不同尺度上,失真对图像的影响是不同的,因此在2个尺度上,一共可以提取36个参数,最后Fast Fading失真图像的质量由SVM和SVR拟合得出。(3)本文中的图像数据库采用LIVE图像数据库,该图像库由JPEG2000(1-227), JPEG (1-233), WN (1-174), G blur (1-174)和Fast Fading (1-174)共5类982幅失真图像以及29幅未失真原始参考图像组成,在Matlab2013a环境下进行实验,实验结果表明：改进后的算法在评价LIVE整个数据库中982幅失真图像时,优于原BIQI算法,特别是提高了对JPEG2000和Fast Fading失真类型图像的评价质量,更加接近于人类主观得分DMOS值。