基于感知特征的图像质量评价方法研究

《基于感知特征的图像质量评价方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于感知特征的图像质量评价方法研究StudyonImageQualityAssessmentBasedonPerceptualFeatures作者：吴东导师：李雷达教授中国矿业大学二○一六年五月中图分类号TP391.4学校代码10290UDC621.39密级公开中国矿业大学硕士学位论文基于感知特征的图像质量评价方法研究StudyonImageQualityAssessmentBasedonPerceptualFeatures作者吴东导师李雷达教授申请学位工学硕士培养单位信电学院学科专业信息与通信工程研究方向图像质量评价答辩委

2、员会主席评阅人二○一六年五月论文审阅认定书研究生吴东在规定的学习年限内，按照研究生培养方案的要求，完成了研究生课程的学习，成绩合格；在我的指导下完成本学位论文,经审阅，论文中的观点、数据、表述和结构为我所认同，论文撰写格式符合学校的相关规定，同意将本论文作为学位申请论文送专家评审。导师签字：年月日致谢几经彷徨求索，论文终于得以完成。在这里感谢中国矿业大学信息与电气工程学院各位领导和老师多年来在学习和生活上对我的指导和鼓励，使我变得更加成熟和稳重，度过了难忘而又充实的三年。饮水要思源，值此论文完成之际，我要对我的导师李雷达教授表示衷心的感

3、谢。在此期间，从论文的选题、结构的安排、研究验证到最后的定稿，李老师都给予了耐心的指导和亲切的关怀。同时，李老师平易近人的对人态度、务实忘我的工作以及积极向上的进取精神使我受益匪浅。感谢中国矿业大学钱建生教授、张剑英教授，为我三年的研究生生涯提供了良好的学习环境。同时感谢郭星歌副教授、蔡丽梅副教授三年的教诲和帮助。感谢祝汉城、张祥忠师兄和孙莉、吴娇娇、宋洁师姐对我学习和生活上的帮助，共同营造了一个欢快的学习氛围。同时也感谢我的师弟师妹：胡波、夏文晗、严娅、周玉、郝舒曼、沈威、王光成、黄丽萍、曹硕、张梦瑶、周立宇，在我外出实习的阶段帮我处

4、理学校的事情。感谢我在中国科学院深圳先进技术研究院实习导师谢耀钦研究员，同时也感谢先进院的同事们，余紹德，朱峥嵘，王建军等，在你们的帮助下，使我进一步成长。感谢我在上海联影医疗科技有限公司实习领导杨春山，和马庆贞，杜耀军，林昊等同事。他们工作技能突出、平易近人、认真负责。在他们帮助下，使我快速的融入团队、进入工作。最后深深的感谢我的父母、亲人和朋友，在你们的关心和支持下，我才能全身心的投入到学习和工作中，完成学业和找到工作。在此还要感谢审阅本文的各位专家、学者在百忙之中抽出时间来阅读本文，期待着您们的批评与指正，在此万分感谢！摘要图像的

5、最终接受者为人眼，而随着软硬件技术的发展，人们对图像质量的要求也越来越高。然而，图像在处理过程中会无法规避地引入各种不同类型的失真，从而导致图像质量的下降。因此，研究图像失真与图像质量的关系，进而判断失真对人眼主观感受的影响，在现实环境中有重要的应用。本文在对图像感知特征提出的基础上，研究了图像质量的客观评价方法，分别针对全参考型、模糊失真无参考型和通用无参考型提出了三种图像质量评价方法，具体研究内容如下：一、基于高斯差(DoG)能灵活地捕捉图像的结构和有效地表述各种失真类型的图像，提出了一种基于多尺度结构表达的全参考型图像质量评价方法

6、。在尺度空间中，利用DoG信号来表示图像的局部结构变化。在不同的尺度中，分别比较DoG信号的相似度来评价图像的质量。同时结合人类视觉系统(HVS)特征，利用基于图像信息内容加权的方法计算得到图像的最终质量分数。实验结果表明，该方法能准确地评价图像的质量，且与主观评价结果的一致性很高。二、稀疏表示已经被证明与人脑处理信息的机制一致。在对图像进行稀疏分解时，稀疏表示系数的大小与图像的清晰程度有直接关系。在此基础上提出了一种基于稀疏表示的无参考图像清晰度评价方法。首先利用自然图像训练过完备字典。对待评价的图像，首先进行分块处理并计算分块的梯度

7、和方差；然后采用字典对各分块进行稀疏分解，得到稀疏表示系数，进而根据稀疏系数计算能量；最后利用方差对能量进行归一化处理，得到图像的清晰度评价分数。实验结果表明，该方法能准确地评价图像的清晰度，且与主观评价结果的一致性很高，性能优于目前的主流算法。三、由于图像失真主要表现为图像结构的退化，而字典能较好地捕捉图像中潜在的结构，因此能有效地评价图像的质量。在此基础上提出了一种基于梯度字典的通用无参考型图像质量评价方法。首先，用K-means聚类算法对自然图像的梯度信息进行训练得到梯度字典。然后，利用梯度字典对图像进行欧式范数编码和最大值加权生

8、成该图像的特征。接着SVM算法对图像特征及与之对应的主观分数和失真类型分别训练得到一个失真分类模型和几种不同失真类型的质量分数回归模型。在预测图像质量时，分类模型用来预测图像属于何种失真类型的概率，质量分数