论文部分内容阅读
图像是人类从外界获取信息的最主要载体,从图像的获取到最后显示,整个过程中都将不可避免的引入失真。因此,如何快速有效地评价图像质量,已引起了越来越多人的重视。根据评价过程中使用参考图像信息的程度,客观评价方法可分为全参考型图像质量评价方法(Full Reference Image Quality Assessment,FRIQA),半参考型图像质量评价方法(Reduced Reference I mage Quality Assessment,RR I QA),无参考型图像质量评价方法(No Reference Image Quality Assessment,NRIQA)。在实际应用中,由于经常得不到原始的参考图像,因此对无参考型算法的研究成为了该领域的研究重点。在了解NRIQA算法之后,本文提出了两种相应算法,具体研究内容如下。(1)提出了一种基于Haar小波的NRIQA算法。该方法先对模糊图像进行快速Haar小波分解,对高频子带进行加权处理,得到新的高频细节图,对该图像的亮度系数进行归一化处理,再利用广义高斯分布进行参数估计,并建立评价模型,得到最终的评价分数。该算法在LIVE数据库和TID2008数据库中进行测试,其中在LIVE数据库中的PLCC值为 0.8721,SROCC 值为 0.8805,在 TID2008 数据库中 PLCC 值为 0.7813, SROCC 值为0.7921,充分验证了该方法的有效性和准确性。(2)提出了一种基于稀疏表示的NRIQA算法。通过提取图像在空间域和频域上的图像特征,对提取的图像特征使用字典学习的方法进行稀疏化,最后对稀疏后的系数建立评价指标。该算法对各类失真均适用,在LIVE数据库中进行实验,得到PLCC值为0.8512,SROCC值为0.8661,可见,其评价结果与主观评价基本一致。