RGB色彩空间中各色彩分量间存在强相关性,图像发生失真会改变各分量间的相关性.基于此,本文提出了一种新的通用无参考图像质量评价方法.首先,根据人类视觉对RGB色彩空间中绿色分量更为敏感的颜色感知特性,提取了G分量MSCN系数及其4方向...RGB色彩空间中各色彩分量间存在强相关性,图像发生失真会改变各分量间的相关性.基于此,本文提出了一种新的通用无参考图像质量评价方法.首先,根据人类视觉对RGB色彩空间中绿色分量更为敏感的颜色感知特性,提取了G分量MSCN系数及其4方向邻域系数的统计特征;其次,在分析RGB色彩空间中R、G及B分量间相关性的基础上,分别计算RGB色彩空间各色彩分量及其纹理、相位间的互信息,利用互信息作为统计特征来描述其各分量间的相关性;进而,结合上述统计特征,分别利用SVR和SVC构建无参考图像质量评价模型和图像失真类型识别模型;最后,在LIVE、CSIQ及TID2008图像质量评价数据库上进行了算法与DMOS(Different mean opinion score)的相关性、失真类型识别及计算复杂性等方面的实验.实验结果表明,本文方法的评价结果与人类主观评价具有高度的一致性,在LIVE数据库上的斯皮尔曼等级相关系数和皮尔逊线性相关系数均在0.942以上;而且,图像失真类型识别模型的识别准确率也高达93.59%,明显高于当今主流无参考图像质量评价方法.展开更多
目的为了进一步掌握无参考图像质量评价的发展过程与研究热点,为后续的相关研究提供参考。方法使用citespace文献可视化软件对2000—2021年在Web of Science检索到的1712条文献数据进行基本分析、共被引分析和关键词分析,通过分析可视...目的为了进一步掌握无参考图像质量评价的发展过程与研究热点,为后续的相关研究提供参考。方法使用citespace文献可视化软件对2000—2021年在Web of Science检索到的1712条文献数据进行基本分析、共被引分析和关键词分析,通过分析可视化图谱来得到无参考图像质量评价的发展特点。结果分析表明无参考图像质量评价目前正处于高速发展阶段,全世界各科研强国均在该领域有所建树,目前也已存在较为成熟的无参考图像评价算法,但其精度相较于主观评价仍有差距。结论未来研究人员应该结合当今的人工智能技术推动无参考图像质量评价从高速发展向高质量发展转变。展开更多
针对监控图像受到多重噪声影响的特点,及安防对监控图像的信息量大小、子区域质量的特殊要求,提出一种基于空域特征的图像质量无参评估方法。该方法在图像自然场景统计模型空域特征基础上,引入图像二维信息熵作为特征之一;另外,提出分...针对监控图像受到多重噪声影响的特点,及安防对监控图像的信息量大小、子区域质量的特殊要求,提出一种基于空域特征的图像质量无参评估方法。该方法在图像自然场景统计模型空域特征基础上,引入图像二维信息熵作为特征之一;另外,提出分块分析方法,将图像的子区域质量并入图像特征;最后,通过机器学习优化特征权重,得到图像质量评价模型。交叉验证实验中,该方法对监控图像质量评估结果与主观质量得分的线性相关系数、斯皮尔曼等级相关系数均值分别为0.783和0.687,相对空域上的无参考质量评价方法 BRISQUE分别提高了0.7 d B和1.5 d B。实验结果表明,算法对监控图像质量评估结果与专业人士主观评价结果一致性明显高于对比算法。展开更多
文摘RGB色彩空间中各色彩分量间存在强相关性,图像发生失真会改变各分量间的相关性.基于此,本文提出了一种新的通用无参考图像质量评价方法.首先,根据人类视觉对RGB色彩空间中绿色分量更为敏感的颜色感知特性,提取了G分量MSCN系数及其4方向邻域系数的统计特征;其次,在分析RGB色彩空间中R、G及B分量间相关性的基础上,分别计算RGB色彩空间各色彩分量及其纹理、相位间的互信息,利用互信息作为统计特征来描述其各分量间的相关性;进而,结合上述统计特征,分别利用SVR和SVC构建无参考图像质量评价模型和图像失真类型识别模型;最后,在LIVE、CSIQ及TID2008图像质量评价数据库上进行了算法与DMOS(Different mean opinion score)的相关性、失真类型识别及计算复杂性等方面的实验.实验结果表明,本文方法的评价结果与人类主观评价具有高度的一致性,在LIVE数据库上的斯皮尔曼等级相关系数和皮尔逊线性相关系数均在0.942以上;而且,图像失真类型识别模型的识别准确率也高达93.59%,明显高于当今主流无参考图像质量评价方法.
文摘目的为了进一步掌握无参考图像质量评价的发展过程与研究热点,为后续的相关研究提供参考。方法使用citespace文献可视化软件对2000—2021年在Web of Science检索到的1712条文献数据进行基本分析、共被引分析和关键词分析,通过分析可视化图谱来得到无参考图像质量评价的发展特点。结果分析表明无参考图像质量评价目前正处于高速发展阶段,全世界各科研强国均在该领域有所建树,目前也已存在较为成熟的无参考图像评价算法,但其精度相较于主观评价仍有差距。结论未来研究人员应该结合当今的人工智能技术推动无参考图像质量评价从高速发展向高质量发展转变。
文摘针对监控图像受到多重噪声影响的特点,及安防对监控图像的信息量大小、子区域质量的特殊要求,提出一种基于空域特征的图像质量无参评估方法。该方法在图像自然场景统计模型空域特征基础上,引入图像二维信息熵作为特征之一;另外,提出分块分析方法,将图像的子区域质量并入图像特征;最后,通过机器学习优化特征权重,得到图像质量评价模型。交叉验证实验中,该方法对监控图像质量评估结果与主观质量得分的线性相关系数、斯皮尔曼等级相关系数均值分别为0.783和0.687,相对空域上的无参考质量评价方法 BRISQUE分别提高了0.7 d B和1.5 d B。实验结果表明,算法对监控图像质量评估结果与专业人士主观评价结果一致性明显高于对比算法。
