基于空间分布与统计学习的全参考图像质量评价

摘要

当今社会是一个互联网科技与媒体盛行的社会，我们每天从网络上海量的文字、图片、视频资源中获取各方各面的信息，它们早已成为人们了解外界所不可或缺的渠道，而这些资源的质量直接影响着所传递信息的质量，比如文字的准确度、图片的保真度以及视频的清晰度等等。 本文从图像入手，针对那些有原始未失真图像作参考的图片，研究了三种度量其失真度的方法，得到质量评价模型，使评价结果尽可能地与人眼主观评价保持一致:第一种是基于图像的空间分布，给出最小差异(MSDI)、最大差异(MDD)、最小近邻差异(MSND)、最大近邻差异(MDND)和平均近邻差异(AVND)5种像素点矩阵的变换方式，通过比较变换后的失真图像和原始图像的差异来对其进行打分，这种差异是利用KS检验来度量的;第二种基于稀疏表示，通过K-SVD算法将图像矩阵分解为字典矩阵和系数矩阵，并将系数矩阵作为图像特征，计算两图像特征差异;第三种基于深度卷积神经网络，使用神经网络模型提取图片特征，并对比两图片特征的差异，从而得到目标图像的质量分数。后两种方法都利用了第一种方法的矩阵变换思想，首先将图像矩阵做变换，再进行相应计算。 我们研究的对象是LIVE图像数据库里的JP2000压缩、JPEG压缩、白噪声失真、高斯模糊和快速衰落5种失真类型的图片。经实验表明，本文提出的方法在每种类型的失真图像上所得到的图像质量评分都能与人眼主观评分保持比较高的相似性，且基于稀疏表示和经过神经网络特征提取的IQA方法效果都有明显的提高，与现有的客观质量评价法相比也表现出了良好的准确性。

目录

摘要

第1章绪论

1．1研究背景

1．2研究的目的和意义

1．3研究内容、方法和整体框架

1．3．1研究内容

1．3．2基于空间分布的图像质量评价方法

1．3．3基于稀疏表示的图像质量评价方法

1．3．4基于深度卷积神经网络的图像质量评价方法

1．3．5框架结构

1．4研究的创新

第2章文献综述与相关理论

2．1文献综述

2．1．1国外研究现状

2．1．2国内研究现状

2．1．3文献评述

2．2相关理论

2．2．1 RGB颜色空间与灰度图像

2．2．2 HSV颜色空间

2．2．3经验累积分布函数ECDF

2．2．4相关性度量指标

2．2．5图像数据库

2．2．6稀疏表示

2．2．7深度学习卷积神经网络

2．2．8深度学习框架

第3章基于空间分布的全参考图像质量评价

3．1方法概述

3．1．1 5种方法进行矩阵变换

3．1．2基于变换后的像素矩阵度量图像差异

3．1．3计算客观质量评价与主观评价的相关性

3．2实证分析

3．2．1实证分析

3．2．2 H矩阵和S矩阵做图像质量评价

3．2．3不同系数度量相关性

3．3本章小结

第4章基于稀疏表示的全参考图像质量评价

4．1．1算法介绍

4．1．2算法在图像中的应用展示

4．2框架介绍

4．2．1图像矩阵变换

4．2．2训练字典矩阵

4．2．3图像质量评分

4．3实证分析

4．3．3数据库图像矩阵变换

4．3．4实验结果

4．4实验结果分析

4．5本章小结

第5章基于卷积神经网络的全参考图像质量评价

5．1框架介绍

5．1．1符号释义

5．1．2框架介绍

5．2实证分析

5．2．1图像矩阵变换

5．2．2图像特征提取

5．2．3图像质量评分

5．2．4与人眼感知的一致性

5．3实验结果分析

5．3．1效果评价

5．4本章小结

第6章总结与展望

6．1总结

6．2展望

6．2．1工作改进

6．2．2应用方向

参考文献

致谢

声明