论文部分内容阅读
在现如今的图像质量评价体系当中,主要将评价方法划分为两种:主观评价和客观评价。其中主观评价最为精准,但不能大量准确的测量,又浪费时间消耗精力,不能实时处理;客观评价根据对原始图像信息的利用率可以划分为三种不同的类型:全参考、半参考和无参考。很多情况下原始图像的信息是无法获取的,这就在很大范围内限制了全参考和半参考评价方法的应用,并且图像是提供给人类使用的,因此,从人眼的视觉特性出发,研究无参考的图像质量评价方法具有重要的现实意义。本文以研究各种图像质量评价方法为基础,重点研究了基于人类视觉系统的无参考图像质量评价方法。论文首先对目前图像质量评价方法的研究现状和未来的发展趋势进行了分析和归纳总结。然后深入研究了主观评价和客观评价两种方法,并介绍了评价方法的三个设计原则。最后提出了两种基于人类视觉系统特性的无参考型图像质量评价算法:1.基于人类视觉系统的无参考型模糊图像质量评价算法。论文针对最常见的模糊失真类型,将人类视觉系统特性引入到评价体系中,首先将图像进行分块处理,然后通过计算图像块的局部方差并设置合适的阈值来选取更能引起人类视觉系统注意的图像区域,最后只针对这一部分区域采用二次模糊的处理算法,通过计算模糊前后图像块的像素变化得到图像的质量评价结果。仿真测试结果表明,该算法运算复杂度低,简单易实现,与人类的主观评价结果吻合程度高,满足评价方法的设计原则,并且在算法性能上优于很多已经存在的经典算法。2.基于人类视觉系统的无参考型JPEG压缩图像质量评价算法。论文针对JPEG压缩过程容易产生块效应和模糊的失真类型,首先利用人类视觉系统特性提取图像部分区域,然后分别计算该区域的块效应、活跃度和过零点率三个特征值,最后将三个特征值整合为一个图像质量评价结果。仿真实验结果表明,该算法运算效率高,能够满足预测的准确性、一致性和单调性的设计原则。论文对无参考图像质量评价算法的研究和结论可以应用于图像处理系统中,能够指导硬件方面的实现,具有重要的理论价值和实用价值。