1 中国科学院大学，北京 100049
2 中国科学院 复杂航天系统电子信息技术重点实验室，北京 100190
3 长春大学 信息工程学院，吉林 长春 130022
针对非线性回归下客观评分与主观评分一致性差的问题，本文提出一种基于稀疏表示的SOM多失真图像质量评价方法。首先，将参考图像及失真图像应用独立变量分析进行稀疏化表示，应用稀疏表示下的参考图像与失真图像间的结构相似度描述失真图像的质量，再使用SOM聚类算法和交叉验证方法提高非线性回归下的客观评分与主观评分之间的一致性。最后，在LIVE2, TID2013及IVC数据库中的实验结果显示，所提评价模型性能优越；3种数据库的平均结果说明，该文方法的总体性能高于现有的经典算法，表明该文方法能够很好地反映图像的视觉感知效果。通过对比时间效率，该方法基本能够满足实际要求，具有较高的适用性。
图像质量评价 多失真图像 稀疏表示 聚类 交叉验证 image quality assessment multi-distorted images sparse representation clustering cross-validation
天津大学电气自动化与信息工程学院， 天津 300072
混合失真图像质量评价是图像质量评价(IQA)领域的重点和难点，基于高阶相位一致性，提出了一种混合失真无参考IQA算法。计算了高阶相位一致性用于捕捉图像结构信息，应用灰度共生矩阵分别提取了4阶相位一致性图像的统计特征；在分析相邻阶相位一致性的相关性及相邻阶相位一致性局部熵的相关性的基础上，分别计算了相邻阶相位一致性及其局部熵的互信息和交叉熵；利用支持向量回归机制建立回归模型并进行质量预测。在MLIVE和MDID2013数据库上的实验结果表明，该算法的评价结果与主观评价分数具有很高的一致性，其性能优于当今主流的全参考和无参考IQA算法。
图像处理 混合失真图像质量评价 高阶相位一致性 灰度共生矩阵 相关性 激光与光电子学进展
2017, 54(7): 071001
第二炮兵工程大学 信息工程系，陕西 西安 710025
鉴于生物视觉特征对于图像的良好表征能力，提出了一种基于生物视觉特征的无参考型图像质量评价方法。对生物视觉ST模型进行了研究和分析，完成了对图像的稀疏化表示[利用最小二乘支持向量机回归方法训练生物视觉特征到图像质量的映射关系，获得能够预测图像质量的回归器[通过学习的回归器完成了对图像质量的评价。基于LIVE图像库的实验结果表明，该方法对于特定失真和交叉失真的预测误差分别为2%和5%左右，并且与目前技术条件下的质量评价方法相比具有很好的精确性和单调性。
无参考型图像质量评价 生物视觉模型 标准模型特征 最小二乘支持向量机 失真图像 nonreference image quality assessment[biological
1 中国兵器工业第205研究所，陕西 西安 710065
2 西安交通大学 系统工程研究所，陕西 西安 710049
3 陕西师范大学 计算机学院，陕西 西安 710062
目标跟踪与定位中的一个重要步骤就是摄像机标定，其目的是估计摄像机的外部和内部参数。在严格的几何约束关系之上建立准确的数学模型，提出一种快速得到摄像机中心的方法，然后通过合理的求解次序获得其他摄像机参数，保证了标定参数的精度。利用计算出来的标定参数校正失真图像中的各个像素位置以重新得到像素间原来的空间关系，从而产生精确的不失真图像，并且利用摄像机标定参数对标定模板上的点进行位置计算后，再和实际位置比较进行检验。图像的校正效果实验以及精度验算的结果表明：提出的算法得到了准确可靠的标定参数，和其他算法相比有效提高了精度，能够满足运动跟踪时目标特征位置估计的精度要求。
视觉标定算法 运动目标跟踪 摄像机标定 失真图像校正 visual calibration algorithm moving-target tracking camera calibration correction of distorted image
1 北华大学,吉林,吉林市,132033
2 中国科学院长春光学精密机械与物理研究所,吉林,长春,130022
3 总装驻长春地区军事代表室,吉林,长春,130022
研究了基于提升方案的CDF(m,n)双正交小波变换结合SPIHT应用于图象无失真压缩编码的方法.实验结果表明,基于提升方案和整数运算的CDF(m,n)变换是整-整可逆变换,CDF(2,n)的无失真压缩性能好于流行的Huffman、WinRar、Raw+WinZip、JPEGLS.压缩比分别比上述编码方法提高了62%,47%,44%,32%左右.运算速度快,便于硬件实现.
提升方案 无失真图像压缩 n)可逆双正交小波变换 CDF(m SPIHT
