基于最小能量误差得到左右视图的视差图,分别对左、右视图和视差图进行4尺度、12个方向的可控金字塔分解,每一幅图像可得到1条高频子 带和48条方向子带。对左、右视图分解后相对应的48对方向子带进行二元广义高斯分布拟合,提取其形状参数和尺度参数,并提取所有方向子带的跨 尺度相关性、空间相关性等特征信息,将这些特征输入支持向量回归(SVR)训练预测得到立体图像质量评分。结果表明该质量评价模型在LIVE 3D数 据库上的性能指标斯皮尔曼等级相关系数(SROCC)、线性皮尔逊相关系数(CC)均在0.93以上,与人类的主观评价具有较好的一致性。

为了实时监测图像质量, 建立了像素小波系数的二元空间依存关系模型, 并利用该模型实现了图像质量的无参考评价。首先, 将RGB图像映射到HSV空间; 对图像进行小波分解, 并建立小波系数的二元空间依存关系模型, 即以广义高斯分布来拟合小波系数的二元联合分布。然后, 分析二元空间依存关系与图像质量的相关性, 建立了无参考图像质量评价指标。最后, 对图像质量评价指标进行了测试及对比研究。基于TID2013、LIVE及CSIQ数据库完成了测试, 结果表明: 基于空间依存的无参考图像质量评价指标可以对图像的失真程度进行准确分级, 分级准确率达到96%以上; 采用基于空间依存的无参考图像质量评价方法可以实现对图像质量失真度的准确分级。

本文针对高斯模糊失真的立体图像, 提出了一种基于二维经验模式分解的无参考质量评价方法。该方法先通过二维经验模式分解将图像分解成内蕴模式函数分量和残差图像, 再对每个内蕴模式函数分量提取它的统计信息量(均值, 方差和信息熵), 并结合广义高斯分布方法提取每个内蕴模式函数分量的形状参数、尺度参数作为图像的特征信息, 然后利用支持向量回归模型对特征进行融合并预测得到立体图像质量的客观评价值。实验结果表明, 该模型与主观评价结果有较好的相关性, 符合人眼视觉系统。

对红外图像进行非下采样 Contourlet 变换, 分析其系数的统计特征, 采用广义高斯分布来模拟系数的概率分布。根据非下采样 Contourlet 变换的带通子带各方向能量不同的特点, 提出修正的贝叶斯阈值公式, 为了克服软、硬阈值函数的缺点, 又提出一种具有可调节自适应性的新阈值函数, 最后利用新阈值函数估计出不含噪声的变换系数, 并通过非下采样 Contourlet 逆变换得到去噪后的红外图像。仿真实验表明, 文中方法在峰值信噪比及视觉效果上均优于经典的小波阈值去噪算法。

提出了一种基于非下采样Contourlet变换（NSCT）域图像去噪算法.首先根据尺度间与尺度内的NSCT系数之间的相关性，用非高斯分布模型对NSCT系数与其邻域系数及父系数进行建模，给出分类准则，把系数分为重要系数和非重要系数，再采用广义高斯分布来模拟重要系数的概率分布，根据贝叶斯理论得到自适应阈值，并求出最佳参量范围.为了克服软、硬阈值函数的缺点，提出一种自适应的新阈值函数，利用新阈值函数估计出不含噪音的变换系数，并通过非下采样Contourlet逆变换得到去噪后的图像.仿真实验表明，本文方法在峰值信噪比、结构相似性与视觉效果上均优于目前许多优秀的去噪算法.

在对水印嵌入位的假设检验基础上，提出了一种盲水印的逐位提取模型，并在小波域得到了实现．为平衡水印的不可见性和鲁棒性，根据图像小波域的特征，并利用上下文建模的方法为每个高频小波系数确定不同的水印幅度，从而使水印的嵌入强度依图像的特征而变化．由于水印提取的结果在很大程度上依赖于图像小波系数的统计分布模型，因此小波域中的系数建模采用了广义高斯分布，并使用极大似然法估计参量．实验表明，该方法具有良好的鲁棒性．