论文部分内容阅读
随着数字多媒体技术的飞速发展,数字图像在各个领域得到了广泛的应用。但是在数字图像的获取、压缩、传输等过程中,图像的质量会下降。为了减小图像处理系统对数字图像的降质,选用适当的图像质量评价算法对图像失真进行衡量从而指导和修正图像处理系统具有很高的研究和应用价值。全参考图像质量评价是当前最可靠的客观图像质量评价算法,其中结构相似度(Structural Similarity,SSIM)算法,梯度幅度相似度偏差(Gradient Magnitude Similarity Deviation,GMSD)算法都因计算简单并且结果可靠的优点而被广泛应用。本文通过对以上两种算法进行分析后发现SSIM算法不能准确评价白噪声失真图像与模糊失真图像,GMSD算法与主观评价一致性较差,本文主要对上述算法缺陷进行改进。本文的主要成果如下:1提出一种判别白噪声失真图像与非白噪声失真图像的方法。本文分析了LIVE图像数据库II所提供的五种类型的失真图像。根据所得到的分析结果,并结合不同类型失真图像的特点及图像降质模型的性质,提出了一种根据原始参考图像与待评价失真图像的差图像判别白噪声失真图像与非白噪声失真图像的方法。2提出一种基于白噪声失真的全参考图像质量评价算法。在区分不同失真图像类型的基础上,本文算法针对白噪声失真图像与非白噪声失真图像分别进行评价:对于白噪声失真图像,进行平滑预处理后利用SSIM算法进行评价;对于非白噪声失真图像,本文提出图像的边缘显著图,利用边缘SSIM(Edge SSIM,ESSIM)对边缘显著图进行评价,以得到更为准确的图像质量评价结果。采用该算法对LIVE图像质量评价数据库II中的982幅图像进行质量评价,实验结果表明相对于SSIM算法,该算法具有更好的稳定性及可靠性。3提出一种图像平坦背景区域抑制算法。现有的图像分割算法在抑制平坦背景区域时往往表现出很高的复杂性及对人机交互的依赖性,会大大增加系统开销。为解决上述问题,本文运用简单的形态学自适应阈值操作对图像进行梯度抑制,并结合形态学闭运算得到梯度平坦背景区域抑制图,最后和原灰度图像相与而产生原图的平坦背景区域抑制灰度图。4提出一种基于平坦背景区域抑制的全参考图像质量评价算法。该算法在对图像进行平坦背景区域抑制后,通过求取图像的梯度幅度、梯度幅度相似图、梯度幅度相似图均值而得到梯度幅度相似度偏差作为图像客观质量评价结果。采用该算法对LIVE图像质量评价数据库II中的982幅图像进行质量评价,实验结果表明相对于GMSD算法,该算法具有更好的稳定性及可靠性。