论文部分内容阅读
随着计算机多媒体技术的快速发展，数字图像作为一个非常重要的信息传递载体，已经深入到人们学习生活工作的方方面面。从图像的获取到图像的各种处理以及图像的压缩传输等，都涉及到图像质量的改变。因此，关于图像质量评价方法的研究工作具有非常重要的应用价值。其中，主观评价方法和客观评价方法是图像质量评价的两种主要方法，而客观评价方法又可分为全参考评价、部分参考评价以及无参考评价这三种。本文研究的主要内容是无参考图像质量评价方法，内容如下所示：1、探讨了课题的研究背景和意义，分析了国内外图像质量评价方法的研究成果，并分别对主观评价、全参考评价、部分参考评价和无参考评价进行了介绍，分析它们各自的性能。2、分析了神经网络建模的优点，分别介绍了广义回归神经网络(GRNN)和模糊理论的基础知识，并提出了将模糊理论应用到广义回归神经网络中从而建立模糊广义回归神经网络(Fuzzy-GRNN)的想法。3、提出了基于轮廓波变换(Contourlet)的无参考图像质量评价方法。首先对Contourlet变换进行研究，然后结合失真会破坏自然图像统计特征和Contourlet变换能捕捉图像的几何特性这些理论知识，提取图像经Contourlet变换后得到的能量序列，随后利用神经网络进行无参考图像质量评价。该方法先将图像的能量信息作为神经网络的输入数据，图像的差分平均主观得分(DMOS)作为输出数据，分别进行GRNN和模糊GRNN神经网络训练得到神经网络预测模型，同时对于不适用于模型的失真类型进行能量补偿，然后再分别用这两个模型来预测图像质量，给出最终的质量得分。仿真结果表明，基于Contourlet变换的无参考图像质量检测模型可以有效的评价多种失真类型的图像，且与人类主观感受具有较好的一致性，并且通过对比试验结果得出结合模糊GRNN的模型在总体性能上优于结合GRNN的模型。4、通过研究学习非下采样轮廓波变换(NSCT)的基本原理，得出相比较于轮廓波变换其能更好的捕捉图像几何特征、因而可以更加有效的反应图像失真程度的结论，提出了基于非下采样轮廓波变换的无参考图像质量评价方法。该方法首先提取图像在NSCT变换域的能量特征序列，然后将图像特征序列和DMOS值送入神经网络训练，建立基于NSCT和神经网络的无参考图像质量评价模型。实验结果表明，基于NSCT变换的质量评价模型对多种失真类型的评价效果上，都较基于Contourlet变换的图像质量评价模型有更高的精度，并且和人类视觉感知有着高度的一致性。