论文部分内容阅读
人们获得到的图像由于各种各样的原因不可避免的在质量上会有所降低。无参考图像质量评价(No Reference Image Quality Assessment,NR-IQA)方法在评价图像时,不用提供原始图像作为参照,因此具有直接对图像进行评价的优点,可以嵌入到实时系统中对图像作出评价。自然场景统计(Natural scene statistics,NSS)特性是图像最本质的属性,将其从图像中提取出来作为图像的特征然后对图像进行评价是切实可行的方法。又考虑到人眼存在注意机制,对兴趣区域会投入更多的注意力。所以,本文以自然场景统计特性和兴趣区域为基础,在不用原始图像作为参考的情形下对图像作出评价。论文研究成果如下:1.根据自然场景统计特性和多尺度分析处理图像的优势,本文提出了一种基于非下采样 Contourlet 变换(Nonsubsampled Contourlet Transform,NSCT)的NR-IQA方法。该方法分析了 NSCT的优势,利用它提取出图像的自然场景统计特性作为特征,然后利用支持向量回归(Support Vector Regression,SVR)训练模型得到图像评分。在LIVE数据集上与现有比较先进的无参考图像质量评价方法进行对比,验证了该方法的有效性。2.考虑到人眼的注意机制,提出了一种基于兴趣区域(Regions of Interest,ROI)的NR-IQA方法。该方法分析了人眼的感知特性,对Itti模型作出了改进,加入了纹理特征和边缘特征。改进后的Itti模型提取出的显著图可以更好地体现出人眼的兴趣区域。然后利用NSCT提取图像的自然场景统计特性作为特征,分别计算兴趣区域与非兴趣区域与原始图像的距离。最后通过赋予兴趣区域和非兴趣区域不同的权重得到图像的质量评分。在LIVE数据集上进行了实验,实验结果表明该方法比(1)中提出的方法性能更好,并且与目前比较先进的无参考图像质量评价方法性能相近,最主要的是,该方法不用进行训练。