欢迎来到天天文库
浏览记录
ID:37022881
大小:1.41 MB
页数:64页
时间:2019-05-15
《基于视觉特性的图像质量评价》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、基于视觉特性的图像质量评价ImageQualityAssessmentBasedonHumanVisualSystem学科专业:电磁场与微波技术作者姓名:冯丹丹指导教师:张瑞峰副教授天津大学微电子学院二零一七年十一月摘要随着多媒体技术的快速发展,图像质量评价已经成为图像处理领域内一项很有意义的研究课题。图像的获取、压缩、传送和处理等过程会对图像造成多种失真,因此评价混合失真图像具有重要的现实意义。近年来,生物学家对人类视觉系统的研究有了重要进展,质量评价研究人员模拟人类视觉特性提出的质量评价模型取得了很好的评价效果。本文在
2、总结前人研究成果的基础上,提出了两种基于人类视觉特性的评价混合失真类型图像的客观图像质量评价方法。首先,本文提出了一种基于双树复小波变换与LBP(LocalBinaryPattern)算子的无参考混合失真图像质量评价算法。双树复小波变换相较于传统小波变换拥有更多的方向选择性且具有近似的平移不变性。本算法先对图像进行双树复小波变换,再利用LBP算子对小波系数的幅值信息进行统计。在统计过程中为了突出图像的显著部分,对第一尺度下六个方向的小波系数的幅值信息进行求和处理后作为LBP统计过程中的权重值。在两个混合失真数据库(MDID
3、2013和MLIVE)上的实验结果表明,利用所提算法进行评价的结果与主观评价结果拥有很好的一致性。然后,本文提出了一种基于稀疏表示与分解残差的全参考混合失真图像质量评价方法。近年来由于稀疏表示能够很好地反映人类视觉特性而成为图像评价领域研究的热点。但目前基于稀疏表示的图像质量评价算法主要适用于评估单失真类型图像,并未考虑不同失真类型对图像不同成份所造成的不同影响,同时也忽略了失真对分解残差的影响以及残差对稀疏系数的辅助作用。针对这些问题,本文算法将图像分解为纹理与卡通两部分,计算纹理稀疏系数与卡通稀疏系数,并考虑失真对局部
4、残差与全局残差的影响。在MDID2013和MLIVE数据库上的实验结果表明,利用该方法的评价结果与主观评分有较好的一致性。关键词:图像质量评价,双树复小波,LBP算子,纹理稀疏系数,卡通稀疏系数,分解残差,混合失真IABSTRACTImageinformationhasbeenwidelyappliedwiththedramaticdevelopmentofmultimedia,andimagequalityassessmenthasbecomeaverymeaningfulsubjectintheimageprocess
5、field.Theresearchofassessingmultiply-distortedimageshasveryimportantrealisticsignificancesincethestepsofacquisition,compression,andtransmissionmightintroducemultipledistortions.Inrecentyearsbiologistshavemadeimportantprogressinthestudyofhumanvisualsystem.Researche
6、rsofimagequalityassessmenthaveproposedmanymethodsbasedonthehumanvisualcharacteristics,andagoodresultwasachieved.Basedonthereviewtopreciousworks,thispaperproposestwoimagequalityassessmentmethodsformultiply-distortedimagebasedonthehumanvisualcharacteristics.Firstly,
7、thispaperproposesano-referencequalityassessmentmethodformultiply-distortedimagebasedondual-treecomplexwavelettransformandlocalbinarypattern.Comparedwithtraditionalwavelettransform,dual-treecomplexwavelettransformhavemoredirectionalselectivityandapproximatetranslat
8、ioninvariance.Thisalgorithmprocessesimagewithdual-treecomplexwavelettransformbeforeextractingstatisticalfeaturesoftheamplitudeofwavelettransformcoeffici
此文档下载收益归作者所有