针对建筑物检测特定应用,提出一种基于稀疏表示的失真立体图像全参考质量评价方法。首先构建了一种新的失真卫星立体图像数据库,使用角点检测和数字表面模型的高程信息进行建筑物检测,并根据失真图像检测角点变化,提出检测准确率指标来表示图像的失真程度;然后提出一种基于稀疏表示的客观评价模型,其分别提取原始图像和失真图像的尺度不变特征转换和二进制稳健不变尺度特征进行字典学习;利用稀疏表示测量原始图像和失真图像之间的相似性,得到4个质量分数;最后通过支持向量回归融合4个质量分数得到最终的客观评价值。在构建的数据库上进行测试,实验结果表明,皮尔逊线性相关系数值高于0.90,斯皮尔曼等级相关系数值高于0.87,与现有的评价方法相比,所提方法能更好地反映卫星立体图像的质量。

彩色图像质量评价(CIQA)是目前图像质量评价(IQA)研究的一个热点。色度信息对人类视觉系统(HVS)会产生一定的影响,将RGB图像转换到另一色彩空间YIQ,将灰度图像的结构相似性指标(SSIM)、基于梯度的SSIM(GSSIM)扩展得到彩色图像的SSIM和GSSIM(即C-SSIM和C-GSSIM)。HVS是一个复杂的非线性系统,采用2种广义平均池化策略来刻画HVS特性,以提高C-SSIM、C-GSSIM及彩色图像的特征相似性(C-FSIM)的评价效果。在TID2013图像数据库中进行数值计算,结果表明:基于广义平均池化策略的C-SSIM、C-GSSIM及C-FSIM能有效提高IQA的准确率。

针对现有的图像质量评价方法普遍为人工设计特征, 难以自动且有效提取到符合人类视觉系统的图像特征, 受人眼视觉特性的启发, 提出一种新的基于卷积神经网络的全参考图像质量评价方法(DeepFR)。该方法基于对数据集本身的学习设计了卷积神经网络DeepFR模型, 利用人眼视觉系统对梯度的敏感性进行加权优化, 提取了符合人眼视觉特性的视觉感知图。实验表明: 设计的DeepFR模型优于已有的全参考图像质量评价方法, 其预测结果与主观质量评价有很好的精确性与一致性。

为了设计与人的主观评价相吻合的全参考型客观图像质量评价(IQA)算法。针对不同算法提取的局部特征, 利用广义平均的非线性性质, 提出了2种池化策略, 以提高结构相似度(SSIM), 梯度结构相似度 (GSSIM), 特征相似度指标 (FSIM)的评价能力。在TID2008和TID2013数据库中进行数值实验, 讨论了所有失真类型非线性参数的选择以及不同失真类型之间非线性参数的变化。结果表明, 采用广义平均池化策略能提高IQA算法的有效性。4种客观评价指标Spearman等级相关系数(SROCC)、Kendall等级相关系数(KROCC)、Pearson线性相关系数(PLCC)和均方误差根(RMSE)表明所提算法性能优于已有的算法, 与人的视觉系统具有一致性。

针对当前图像质量评价的研究现状,对各种评价方法进行了比较分析和归纳总结。利用U-Texas at Austin的LIVE图片库中的样本对几种常用的客观评价方法进行了测试,利用该数据库中得到广泛认可的主观评价分数,能够衡量客观评价指标与主观评价的符合程度,从而对这些评价指标的单调性、准确性和一致性进行了辨析和阐释,指出了其适用性和局限性。并利用VQEG推荐的方法对论断给出了实例印证。进而根据发展趋势和应用需求,对图像质量评价方法在应用中所必须面对的一些问题和解决途径提出了初步的见解。