结合视觉显著性的图像质量评价方法研究

摘要

随着电子信息技术、计算机应用技术、多媒体通讯技术的飞速发展，人们对图像处理质量的要求也随之提高,图像质量也因此越来越受到关注。现有的评价图像质量的方法繁多，但其准确程度难以令人满意，很难与人类视觉系统的主观感受保持一致。
　　图像质量基于人眼对图像的感知，与人类视觉系统密切相关，因此,人们希望客观图像质量评价模型的评价结果应该与人眼的主观评价保持一致，很多现有的客观评价模型都希望能达到这一目。视觉显著性的提取在人类视觉系统中的作用类似于图像处理中的预处理过程，通过视觉显著性，我们能够从视觉场景中筛选出人眼最感兴趣的信息。视觉显著性能够很好的体现人眼对视觉场景中物体的关注程度，将其融入图像质量评价算法中能够更好的接近人眼对图像的主观感知，因此融合多种HVS特征以期望获得更高的评价性能是目前图像客观质量评估算法的主要研究趋势。
　　本文在对现有的图像质量评价算法和显著性算法进行调研的基础上，深入分析了现有的基于显著性的图像质量评价算法,发现此类算法的评价效果与显著性算法的准确度息息相关。根据将现有的显著性模型融入图像质量评价算法并不能很好地提高评价的准确度这一事实，本文首先提出了改进的HFT算法，以期提升基于该算法的图像质量评价模型的精度。改进的算法在HFT方法的基础上融入了图像的边缘显著性，并将最终得到的显著图融合到现有的客观图像质量评价算法中。此外，本文在LIVE数据库中进行了实验仿真，通过横向比较每一幅图像，发现并非所有的图像融入了显著性后都会带来评估算法性能的提升。通过进一步研究发现：如果图像本身的显著区域呈发散状态，即显著区域在整幅图像中不集中，而是比较均匀的分布在图像的各个角落，在这种情况下融入显著性模型不但不能带来评估算法性能的提升，反而会造成评估算法性能的下降。基于此，本文在对评价算法进行显著图融合之前先要对图像进行收敛性判定，采用显著图的熵值来评价显著性的集中程度，当判定图像显著性为收敛时，在图像质量评价算法中融入显著模型；否则，不进行显著图融合。实验表明，本文算法的评价效果与现有的图像质量评价模型相比有了较明显提高，更符合人眼对图像的感知。

目录

声明

插图索引

表格索引

符号对照表

缩略语对照表

第一章 绪论

1.2国内外发展现状

1.3本文技术框架和结构安排

第二章 图像质量评价概述

2.2客观图像质量评价方法

2.3图像数据库

2.4本章小结

第三章 视觉显著性方法

3.1视觉显著性概述

3.2经典显著性方法与模型

3.3本章小结

第四章 融合边缘提取的HFT方法

4.1频域HFT方法

4.2超复数傅里叶变换

4.3熵值选择与中心加强

4.4边缘特性和HFT方法的贝叶斯融合

4.5本章小结

第五章 改进的视觉显著性图像质量评价算法

5.2结合视觉显著性的图像质量评价方法

5.3考虑图像收敛性的图像质量评价方法

5.4本章小结

第六章 总结与展望

6.2展望

参考文献

致谢

作者简介