基于dct系数无参考模糊图像质量评价方法

《基于dct系数无参考模糊图像质量评价方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、仪器仪表学报2013,11(34),2599-2604基于DCT系数无参考模糊图像质量评价方法桑庆兵齐会新吴小俊李朝锋江南大学物联网工程学院导出/参考文献关注分享收藏打印摘要：离散余弦变换系数的变化能够有效反映图像的模糊程度变化，基于离散余弦变换系数提出了一种无参考模糊图像质量评价方法。该方法首先通过对图像进行离散余弦变换，得到图像的离散余弦变换系数作为图像质量变化的特征向量，然后使用支持向量回归模型对此特征向量进行训练学习，得到特征向量与模糊图像质量分值之间的映射关系模型，预测图像质量。在LIVE2、CSIQ和TID20083个数据库上检测该方法的性能，实验结果表明，新方法预测得分与

2、主观得分有较好的一致性，获得了比较好的评价指标。关键词：模糊图像质量评价;无参考;DCT系数;支持向量回归;作者简介：桑庆兵，2013年于江南大学获得博-上学位，现为江南大学副教授、硕士生导师，主要研究方向为图像/视频质量评价、神经网络与模式识别。E-mai1:sangqb@163・com作者简介：齐会新，2011年于大连工业大学获得学士学位，现为江南大学硕士研究生，主要研究方向为图像质量评价、模式识别。E-mail:qihuixinl21@163.com收稿日期：2013-04基金：国家自然科学棊金(61170120)No-referenceimageblurassessmentme

3、thodbasedonDCTcoefficientsSangQingbingQiHuixinWuXiaojunLiChaofengSchoolofInternetofThingsEngineering,JiangnanUniversity;Abstract：Thechangeofdiscretecosinetransform(DCT)coefficientscaneffectivelyreflectimageblurqualitychange.Inthispaper,anewnoreferenceimageblurqualityassessmentmethodbasedondiscre

4、tecosinetransforniisproposed.Firstofall,thediscretecosinetransformisperformedontheimages,theobtaineddiscretccosinetransformcoefficientsaretakenasthefeaturevectorsoftheimagequalitychange,thenthesupportvectorregressionmodelisadoptedtotrainthefeaturevector,themappingrelationmodelbetweenthefeatureve

5、ctorsandtheblurimagequalityscoreisobtained,andtheimagequalityispredicted.TheperformanceoftheproposedmethodwastestedonthreepublicdatabasesL1VE2,CS1QandTID2008,theexperimentresultsshowthatthescorepredictedwiththismethodhasagoodcorrelationwiththesubjectivequalityscore,andsuperiorperformaneeevaluati

6、onresultisobtaincd.Keyword：blurimagequalityassessment;noreference;discretecosinetransform(DCT)coefficienl;supportvectorregression;Received：2013-041引言随着手机、数码相机等电子设备的普及，出现了大量的数字图像，这些数字图像在获取、传输及存储的过程中，常常会引入失真，使图像质量下降产生模糊现象,难以应用，需要对图像的模糊程度进行评判，所以模糊图像质量评价算法具有重要研究意义。模糊图像质量评价算法根据是否有人的参与可分为主观算法和客观算法。主观算

7、法由人对图像进行打分来完成，其评价结果准确，但评价过程复杂，影响因素多，不适合实时应用。客观算法不需要人的参与，通过计算机自动的预测图像质量，根据需要参考图像(未失真图像)的信息量，将其分为3类，分别为全参考算法、半参考算法和无参考算法11丄。全参考算法使用参考图像的所有信息预测图像质量，半参考算法需要部分参考图像信息预测图像质量，无参考算法则不需要参考图像的任何信息预测图像质量。在很多的实际应用中，参考图像根本不存在，这就意味着全参考和半参考