无参考图像模糊度估计

《无参考图像模糊度估计》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第1章绪论1．1研究背景第1章绪论图像处理领域处理的图像视频据通常是和人的消费产品有关的，比如Intemet上的图像服务。消费者观看到的一幅图像或一段视频往往已经经过了多个阶段的处理，每一个阶段的处理都可能引入失真，这些失真可能会降低图像或视频的质量。比如，摄像头采集到的图像或视频可能会受到光学镜头、噪声、颜色校正、摄像头运动等因素的影响。为了节约带宽和存储空间，采集到的图像或视频会被压缩，为了获得较高的压缩比，通常都会允许这些压缩算法产生一定的失真。与此类似，数据在传输时产生的比特错误也会产生失真。最后，图像或视频在显示的的时候可能由于显示器的分辨率太低、错误的颜色校正等因素也会产生

2、失真。这些不同阶段引入的失真最终会导致图像质量的严重下降。测量图像的质量，给出图像失真的一个度量，成为一个迫切需要解决的问题。一种评价图像质量的方法是通过测试者对图像进行主观评分，毕竟这些图像或视频的最终用户是人。然而这个方法并非简单可行，其原因在于，主观评分费时费力，效率低下，且我们往往需要的是能够嵌入到系统里面对图像或视频进行质量评价的算法，以便系统能够实时地调整参数获得最佳质量的输出图像或视频。由此开辟了客观图像／视频质量评价这一研究领域。严格来说图像质量评价不同于视频质量评价，视频序列的每一帧就是一幅图像，视频质量评价也是基于视频帧的质量评价为基础的。因此学术界一般将客观图像／

3、视频质量评价统称为客观图像质量评价。广义的图像质量评价包括单幅图像的质量评价和视频质量评价两个方向[1，2]。着两个方向的应用场合不同，但研究方法类似。视频质量评价研究也是以图像质量评价为基础，对视频序列的每一帧图像做质量评价，最后综合视频中所有帧或部分帧的图像质量作为视频序列的质量评价。本文涉及到的图像质量评价主要是针对单幅图像的质量评价。客观图像质量评价是一种计算机算法对图像或视频的质量进行评价，无需人为介入，因此实现了高效、实时。这～领域的研究兴趣在于开发能够自动测量和评价图像／视频质量的计算机算法。一般来说，客观的图像质量评价可以应用于诸多领域，诸如图像获取，压缩，传输，显示，

4、打印，恢复，增强，分析和图像水印。首先，客观质量评价算法可以动态地监视和调节图像质量。其次，它可以第l章绪论用于图像处理系统的算法优化和参数调整。再次，它可以作为图像处理系统或算法的标尺，既衡量系统或图像处理算法的优劣。客观图像质量评价算法必须满足两个基本条件可靠性和有效性。可靠性是指算法能够“准确”地估计图像的质量。这里的准确是指能够获得和人的主观判断一致的评价结果，具体可以又多个指标来描述“准确”，在本文后面部分将会重点叙述。有效性是指算法能高效实时地运行。在质量评价算法的应用场合往往需要实时评价图像的质量，简而言之，相对于人工的主观质量评价而言，客观图像质量测量致力于计算机算法自

5、动评价图像或视频的质量。客观图像质量评价研究的目的在于设计算法，且力争使该算法能够获得与人的主观评价相一致的评价结果。客观图像／视频质量评价(Image／VideoQualityAssessment，QA)的方法可以划分为三类：·全参考图像质量评价(Full．ReferenceQA，FRQA)，FRQA算法评价“失真图像”的质量时可以获得无失真的“理想图像”作为参考图像。无失真的“理想图像”通常由高质量的图像采集设备获得，且没有经过压缩，传输等任何会引入失真的处理。●部分参考图像质量评价(Reduced．Reference，RRQA)，RRQA算法评价“是真图像”的质量时可以获得有关“

6、理想图像”的部分信息作为参考。通过边信息，比如数字水印，可以获得参考信息。部分参考图像就是通过这种有关理想图像部分参考信息来评价图像的质量。·无参考图像质量评价(No-ReferenceNRQA)，NRQA算法无法获得任何有关“理想图像”信息，只能通过“失真图像”本身来估计质量。由于NRQA不需要任何参考信息，在任何图像视频质量测量的应用中都适用。然而，NRQA算法的复杂性也相应地很高。最初的研究人员为了简化无参考图像质量评价的难度，将无参考图像质量评价分解为多种特定失真类型的无参考图像质量评价，如无参考JPEG压缩图像质量评价，无参考JPEG2000压缩图像质量评价，无参考模糊图像质

7、量评价等等。数字图像的模糊是影响图像质量的主要原因之一，也是图像质量评价研究领域的一个重要组成部分。因此图像模糊度估计需要在图像质量评价的大框架下进行研究。本文遵循图像质量评价的理论、路线和方法展开图像模糊度估计研究。2第1章绪论1．2研究现状1．2．1图像质量主观评价第1章绪论测试者受图像内容的影响很小。在DSCQS测试中，参考图像和失真图像／视频同时都被提供，测试者要同时对两幅图像／视频序列打分。两个分值之差作为主观质量分值。如图1．2和图