无参考图像模糊度评价方法研究

摘要

数字图像的成像、处理和传输都会对图像质量产生影响，因而如何对图像质量进行评价已成为图像处理领域的一个基本而又富有挑战性的研究热点。图像的模糊度评价是图像质量评价的一种，主要用来衡量图像信号经过成像系统或处理算法后质量降低的程度，其在图像采集、处理、分析等领域，以及成像系统自动聚焦、成像设备质量评测和图像处理系统算法优化等场合有着广泛的应用。
　　本文的目的是对无参考图像模糊度评价方法进行研究，借鉴人脑对视觉信息处理的层次性以及自学习特性，将图像模糊度评价看作是一个待测图像与模拟的人脑中清晰或模糊图像的参考模型进行匹配的过程，探讨从不同层次和不同参考模型的角度研究评价灰度图像模糊度的方法，主要工作包括:
　　(1)提出了基于三维参数结构张量的图像模糊度评价方法
　　自然图像具有边缘主导和高维奇异的统计特性。典型的以边缘块的特征值计算图像模糊度的方法虽然反映了这一特性，但因仅以边缘块的特征值为依据，受噪声影响较大。本方法在图像二维局部结构张量的基础上，将待测图像不同模糊副本的差作为第三维信息，构造了单幅图像的三维参数结构张量，根据图像块三维参数结构张量的特征值计算模糊度参数，以各图像块模糊度参数与其关注度系数的加权和为依据计算整幅图像的模糊度。该方法从微观层面根据图像局部结构特征进行模糊度评价，受噪声影响较小，且对模糊度变化敏感。与典型方法相比，本文方法在单调性和抗噪性上具有明显的优势，且主客观评价一致性的各项指标都有提升，其中提升幅度最小的是主客观相关性指标和单调性指标，平均提升了1.44％和0.17％。
　　(2)提出了基于显著性纹理特征的图像模糊度评价方法
　　纹理是观察和识别自然环境的重要特征，本方法利用灰度共生矩阵表示纹理的空间分布统计特性，在其基础上提取显著性纹理特征作为图像模糊度评价的视觉特征。主要过程为:首先对待测图像进行不同参数的平滑滤波得到待测图像的两个模糊副本;然后分块基于灰度共生矩阵提取图像两个模糊副本的显著性纹理特征，并计算两个模糊副本对应块的显著性纹理特征差;最后将待测图像各块的显著性纹理特征差与关注度系数进行加权叠加，从而根据加权和计算图像的模糊度。该方法从宏观角度利用区域内局部结构特征的统计分布进行图像模糊度评价，兼顾了人类视觉系统的特性，但因该方法考虑了宏观特征，其对模糊度变化的敏感性相对较弱。与典型方法相比，本文方法在单调性和抗噪性指标上具有明显的优势，且在主客观相关性指标、单调性指标和一致性指标上平均提升了1.63％、0.40％和37.5％。
　　(3)提出了基于稀疏表示的图像模糊度评价方法
　　人类视觉系统在没有参考图像的情况下也能够判断出图像的模糊程度，原因在于人脑中存在通过学习而获得的高质量图像参考模型。另外研究也表明自然图像可以通过无监督学习的方式进行稀疏表达，并且其基函数具备类似于人类视觉系统Vl区简单细胞感受野的方向性、带通性和局部性等特性。本方法以清晰图像集通过无监督学习方式训练的基为参考，将待测图像的稀疏表示系数作为图像模糊度评价的依据。主要过程为:首先利用清晰图像集训练，获得清晰图像的基，构建稀疏编码词典;然后利用训练好的词典对待测图像进行分块稀疏编码和计算关注度系数;最后根据各块稀疏表示系数和关注度系数内积的p范数的均值计算整幅图像的模糊度。该方法考虑了人类视觉系统的自学习特性和稀疏编码特性，因此其计算的模糊度与人类的主观评价结果更一致。与典型方法相比，本文方法在单调性和抗噪性指标上具有明显的优势，且主客观评价一致性的各项指标都有提升，其中提升幅度最小的是主客观相关性指标和单调性指标，平均提升了1.59％和0.17％。
　　(4)提出了结合稀疏表示与概率潜在语义的图像模糊度评价方法
　　本方法的核心思想是假设图像中存在潜在的能够表征其清晰程度的主题以及人脑具有无监督学习的特性。通过概率潜在语义分析的方法进一步抽象化图像的稀疏表示系数特征，分别提取清晰图像集的平均潜在主题概率分布和待测图像的潜在主题概率分布，以它们之间的相似性为依据进行图像模糊度的评价。主要过程为:首先根据清晰图像集构建稀疏表示词典;其次对清晰图像集进行稀疏编码，并用概率潜在语义分析的方法提取清晰图像集的平均主题概率分布;最后计算待测图像的主题概率分布，并根据其与清晰图像集的平均主题概率分布的相似性计算图像的模糊度。该方法所依据的特征是对图像稀疏表示系数进一步抽象化后而得到的概率潜在主题特征，兼顾了人类视觉系统感知的无监督学习特性和特征提取的层次化特性，与典型方法相比，本文方法在单调性和抗噪性指标上具有明显的优势，且主客观评价一致性的各项指标都有提升，其中提升幅度最小的是主客观相关性指标和单调性指标，平均提升了1.71％和0.54％，但其时间和空间上的复杂度较高。
　　在仿真图和公共测试数据库上，采用同样的测试图和评价指标，对本文所提的四种方法以及目前文献中的典型方法进行了比较实验，结果表明:本文所提的四种方法在单调性和抗噪性指标上，要优于典型比较方法;在视频质量专家组用于衡量主客观评价一致性的五个指标上，大部分指标要优于目前典型比较方法。

目录

声明

摘要

第1章 绪论

1．1 研究背景和意义

1．2 国内外发展现状

1．2．1 图像质量主观评价方法概述

1．2．2 图像质量客观评价方法概述

1．2．3 图像模糊度客观评价方法概述

1．3 图像质量客观评价算法的有效性验证

1．3．1 图像质量客观评价算法设计准则

1．3．2 图像质量评价算法公共测试数据库

1．3．3 图像质量客观评价算法的主客观评价一致性指标

1．4 图像模糊度评价存在的问题

1．5 论文的认知科学基础

1．5．1 马尔的视觉计算理论

1．5．2 What和Where视觉通路

1．6 论文主要工作

1．6．1 论文工作的总体思路

1．6．2 论文主要工作

1．7 论文工作的有效性验证方法

1．7．1 评价指标与方法

1．7．2 典型比较方法

1．7．3 测试数据库

1．8 论文章节安排

1．9 小结

第2章 基于三维参数结构张量的图像模糊度评价方法

2．1 引言

2．2 模糊图像与其模糊副本差异减弱特性

2．3 基于单幅图像的三维参数结构张量

2．3．1 图像的二维局部结构张量原理

2．3．2 图像三维参数结构张量的构造

2．3．3 图像三维参数结构张量的特性

2．4 基于三维参数结构张量的图像模糊度评价

2．5 实验结果与分析

2．6 小结

第3章 基于显著性纹理特征的图像模糊度评价方法

3．1 引言

3．2 基于灰度共生矩阵的图像显著性纹理特征

3．2．1 纹理特征的常用分析和度量方法

3．2．2 显著性纹理特征定义

3．2．3 显著性纹理特征与图像模糊程度之间的关系

3．3 基于显著性纹理特征的图像模糊度评价

3．4 实验结果与分析

3．5 小结

第4章 基于稀疏表示的图像模糊度评价方法

4．1 引言

4．2 图像稀疏表示原理

4．3 图像稀疏表示与图像模糊程度之间的关系

4．4 基于稀疏表示的图像模糊度评价

4．5 实验结果与分析

4．6 小结

第5章 结合稀疏表示与概率潜在语义的图像模糊度评价方法

5．1 引言

5．2 基于概率潜在语义的图像分析

5．3 结合稀疏表示与概率潜在语义的图像模糊度评价

5．3．1 本文方法框架

5．3．2 学习训练

5．3．3 模糊度评价

5．4 实验结果与分析

5．5 小结

第6章 本文四种图像模糊度评价方法的综合分析比较

6．1 引言

6．2 原理分析

6．3 模糊度评价方法的单调性分析比较

6．4 模糊度评价方法的抗噪性分析比较

6．5 模糊度评价方法的主客观评价一致性分析比较

6．6 模糊度评价方法的时间复杂度分析比较

6．7 模糊度评价方法的整体性能分析比较

6．8 小结

结论

参考文献

攻读学位期间公开发表论文

致谢

作者简介