基于视觉感知梯度SSIM的图像质量评价方法研究

本文针对结构相似度模型在图像质量评价方面存在的缺陷,提出一种基于视觉感知梯度的结构相似度图像质量评价模型。该模型从误差可视性和内容可视性两方面描述感知函数,并结合图像的梯度地图得到基于视觉梯度的对比度函数和结构函数,以代替结构相似度模型中的对比度分量和结构分量。实验结果表明,GM_SSIM模型较SSIM模型更符合人眼视觉特性,与图像的主观评价结果相一致,尤其适合对失真较严重的模糊图像进行质量评价。     

基于人类视觉特性和结构相似度图像评价方法

采用加权处理的方法,讨论了一种基于人眼视觉特性和结构相似度图像质量评价方法,将图像划分并计算出每个分块的结构相似度,根据每个分块的亮度,纹理细节和分块空间位置对人眼视觉的影响,确定每个分块的权值,计算出加权平均的结构相似度作为图像质量的评价指标.经实验验证,评价结果与主观评价结果一致.     

基于双线性特征融合方法的畸变失真图像质量评价

针对畸变失真图像影响后续图像信息获取的问题,提出了一种基于双线性特征融合方法的畸变失真图像质量评价算法。首先基于人类视觉对图像结构特征敏感的特点提取结构图像,然后将原始图像和结构图像作为双流卷积网络的输入,将两支路网络输出的低层结构特征和高层语义特征通过双线性池化层进行特征融合,最后通过全连接层输出图像质量预测分数。为了验证算法的有效性,在4个公开的图像数据集LIVE、CSIQ、MLIVE与TID2013上进行实验。结果表明,所提算法与当前的失真图像质量评价算法相比,在LIVE、CSIQ和MLIVE数据集上斯皮尔曼等级相关系数(Spearman rank-order correlation coefficient, SROCC)和皮尔逊线性相关系数(Pearson linear correlation coefficient, PLCC)指标至少提升0.2%左右,在TID2013数据集上SROCC值至少提升0.5%左右。所提算法评价结果与人类视觉主观感知有较好的一致性,对多种失真图像质量评价可以取得不错的效果。     

基于黎曼度量结构相似度的图像质量评价方法

图像最主要的是其结构特性,人类的视觉系统是从图像结构上获得图像信息,为了更好的对图像的质量进行评价,本文在SSM模型的基础上提出一种基于黎曼度量的结构相似度评价,把图像置于黎曼流形中进行讨论.实验结果表明本文提出的方法比SSM模型更有区分度,更符合人类视觉系统的特性.     

一种基于视觉感知模型的小波域图像盲水印方案

提出了一种基于视觉感知模型的小波域图像盲水印方案.该水印方案充分利用了人类的视觉感知特性,根据人眼对图像不同局部特征敏感程度的不同,自适应地调节水印的嵌入强度.水印的嵌入强度由图像的视觉临界差异决定,水印的提取不需要载体图像.仿真实验表明,该水印方案具有很强的抗攻击能力,并且水印的嵌入不影响图像的视觉质量.     

基于人类视觉系统特性的直方图可逆信息隐藏算法

结合人类视觉系统特性,提出一种基于人类视觉系统特性的直方图可逆信息隐藏算法.该算法根据人类视觉掩蔽效应,将图像划分为纹理区、边缘区和平滑区,在不同噪声敏感区域分别嵌入不同强度信息量.算法在确保嵌入更多信息量的同时,也满足了信息隐藏视觉上的不可感知性,取得了较好的视觉效果.     

一种高容量的自适应图像可逆信息隐藏算法

基于传统的预测误差扩张算法,创新性地提出一种根据不同像素局部复杂度适应性嵌入1bit或3bits的可逆数据隐藏算法,有效地避免对有较大预测误差像素的嵌入,提高了水印图像质量并且增加了可嵌入容量。同时结合像素选择策略,在被改变的图像像素总数量中加大嵌入像素数量比重,并降低转移像素数量比重,以达到优化水印图像质量的目标。实验结果表明,该算法相比于传统的预测误差扩张算法与相似理念适应性算法,在嵌入量和水印质量方面都有一定提升。     

基于平面超像素的图像分割算法

针对以像素为节点建立图模型进行图像分割颇为耗时的弊端,提出了一种基于平面超像素图割的图像分割方法,并应用于图像分割。首先用改进的分水岭算法将图像分割成区域一致性小区域（超像素）,用分割得到的超像素作为图的节点构建图模型;以每个超像素的灰度值代表所在分块的全部像素点参数;最后用图割算法达到最优分割。该算法以极少数超像素代替海量像素,在得到较好分割结果的同时,极大地缩短了运行时间。     

改进局部灰度特征的工件亚像素级边缘检测

针对局部灰度特征方法在高噪声图像中定位精度低的问题,提出改进局部灰度特征方法并用于工件亚像素边缘检测。首先,使用改进的Canny算子代替基于一阶导数的梯度算子,以便更精确地提取粗边缘;然后在采集到的像素窗口两侧建立子图像,代替单个窗口特征以修改边缘上下两侧强度值,再将新构造的子图像中间列像素进行加权,加速图像迭代复原速度;最后,通过所有新生成的子图像局部灰度特征重新计算亚像素位置,进一步提高检测精度。实验结果表明,在无外加噪声和加入1.00%、5.00%的噪声标准偏差图像中,RMS误差明显降低,亚像素坐标数与定位精度明显提高。     

一种基于视觉显著性的交通图像质量评价方法

随着智能交通的不断发展、监控设备的更新换代,交通监控系统获取到的图像信息每年都在成倍增长,其直接影响就是摄像设备采集到的无用信息太多,如何对其中的图像信息进行质量评价以及筛选是一个重要问题。为了改善这一现象,提出一种基于视觉显著性的交通图像质量评价方法。该方法将图像抽样成一些随机的感兴趣区域,然后对这些区域进行计算,最后得到显著性图像。实验结果表明,基于视觉显著性的交通质量评价方法效率高、实用性强。该方法得到的显著性图像明显符合人眼的视觉特性以及感兴趣区域,达到了预期效果。     

基于超像素聚类的 EM脐橙病虫害图像的分割

随着赣南脐橙果业优良品质的发展,赣南脐橙越来越受到人们的青睐.但是在发展赣南脐橙精准果业的同时,脐橙病虫害也随之蔓延.因此快速分割和识别赣南脐橙病虫害的病斑图像,以便提高赣南脐橙的果业质量.本文提出一种基于混合聚类的脐橙病虫害图像分割方法,通过超像素聚类将整个彩色赣南脐橙病虫害图像分割成若干个紧凑的、近似均匀的超像素块,为图像分割提供有用的聚类线索,以加快期望最大化(EM)算法的收敛速度.使用EM算法从每个超像素块中快速准确地分割出病变像素,根据数学形态学去校正聚类结果,最终获得分割后的病斑图像.对比本实验和与同类方法的实验,实验结果表明该方法是有效的,对脐橙病虫害病斑图像的分割具有较好的实验效果.     

基于梯度和显著性的无参考模糊图像质量评价方法

为了更加有效评价模糊图像的图像质量,提出一种基于梯度失真测度图和显著区域图的无参考模糊图像质量评价方法.首先,利用高斯低通滤波对待评价图像进行模糊化处理,以构造参考图像,并结合梯度相似度,得到能精细反映图像微小细节的反差和纹理变化的梯度失真测度图.然后,利用显著模型计算原模糊图像的显著性,采用自适应算法计算原模糊图像的...     

基于BIQI的JPEG2000压缩失真图像质量评价算法研究

BIQI算法是基于两步框架模块化的无参考图像质量评价算法,对于高斯白噪声,模糊及JPEG有着良好的评价效果,但对于JPEG2000评价效果不够理想。基于自然场景统计的JPEG2000压缩失真图像质量评价算法能够有效的预测失真图像的质量,故文中提出基于BIQI的JPEG2000压缩失真图像质量评价算法。该算法首先对失真图像进行分类,得到JPEG2000失真图像的概率,通过量化自然图像与失真图像的偏离程度预测失真图像质量分数,最终利用概率加权求和方式得到JPEG2000压缩失真图像质量。在LIVE图像库上的实验表明,该算法预测失真图像质量与人类主观得分DMOS具有较高的一致性。     

基于应用效果的图像质量评价方法建模研究

迄今的图像质量评价大多从图像本身的参数进行评价,或是从成像系统的调制传递函数来评价.然而从应用的角度来看,对图像质量的一般性评价还不能完全解决图像质量与图像应用效果的关系问题.如何针对有限的应用类型或应用目标来考虑图像质量参数,对于图像质量评价方法的研究是很有意义的.对此进行了论述.     

关于机器视觉及其应用问题的探讨

1机器视觉的概念 简而言之,机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置,分CMOS和CCD两种）将被摄取目标转换成图像信号,传1机器视觉的概念简而言之,机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是指通过机器视觉产品（即图像摄取装置,分CMOS和CCD两种）将被摄取目标转换成图像信号,传送给专用的图像处理系统,根据像素分布和亮度、颜色等信息,转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征,进而根据判别的结果来控制现场的设备动作。     

空间相似分解对图像质量影响的研究

依据空间相似分解模型,将误差图像进行分解,考察无关分量和相关分量对图像质量的影响.本文将相关分量加入标准图像中,结合HVS模型中的掩盖效应,提出了一种新的图像质量评价方法.结果表明,该方法较之传统客观方法更加符合人眼的主观感受.相关分量与标准图像结构一致,不会对人眼产生新的变化.     

基于多传感器多目标实时跟踪视觉系统在全自主机器人上的应用

视觉系统是全自主机器人的重要组成部分,而如何精确高效地处理视觉信息是视觉系统的关键问题.介绍了一种基于彩色图像的目标识别与定位及避障方法,对全自主机器人感知环节进行了研究.通过分析摄像头采集的图像,并借助碰撞传感器、红外传感器等方法确定目标.所提出的算法已在国内及国际比赛中应用,收到很好的效果.     

结合加权低秩表示和L_1范数的图像混合去噪

由于图像在获取、发布或传输过程中受到噪声的污染,导致图像质量下降.现有的大部分图像去噪方法仅针对高斯噪声情况进行图像恢复,一般来说,现实中图像容易同时受到高斯噪声和椒盐噪声的污染.针对这一情况,文章提出基于加权低秩表示和L_1范数的混合噪声去除算法.该算法首先采用加权低秩表示来刻画图像的全局特性,同时利用L_1范数来描述稀疏噪声,设计了图像混合去噪模型.然后采用交替方向乘子法对混合去噪模型进行求解.最后对含混合噪声的图像进行了仿真实验分析,结果表明提出的算法能够较好地去除图像中的混合噪声,进一步提高图像的视觉感知质量.     

基于梯度和显著性的无参考模糊图像质量评价方法（英文）

为了更加有效评价模糊图像的图像质量,提出一种基于梯度失真测度图和显著区域图的无参考模糊图像质量评价方法.首先,利用高斯低通滤波对待评价图像进行模糊化处理,以构造参考图像,并结合梯度相似度,得到能精细反映图像微小细节的反差和纹理变化的梯度失真测度图.然后,利用显著模型计算原模糊图像的显著性,采用自适应算法计算原模糊图像的特定显著性阈值,再通过二值化处理得到最终的显著区域图.最后,利用显著区域子块显著值加权得到模糊图像的最终评价结果.在LIVE、CSIQ和CID2013数据库上的实验结果表明,预测结果与人的主观判断具有较好的一致性,且计算复杂度较低.     

一种噪声近似图像的质量区分方法

文中针对图像间质量差别微小而需评价的难题,提出了一种新的基于偏微分方程放大模型的全参考图像质量客观评价方法.算法利用偏微分方程在图像放大过程中能够较好地保持图像的边缘特征和细节信息的优点,通过比较放大后的图像加权峰值信噪比变化的情况,得出全参考图像质量评价指标-M_HPSNR.实验结果为类似的需要区分质量近似图像的需求提供了技术参考.