基于奇异值分解的客观图像质量评估特点研究.pdf

《基于奇异值分解的客观图像质量评估特点研究.pdf》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、复口人学硕_卜毕业论文摘要在图像的获取、压缩、存储、传输和再现过程中，数字图像往往会受到不同级别和不同类型的失真，这些失真将导致图像质量的严重下降。因此，如何准确评估图像质量，对保持、控制和增强图像质量而言至关重要，是图像处理领域里一个极具挑战性的课题。针对这一问题，本文提出奇异值与奇异向量联合评估图像质量的测度，利用奇异值和奇异向量从能量失真和一种新的结构失真两方面来评估图像质量，并且推广到彩色图像质量评估。为了使评估结果符合人眼视觉特性，在增加少量计算的基础下，本文通过计算显著图把注意力选择机制引入到图像质量评估中，提高图像质量评估测度的性能，使得评

2、估结果与人眼主观感觉更加吻合。本文的主要贡献在于:1.提出一种新的利用奇异值和奇异向量来评估图像质量的测度。该测度联合使用奇异向量和奇异值，试图从能量和一种新的结构两方面来评估图像失真，使得评估结果符合人眼视觉特性。实验表明，与现有方法相比，该测度能更好地评估图像质量，与人眼主观感觉更加吻合。2.提出一种基于能量、色彩和新的结构失真的彩色图像质量评估测度。此方法采用四元素的极坐标形式来描述彩色图像。理论分析表明，四元素的模包含了图像亮度信息，而其方位角则包含了色彩信息。因此，本文取四元素的模来评估图像结构和能量失真，取其方向角计算色彩失真。与现有方法的对

3、比实验表明，本测度LlJ’以更有效地评估图像的色彩、结构和能量失真，与人眼的主观感觉更加一致。3.提出了一种基于注意力选择机制的图像质量评估测度。该测度通过计算参考图像的显著图，把注意力选择机制引入到图像质量评估中，提高了测度性能。其方法是:首先，使用快速注意力选择算法获取参考图像的显著图，然后，利用显著图调整原测度中各个部分的权重。与现有方法相比，基于注意力选择机制的测度，有效地提高了测度性能，使得评价结果与人眼主观感觉更加吻合。关键词:图像质量评估;奇异值分解;四元素;图像显著图;注意力选择机制中图分类号:TP391复口.人学硕卜毕业论文Abstra

4、CtIntheProeessofimageaequisition，eomPression，storage，transmissionandreProduetion，digitalimageswilloftensufferdifferentlevelsanddifferenttyPesofdistortion.Thesedistortionswillinflueneetheimagequality.It15veryimPortanttobeabletoassessthequalityoftheimage50thatiteanmaintain，eontrola

5、ndPossiblyenhaneethequalityoftheimage.Henee，areliableimagequalitymetrie(IQM)15veryerueialinmanyimageProeessingfields.InordertosolvethisProblem，wewillexPlorethefeasibilityofsingularvaluesdecomPosition(SVD)indeveloPinganovelmetriethateanexPressthequalityofdistortedimages.Thenovelob

6、jeetivemetricusesthesingularveetorsandsingularvaluesasthefeaturestoevaluatethequalityofthedistortedimagefromtheviewofenergyandstrueture.WiththehelPofquaternions，thismetriewillbeextendedtoeolorimagequalityassessment.Astoeorrelatewellwithhumanvisualsystem，artentionseleetionwillbein

7、trodueedtotheimagequalityassessmentmetriebyusingimagesalieneymaPwithalittleinerementofeomPutation.Thesalieney一basedmetrieshowsagreatimProvementintheeonsisteneywiththehumanvisualsystem.Themaineontributionsofthisthesisareasfollows:1.ProPoseanovelyeteffeetivefull一Parameterimagequali

8、tyassessmentmetriebyemPloyingSVD.Thenove