1 安徽工程大学 人工智能学院, 安徽 芜湖 241000
2 安徽工程大学 机械工程学院, 安徽 芜湖 241000
图像质量评价方法是为了符合主观视觉图像质量评分结果, 设计出的客观计算方法。在本研究中, 提出了一种基于CIELAB颜色空间局部色貌指标(clarity)的无参考彩色模糊图像评价(NR-IQA)方法。在所提方法中, 结合最大局部clarity和变异局部clarity评价图像模糊等级。最大局部clarity表征提取模糊图像最锐度信息, 即局部模糊特征; 变异局部clarity表示图像内部色貌整体变化情况, 即全局模糊特征。为了验证该方法的性能, 使用五个常用图像质量数据库中的失真图像进行对比测试, 从预测精度、计算复杂度和泛化性进行分析。结果表明, SROCC和PLCC加权平均值分别是0.9345和0.9379, SROCC和PLCC直接平均值分别是0.9331和0.9357, 综合性能优于其他典型和最新提出的NR-IQA方法。研究结果表明, 所提方法是有效的、可行的, 是一个综合性能优异的NR-IQA方法。
图像质量评价 无参考 局部色貌 彩色模糊图像 image quality assessment no reference local color appearance color blurred image
光学 精密工程
2023, 31(10): 1509
邱小霞 1,2,3鲍华 1,2高国庆 1,2,3,4张莹 1,2,3[ ... ]李淑琪 1,2,3
1 中国科学院自适应光学重点实验室, 成都 610000
2 中国科学院光电技术研究所, 成都 610000
3 中国科学院大学, 北京 100000
4 电子科技大学, 成都 611000
自适应光学(AO)成像系统受残余大气湍流、闭环跟踪误差和光电探测噪声等因素的影响, 成像结果参差不齐, 不利于后期图像筛选和事后处理, 故需要对图像质量进行评价。传统图像质量评价方法对自适应光学图像质量的评价不可靠, 甚至会出现评价结果与实际背离的情况。针对上述问题, 根据自适应光学系统的成像过程, 生成具有图像质量标签的自适应光学退化图像数据集, 在此基础上采用以ResNet作为主干的深度神经网络, 训练得到了用于评价自适应光学图像质量的神经网络模型, 在测试集上的Spearman相关系数(SROCC)最佳为0.994。实验结果表明, 该方法综合考虑了自适应光学图像成像过程中的多种退化因素, 通过训练深度神经网络得到无参考自适应光学图像质量评价模型, 评价精度优于其他传统图像质量评价算法。
图像质量评价 自适应光学图像 深度神经网络 image quality assessment adaptive optical image deep neural network
北京理工大学 宇航学院 精密测试实验室, 北京 100081
稀疏角度下图像重建算法的研究是发射光谱层析技术在场分布测量方面应用的关键问题。代数重建算法、同时迭代重建算法以及联合代数重建算法是其中应用较为广泛的迭代类图像重建算法。以蜡烛火焰为重建对象, 利用均方差、峰值信噪比、结构相似性和图像平均梯度等图像质量评价指标来分析评价不同算法的图像重建效果, 并发展了一种多指标优化算法融合的技术, 充分利用三种算法的恢复重建优势, 实现了火焰三维温度场的分区重建, 重建温度误差在5%以内。实验结果证明, 所发展的算法融合技术适用于火焰三维温度场的高质量重建。
光学测量 图像重建算法 多指标优化 算法融合 三维温度场 图像质量评价 optical measurement image reconstruction algorithm multi-index optimization algorithm fusion three-dimensional temperature field image quality assessment
中国矿业大学信息与控制工程学院,江苏 徐州 221116
随着3D视频的普及,虚拟视角合成(DIBR)技术被广泛应用在娱乐、**、教育等多个领域。DIBR技术作为虚拟视角合成的主流技术之一,其合成图像视频的质量是相应技术成功应用的关键,因此针对DIBR图像提出了一种基于统计特征的无参考质量评价模型。首先通过Benford定律对DIBR图像特有的纹理失真进行检测,再提取图像的discrete cosine transform(DCT)系数的离散值和自然场景统计特征。最后利用支持向量回归(SVR)对提取的特征进行训练,得出预测分数。在IVC、IETR和MCL-3D三个公开的图像数据集上的实验结果表明,所提方法与人类主观评价具有高度的一致性。
成像系统 图像质量评价 虚拟视角合成技术 Benford定律 自然场景统计 激光与光电子学进展
2022, 59(8): 0811001
为了更好地评价图像质量, 解决在基于卷积神经网络的图像质量评价模型(CNN-IQA)上明显忽略的分块图像之间存在差异性的问题, 提出了一种多特征融合的CNN模型。首先, 将整幅图像进行不重叠分块, 并提取每个分块图像的信息熵和纹理特征。然后, 将提取计算的两特征相结合, 计算各分块图像的重要性权重, 以此衡量分块图像对失真图像质量的影响。最后, 根据计算出的重要性权重修改损失函数, 突出重要性高的分块图像在训练过程中发挥的作用。在LIVE数据集进行验证和对比实验发现, 该算法的SROCC与LCC指标为0.962和0.960, 相比原算法至少提升09%; 在TID2008数据集上验证和对比实验发现, 该算法获得的SROCC与LCC指标为0.922和0.926, 相比原算法至少提升06%。并且在两数据集上的结果均优于其他对比算法。实验结果证明了其在预测图像质量方面具有良好的性能和泛化性。
图像处理 无参考图像质量评价 卷积神经网络 纹理特征 信息熵 损失函数 image processing no reference image quality assessment convolutional neural network texture feature information entropy loss function
陕西科技大学 电子信息与人工智能学院, 陕西 西安 710021
图像质量评价(Image Quality Assessment, IQA)是计算机视觉领域研究的基本问题之一。目前, 绝大多数图像质量模型都是基于灰度图像构建的, 而彩色图像质量评价至今依然是IQA领域的开放性问题。彩色图像质量评价研究的关键在于建立与人类色彩认知能力相一致的色彩信息的量化描述。本文基于颜色名称(Colornames, CN)构建彩色图像质量评价模型, 将图像的每个像素值映射为CN概率向量, 利用Wasserstein距离计算两幅图像的感知色差, 以亮度和梯度特征作为补充, 在池化阶段采用显著性加权得到客观图像质量评分。在公开测试数据集上的实验结果表明, 提出的模型在TID2008、TID2013和最新的KADID-10k数据集上表现最佳, 其SROCC值分别为0.900 9, 0.890 1,0.863 7。总体评价效果与目前最好的传统方法(非深度学习方法)相当; 而对于颜色失真, 则具有明显的优势。
彩色图像质量评价 颜色名称 Wasserstein距离 人类视觉系统 color image quality assessment colornames Wasserstein distance human visual system
光子学报
2021, 50(11): 1110004
宁波大学信息科学与工程学院, 浙江 宁波 315211
为了解决多失真图像的质量预测偏差问题,根据视觉生理心理学研究中人类大脑初级视皮层(V1)神经元细胞对视觉信息处理的过程,提出了一种无参考立体图像质量评价方法。首先对失真立体图像对进行Gabor滤波,构造了基于双目神经元响应的V1区模拟刺激模型;其次通过离散余弦变换(DCT)和去均值对比度归一化(MSCN),分别提取了失真立体图像对的DCT域和空间域的自然场景统计特征;最后采用支持向量回归(SVR)算法,建立了所提取特征和主观评价值间的映射关系,进而构建了预测立体图像质量的客观评价模型。基于公开数据库对所提模型进行了验证和对比。结果表明,所提方法可统一预测单失真和多失真立体图像的感知质量,比现有评价方法的性能更优。
图像处理 图像质量评价 双目神经元 离散余弦变换 支持向量回归 激光与光电子学进展
2021, 58(24): 2410007