摘要：针对现有的图像质量评价方法普遍为人工设计特征,难以自动且有效提取到符合人类视觉系统的图像特征,受人眼视觉特性的启发,提出一种新的基于卷积神经网络的全参考图像质量评价方法(DeepFR)。该方法基于对数据集本身的学习设计了卷积神经网络DeepFR模型,利用人眼视觉系统对梯度的敏感性进行加权优化,提取了符合人眼视觉特性的视觉感知图。实验表明:设计的DeepFR模型优于已有的全参考图像质量评价方法,其预测结果与主观质量评价有很好的精确性与一致性。

摘要：针对现有图像质量评价方法无法像人眼一样准确地评价各种图像失真,提出一种基于Gabor滤波器的全参考型图像质量评价方法.Gabor滤波器采用复数波形去调制高斯函数,得到一个在时间和频域上联合分辨率达到理论极限.通过优化Gabor滤波器的参数,可以有效地模拟人眼视觉特性.使用Gabor滤波器对图像的特征信息进行提取和对比之后,可以得到较好的图像质量评价效果.实验结果表明:该方法在对各种典型的失真图像的质量评价中,客观评分的各项指标均与人的主观感受较为一致.

摘要：为了设计与人的主观评价相吻合的全参考型客观图像质量评价(IQA)算法。针对不同算法提取的局部特征,利用广义平均的非线性性质,提出了2种池化策略,以提高结构相似度(SSIM),梯度结构相似度(GSSIM),特征相似度指标(FSIM)的评价能力。在TID2008和TID2013数据库中进行数值实验,讨论了所有失真类型非线性参数的选择以及不同失真类型之间非线性参数的变化。结果表明,采用广义平均池化策略能提高IQA算法的有效性。4种客观评价指标Spearman等级相关系数(SROCC)、Kendall等级相关系数(KROCC)、Pearson线性相关系数(PLCC)和均方误差根(RMSE)表明所提算法性能优于已有的算法,与人的视觉系统具有一致性。

摘要：针对各种全参考客观评价算法进行了综述,并以美国德克萨斯大学的LIVE图集为对象,设计了图像质量评价算法实验测评系统并对5种图像质量评价算法进行了统计测评,实验结果表明,在5种算法中SSIM算法性能最好.

摘要：为了更好地利用人类视觉系统特性,采用已经被证明在人类视觉系统中具有重要作用的感知分组策略来设计图像质量评价模型.与目前的基于固定窗口的方法不同,所提方法通过将感知分组策略融入图像质量评价中,实现了以一种自适应窗口的方式来评价图像质量.算法流程如下:首先,通过超像素方法将相似像素尽最大限度地聚集到一组;其次,对参考图像和失真图像的对应超像素进行基于结构相似度的计算;最后,综合图像中的所有超像素的相似性得到最终的评价结果.在3个图像数据库(LIVE,IVC和MICT)上的实验结果显示,该方法具有很好的预测性能.

摘要：工业机器人视觉系统在校准和标定过程中需要对成像质量进行客观评价,而在参考图像已知的情况下,现有图像质量评价方法无法有效表征图像局部结构差异,难以充分考虑像素级差异对局部结构的影响。针对上述问题,提出了一种基于视觉显著性的全参考图像质量评价方法。其中,设计了一种基于梯度图的差异度表征方法,利用相位一致性和梯度图来描述图像局部结构和像素级的差异,进而提出了基于视觉显著性的图像质量评价方法,通过利用像素级差异对图像局部结构进行权重赋值,从而提高算法对图像进行质量评价时的性能。实验结果表明,本文方法和其他四种典型图像质量评价算法相比,能够在三个标准图像数据库上取得更高的质量评价分数。

摘要：图像的部分参考评价方法只需要参考图像的部分提取参数即可,不需要完整的参考图像,运用相对灵活,成为人们重点研究的对象。结构相似度算法因为其优点得到了越来越多的重视。但是结构相似度算法只能是一种全参考客观评价方法。因为要采用结构相似度算法就必须有完整的参考图像。因而,这里提出一种对结构相似度算法的改进方案,使其变为部分参考评价方法,并且保持原有结构相似度算法的良好效果与运算简便。实验结果证明,该改进方法达到了设计目的。