基于结构相似度图像质量评价算法的研究

摘要

随着多媒体和通信技术的迅猛发展，图像视频技术在工业生产、科学研究、医疗卫生、教育、娱乐等方面的应用越来越广泛。然而，在图像采集、处理、编码、传输以及存储的过程中，由于图像采集系统、处理方法以及传输设备的影响，往往会给图像带来各种各样的失真干扰。如何对图像质量进行准确而有效的评价已经成为图像处理领域一个十分有意义的研究课题。本文在前人研究的基础之上，重点对全参考图像质量评价方法进行了研究。
　　1)给出了一种改进的基于结构相似度的图像质量评价算法
　　针对基于结构相似度（Structural Similarity，SSIM）的图像质量评价算法对严重模糊失真图像评价准确性较低，与人眼主观感知不一致的问题，本文从两个方面对SSIM算法进行改进，主要工作有:
　　(1)由于SSIM算法不能很好的反映图像边缘信息的失真情况，本文在SSIM算法的基础上，融入了图像梯度信息，给出了一种基于梯度结构相似度(Gradient-based Structural Similarity，GSSIM)的图像质量评价算法。该算法与SSIM算法相比，不仅包含亮度比较函数、对比度比较函数、结构信息比较函数，更重要的是增加了梯度比较函数。在LIVE2图像数据库上的实验结果表明，GSSIM算法性能优于SSIM算法。
　　(2)研究发现，人眼对图像不同失真区域的敏感度是不同的。视觉显著性图能够很好的反映图像不同区域的视觉重要性。本文利用视觉显著性图作为权重函数对GSSIM算法进行进一步优化，最终得到一种改进的基于结构相似度的图像质量评价算法VS_GSSIM。在LIVE2图像数据库上的实验结果表明，本文改进算法VS_GSSIM不仅与人眼的主观感知具有很好的一致性，而且具有较低的计算复杂度。
　　2)给出了一种基于彩色图像的图像质量评价算法
　　目前大部分图像质量评价算法都是基于灰度图像（或者是彩色图像的亮度分量）设计的，忽略了图像中的颜色信息。虽然相对于颜色信息人眼对灰度信息的变化更为敏感，但是忽略颜色信息，也会影响图像质量评价的效果。本文在SSIM算法的基础上，考虑到颜色信息对图像质量评价结果的影响，给出了一种基于HSI颜色空间的彩色图像质量评价算法。为了验证本文改进算法的有效性，利用LIVE2图像数据库进行实验验证，实验结果表明，在灰度图像评价模型中加入颜色信息能够提高评价模型的预测准确性。

目录

声明

摘要

第1章 绪论

1．1 研究背景及选题意义

1．2 图像质量评价方法的研究现状

1．2．1 图像质量主观评价方法

1．2．2 图像质量客观评价方法

1．3 图像质量客观评价方法存在的问题

1．4 本文的研究内容及章节安排

1．4．1 本文的主要研究内容

1．4．2 本文的章节安排

第2章 图像质量评价相关理论基础

2．1 人类视觉系统及其视觉特性

2．1．1 视觉生理学

2．1．2 视觉心理物理学

2．2 图像质量评价方法性能验证

2．2．1 实验平台介绍

2．2．2 实验数据库

2．2．3 性能评价标准

2．3 本文小结

第3章 改进的基于结构相似度的全参考评价算法

3．1 引言

3．2 几种典型的全参考评价算法

3．2．1 基于像素域误差的图像质量评价算法

3．2．2 基于HVS仿生学的图像质量评价算法

3．2．3 基于结构相似度的图像质量评价算法分析

3．3 基于梯度结构相似度的全参考评价算法

3．3．1 梯度信息的提取

3．3．2 算法描述

3．3．3 算法实现

3．4 基于视觉显著性加权的全参考评价算法

3．4．1 基于相位谱的视觉显著性图的提取

3．4．2 算法描述

3．4．3 算法实现

3．5 实验结果与分析

3．5．1 主客观评价结果一致性测试实验

3．5．2 客观评价模型的合理性测试实验

3．5．3 客观评价模型的灵敏度测试实验

3．5．4 客观评价模型的复杂度分析

3．6 本文小结

第4章 基于彩色图像的图像质量评价算法

4．1 引言

4．2 颜色空间的选择

4．2．1 RGB颜色空间

4．2．2 YIQ和YUV颜色空间

4．2．3 HSI颜色空间

4．3 彩色图像质量评价模型的建立

4．4 实验结果与分析

4．5 本文小结

第5章 总结与展望

5．1 总结

5．2 展望

参考文献

致谢

作者简介