人眼视觉特性压缩图像质量评估方法

合集下载

基于人眼视觉特性的图像视觉质量评价方法

Ｋｅｏｄ：ｖｕｌｏｅｉａｃａａｔｓｃ；ｓｂｅｔｅｑａｉｓｅｓｅｔｂｅｔｅｑａｔａｓｓｍｎｙｗｒｓｉａｍｄｌｓｌｈｒｃｒｔｓｕｊｃｖｕｔａｓｓｍｎ；ｏｊｃｖｕｉｅｓｅｔｓ；ｖｕｅｉｉｉｌｙｉｌｙｓ
ｖｌｅ．Ｉｍａｅｅａａｉｏｅｎｔｎｙｂｏｓｔｔｉｅａｖｔｅｏｊｃｖｕｌｙａｓｓｍｎ，ｂｔｌｏｔａｕｓｔｄｖｌｔｎｍｄｌｏｏｌｅｃｎｉｅｔｔｄａａｆｂｅｔｅｑａｔｓｅｓｅｔｕｓｔｋｉｏｕｏｓｎｗｈｈｎｇｏｉｉａｏｏｎａｃｕｔｈｕａｉａｅｐｒｎｅｔａｃｎｉｅｔｉｅｏｊｃｖｙａｄｓｂｅｔｉｆｈｍｎｅｅ．Ｔｅｖｌａｅｃｏｎｅｈｍｎｖｕｌｘｅｅｃ．ＩｗｓｏｓｔｎｗｔｔｂｅｔｉｎｕｊｃｉｔｏｕａｙｓｈａｄｔｔｓｉｓｈｈｉｔｖｙｉｄｒｓｌｆｍａｅｓｂｅｔｅｅａｕｔｎｏａｂｓｆＥＡｎｖｒｔｏｎｅｔｅｒｖａｔｒｐｓｄｍｅｏｅｅｕｓｇｕｊｃｖｖａｏｎｄｔａｅｏＸＳＵｉｓｙｆｉｄＳａｓｐｏｅｔｔｈｐｏｏｅｔｄｇｔｔｏｉｉｌｉａＴｅｉＵｔｔｈｅｈｓｂｔｒｏｓｔｎｙｗｔｓｂｅｔｅａｓｓｍｎ．ｅｅｎｉｅｃｉｕｊｃｖｓｅｓｅｔｔｃｓｈｉ
ＪｕｎｌｆＣｍｐｔｒＡｐｌａｉｎｏｒａｏｕｅｐｉｔｓｏｃｏ
ＩＳ１ＳＮ００１９．０８１

一种符合人眼视觉特性的全参考图像质量评价方法

关键
词：图像修补质量；全参考评价准则；人眼视觉系统（ＨＶＳ）
文献标志码：Ａ
中图分类号：ＴＰ３９１
随着图像修补技术应用到众多方面，修补后图像的质量好坏逐渐受到重视．修补后图像的质
１ＨＶＳ特性
性的图像质量评价方法，如基于人眼视觉特性的
加权峰值信噪比评价方法方法 … ，文中分析了图
像的亮度、纹理、边缘等影响人眼视觉的特性，并
觉非线性特性．当观察者观察一幅亮度为的图
像，将这幅图像分成两个部分，将其中一部分图像
第３Ｏ卷第９朗２０１３年９月
吉林化工学院学报
ＪＯＵＲＮＡＬＯＦＪＩＬＩＮＩＮＳＴＩＴＵＴＥＯＦＣＨＥＭＩＣＡＬＴＥＣＨＮ０Ｌ０ＧＹ
Ｖｏ！．３０Ｎｏ．９
眼视觉特性的图像修补质量评价方法成为近年来
的一个研究热点．
觉非线性衰减、二维视觉敏感度带通和视觉多通
道及掩盖效应．（１）视觉非线性．韦伯定律描述了ＨＶＳ的视
目前，研究人员提出了多种结合人眼视觉特
了较好的评价效果．本文实现了建立在人眼视觉
其中Ｏｔ、为常量．
（２）二维视觉敏感度带通．人眼视觉对比度

一种基于人眼视觉特性的立体图像质量客观评价方法

摘要：通过模拟人眼视觉特性中的对比度敏感函数、多通道效应以及立体感知特性，提出了一种基于人眼视觉特性的立体图像质量客观评价方法。在评价左右图像质量时，利用小波变换模拟人眼视觉特性中的多通道效应，不同空间频带的小波系数按对比度敏感函数进行加权，左右图像质量度量采用Ｃｎｅｒ￣－ａｂｒ离。在评价立体感知时，ａ则通过计算原始与测试左右图像的绝对差值图相似度来实现。其后，通过回归分析将左右图像质量和立体感知评
ＡａｉｓｓｍｅｔｅｈｄｏｔｒｏｃｐｃｍａｅＱｕｌｙＡｓｅｓｎｔｏｆｅｅｓｏｉＩｇｓｔＭＳ
ＢａｅｎＨｕｍａｓｌｓｅｓｄｏｎＶｉｕａｔｍＳｙ
ＷＡＮＧｈｎＡ．ｏｇ，ＹＵＭｅ＇Ｅｉ－，ＰＮＧｏｇｕ，ＷＡＺｎｑＮＧＸｕ，
价结果拟合成为所需的立体图像质量客观评价模型。实验结果表明该模型与主观评价结果具有较好的一致性。
关键词：立体图像质量；人眼视觉特性；立体感知中图分类号：Ｔ３１Ｐ９文献标志码：Ａｄｉ０３６／ｉｎ１０ —０Ｘ．１．１２ｏ：１．９．ｓ．０３５１２１．５９ｊｓ０００
ＪＩＡＮＧａ－．ＺＨＯＵｕｎｍｉｇ，ＳＨＡＯｎｇＧｎｇｙｉ’，Ｊ．ｎＦｅ
（．ａｕｔｏｌｏｍｔｎＳｉｃｎＥｇｎｅｉｇＮｎｂｎｖｒｉ，ｉｂ１２１ＺｅａｇＰｏｉｃ，ｈｎ；１Ｆｃｌｎｒａｉｃｅｅｄｎｉｅｒ，ｉｏＵｉｓＮｎｏ３５１，ｈｊｎｒｖｎｅＣｉｙｆｆｏｎａｎｇｅｔｙｇｉａ２ＮｔｎｌｅａＳｆｗｒＮｅｅｈｏｏｙＮａｊｎｎｖｒｉ，ａｊｎ１０３Ｃｉａ．ａｉａＫｙＬｂｆｏｔａｅｗＴｃｎｌ，ｎｉｇＵｉｓｔＮｎｉｏｏｇｅｙｇ２０９，ｈｎ）

图像质量评估

图像质量评估图像质量评估是对一幅图像的视觉质量进行评估的过程。

在图像处理和计算机视觉领域中，图像质量评估是一个重要的研究领域，它帮助人们了解和提升图像质量，从而提高图像处理和计算机视觉应用的效果。

图像质量评估的目的是确定图像的整体视觉质量，衡量图像的清晰度、亮度、对比度、色彩准确性、失真程度等方面。

在实际应用中，图像质量评估可以帮助人们选择最优的图像处理算法、优化图像传输和压缩算法、改善图像渲染和显示效果。

图像质量评估的方法多种多样，常见的方法包括主观评估和客观评估。

主观评估是通过人眼观察和主观感受来评估图像质量的方法。

在主观评估中，一组受试者会观看一系列图像，对它们的质量进行评价，评价结果通过平均分数或者百分比来得到。

主观评估方法的优点是能够获得较为准确的图像质量评价结果，但是主观评估需要消耗大量的人力和时间，并且对于评价结果的一致性和可重复性要求较高。

客观评估是通过计算机算法和数学模型来评估图像质量的方法。

客观评估方法基于图像特征的度量和统计分析，通过提取图像的局部或全局特征，如图像的亮度、对比度、尖锐度等指标，来评估图像质量。

客观评估方法的优点是快速、自动化，并且能够对大量图像进行评估，但缺点是评估结果与人的主观感受可能存在一定差距。

常见的客观图像质量评估方法包括结构相似性指标（SSIM）、峰值信噪比（PSNR）、视觉感知的图像质量度量（VIF）、图像模糊度度量等。

这些方法通过对图像的不同方面进行分析和度量，给出一个数值化的评估结果，用来衡量图像的质量。

综上所述，图像质量评估是一个涉及人眼观察和计算机算法的复杂过程。

通过主观评估和客观评估相结合的方法，可以得到较为准确和全面的图像质量评价结果，帮助人们提升图像处理和计算机视觉应用的质量和效果。

基于人眼视觉特性的深度学习全参考图像质量评价方法

human visual properties
收稿日期院2018-04-10曰修订日期院2018-05-20 基金项目院装发部共用技术项目(Y6K4250401) 作者简介院姚旺(1994-)袁女袁硕士生袁主要从事图像质量评估方面的研究遥 Email: yaowang@ 导师简介院刘云鹏(1980-)袁男袁研究员袁博士袁主要图像处理尧模式识别方面的研究遥 Email: ypliu@
0703004-1
第7期
红外与激光工程
第 47 卷
0引言
图像在获取尧传输尧压缩等过程中易受到不同程度的失真袁导致图像质量的下降袁而图像质量的优劣将直接影响人与计算机获取信息的能力袁因此开发一种对图像质量进行测量和量化的系统有重要应用价值遥客观图像质量评价是通过模拟人眼视觉系统来衡量图像质量优劣的方法袁一般根据在评价过程中对参考图像的依赖程度分为全参考尧部分参考与无参考遥全参考图像质量评价可以根据参考图像与失真图像之间的差异来量化视觉敏感度袁从而使其能够与人类视觉系统有很好一致性袁因此袁文中采用全参考图像质量评价方法遥
3. Key Laboratory of Opto-Electronic Information Processing, Chinese Academy of Sciences, Shenyang 110016, China; 4. State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016, China)
Abstract: Since the current image quality assessment methods are generally based on hand -crafted features, it is difficult to automatically and effectively extract image features that conform to the human visual system. Inspired by human visual characteristics, a new method of full -reference image quality assessment was proposed by this paper which was based on convolutional neural network (DeepFR). According to this method, the DeepFR model of convolutional neural network was designed which was based on the understanding of the dataset by itself using the human visual system to weight the sensitivity of the gradient, and the visual gradient perception map was extracted that was consistent with human visual characteristics. The experimental results show that the DeepFR model is superior to the current full -reference image quality assessment methods, its prediction score and subjective quality evaluation have good accuracy and consistency. Key words: image quality assessment; full -reference; deep learning; convolutional neural network;

图像处理中的图像质量评价算法

图像处理中的图像质量评价算法图像处理是计算机视觉领域中的热门技术之一，其主要目的是对数字图像进行处理和分析，以提取有用的信息，改善图像的质量或实现特定的任务。

在实际应用中，我们经常需要对图像进行质量评价，以衡量处理结果的好坏。

本文将介绍图像质量评价算法中的一些常见方法和技术。

一、人眼主观评价法人眼是最常用的图像质量评价工具之一。

在这种方法中，根据受试者的主观感受，评估图像的质量。

通常，受试者会被要求将图像分为五个等级：极佳、好、一般、差、极差。

然后，将受试者的评分进行统计和分析，获得最终的质量评估结果。

人眼主观评价法的优点是易于理解和使用，可以得到比较准确的结果。

但是，它需要大量的人力和时间，并且只能得到一个相对的质量评估结果，缺乏客观性。

二、均方误差法均方误差法是一种经典的图像质量评价方法，早在上世纪50年代就被广泛应用于图像处理领域。

其核心思想是比较原始图像和处理后的图像之间的像素值之差。

均方误差可以通过以下公式计算：MSE = 1/N * ∑(i=1 to N) (xi-yi)^2其中，N代表像素数目，xi和yi分别表示原始图像和处理后图像中的像素值。

均方误差法的优点是计算简单，易于实现。

但是，它没有考虑视觉系统的感知差异，有时不能反映出人眼的真实感受。

三、结构相似性指数（SSIM）法结构相似性指数（SSIM）是一种模拟人眼感知过程的图像质量评价方法，可以更好地反映人类视觉的敏感性和感知机制。

其基本原理是通过比较两张图像之间的结构相似性来评估图像质量，其中结构相似性是指一组窗口像素之间的互相关系数。

SSIM指数可以通过以下公式计算：SSIM(x,y) = [l(x,y)*c(x,y)*s(x,y)] ^ α其中，l(x,y)、c(x,y)、s(x,y)分别表示亮度、对比度和结构相似性，α是一个权重参数。

SSIM法的优点是可以更好地反映人眼的感知结果，并且与其他评价方法相比，结果更具有客观性和可重复性。

面向人眼视觉感知特性的图像质量评价

面向人眼视觉感知特性的图像质量评价面向人眼视觉感知特性的图像质量评价在如今信息时代，图像已经成为人们不可或缺的一部分。

无论是在社交媒体上分享生活照片，还是在科学研究中使用高精度图像，图像的质量对于我们的生活和工作都至关重要。

因此，为了能够准确评估图像的质量，我们需要了解人眼视觉感知特性的基本原理，并将其应用于图像质量评价。

人的视觉系统是非常复杂和精密的，它包括了眼球、视网膜、视神经和大脑的多个部分。

在视觉感知中，我们通常关注的是明暗、颜色和纹理等方面。

然而，我们对不同特性的感知能力是不同的，这也决定了图像质量评价中的不同权重。

明暗对比度是人们对图像质量的一个重要指标。

较高的对比度可以使图像更加清晰和生动，而较低的对比度则可能导致图像变得模糊或失真。

在图像质量评价中，我们可以通过计算图像的平均灰度值和最大对比度来衡量图像的明暗对比度。

颜色对于人类视觉感知同样至关重要。

不同的颜色在视觉上也产生不同的效果。

例如，红色和蓝色是较为显眼的颜色，而灰色和黑色则使图像看起来更加柔和。

在图像质量评价中，我们可以使用色彩空间模型（例如RGB或Lab颜色空间）来将图像转换为颜色信息，然后计算颜色的平均值、颜色分布的均匀性等指标。

此外，纹理也是人眼感知图像质量的一个重要因素。

纹理可以提供更多的图像细节和特征，使图像看起来更加真实和自然。

在图像质量评价中，我们可以使用纹理特征提取方法，如局部二值模式或方向梯度直方图等，来量化图像中的纹理信息，并进一步评估图像的质量。

需要强调的是，人眼视觉感知特性的图像质量评价需要结合机器学习和人类主观评价的方法。

机器学习可以通过训练大量的图像样本来建立一个模型，来预测人类主观评价图像质量的结果。

这样，在进行图像质量评价时，我们可以利用机器学习模型来代替传统的客观评价指标。

综上所述，面向人眼视觉感知特性的图像质量评价是一个复杂而又重要的研究方向。

通过了解人眼视觉感知的基本原理，我们可以设计出更加准确和可靠的图像质量评价指标。

自然图像质量评价方法综述

自然图像质量评价方法综述随着数字图像技术的快速发展和广泛应用，对图像质量的评价变得越来越重要。

传统的图像质量评价方法在某些条件下存在一定的局限性。

研究人员提出了一些基于人眼视觉特性和图像内容特征的新的自然图像质量评价方法。

本篇综述将介绍一些常见的自然图像质量评价方法。

基于人眼视觉特性的自然图像质量评价方法主要考虑人眼对图像的感知和感觉。

其中一个重要的方法是结构相似度（SSIM），它主要衡量原始图像和失真图像的结构信息的相似程度。

人眼的颜色感知也是图像质量评价的重要方面。

一些方法如彩色对比度度量（CCM）和视觉感知颜色度量（CMC）被提出来用于量化图像的颜色保真度。

人眼对于图像的锐度感知也非常敏感。

为了考虑图像的清晰度，一些方法如图像清晰度度量（ISM）和梯度余弦相似度（GSSIM）被提出用于评价图像的清晰度。

基于图像内容特征的自然图像质量评价方法主要考虑图像的内容特征和感知。

其中一个重要的方法是感知模糊度度量（PQM），它通过测量片段的模糊度来评估图像的质量。

为了考虑图像的对比度和亮度，一些方法如对比度感知和亮度调整（CLA）和感知对比度度量（PCDM）被提出。

一些方法通过结合深度学习和卷积神经网络来评价图像的质量，如深度感知模态（DP）和卷积神经网络（CNN）。

综合考虑人眼视觉特性和图像内容特征的自然图像质量评价方法也被提出。

这些方法综合考虑了图像的结构、颜色、清晰度、模糊度和对比度等特征。

其中一个重要的方法是结构-颜色-清晰度模型（SCQM），它通过综合考虑图像的多个特征来评价图像的质量。

神经网络也被广泛应用于图像质量评价中，如综合感知特征图像质量评价（IQAN）和基于残差注意力机制（IRAM）的图像质量评价方法。

自然图像质量评价方法在考虑人眼视觉特性和图像内容特征的基础上，综合评估图像的结构、颜色、清晰度、模糊度和对比度等特征。

这些方法为图像质量评价提供了新的思路和方法，为图像处理和图像压缩等领域的研究提供了重要的参考。

利用人眼视觉特性的低比特率小波图像压缩

（ｅｔｆＥｅｔｎｎｉｅｒｇｕａｎｖ，ｈｎｈｉ０４３ｈａＤｐ．ｏｌｒｉｇｎｅｉ，ＦｄｎＵｉＳａｇａ０３，Ｃｉ）ｃｏｃＥｎ．２ｎ
Ａｂｔａｔ：Ｔｈｉｕｌｅｃｅｃｆｉｇｏｓｒｃｅｖｓａｆｉｎｙｏｍａｅｃｍｐｒｓｉｎｄｐｎｉｅｔｙｏｈｍｏｎｆｖｓａｌｉｎｆｃｎｎｏｍａｉｅｓｏｅｅｄｓｄｒｃｌｎｔｅａｕｔｏｉｕｌｓｇｉａｔｉｆｒ — ｙｉ
Ｌｏ・ｔｒｔｖｌｔ－ａｅｉａｅｃｍｐｅｓｏｓｎｇｗ－－ａｅｗａｅｅ・ｓｄｍｇｏｂｉ－ｂｒｓｉｎｕｉｈｕａｉｕａｈａａｔｒｓｉｓｍｎｖｓｌｃｒｃｅｉｔｃ
ＴａｉｈａｉｎＪｅｕ，Ｇａｄｎ，ＷａｇＹｕｎｕｎｕＸｉｏｏｇｎａｙａ
ｖｓａｙｔｍ，ｔｉｐｒｐｏｏｅｗｅｈｉｕｔａｍｐｅｎｓｗａｅｅ — ａｅｉｇｏｐｅｓｏａｌｗｔｉｕｌｓｓｅｈｓｐａｅｒｐｓｓａｎｅｔｃｎｑｅｈｔｉｌｍｅｔｖｌｔｂｓｄｍａｅｃｍｒｓｉｎｔｏｂｉｒｔｓＢｙｕｉｇｄｖｒｅｑａｔｚｔｎｓｅｓｚｓｉｉｅｅｔｒｇｏｓａｄｄｖｒｅｗｅｇｔｏｆｅｅｔｓｂｎｏｆ－ａｅ．ｓｎｉｅｓｕｎｉａｉｔｐ—ｉｅｎｄｆｒｎｅｉｎｎｉｅｓｉｈｓｆｒｄｉｒｎｕｂａｄｃｅｏｉｃｅｔ，ｗａｅｅｏｆｃｅｔｒｅｒｅｅｎｏｄａｃｒｉｇｔｈｉｅｃｐｕｌｉｏｔｎｅＥｘｅｉｎａｅｕｔｉｎｓｖｌｔｃｅｉｎｓａｅｒｏｄｒｄａｄｃｄｅｃｏｄｎｏｔｅｒｐｒｅｔａｍｐｒａｃ．ｉｐｒｍｅｔｒｓｌｓｌｓｏｔｔｗｈｎｉｌｍｅｔｄｉｔｈｗｈａｅｍｐｅｎｅｎｏＥＺＷ，ｔｅｐｏｏｅｃｅｅｐｒｏｍｓｂｔｒｔａｏｖｎｉｎｌＥＺＷｇｒｔｍｏｈｈｒｐｓｄｓｈｍｅｒｅｔｈｎｃｎｅｔｏａｆｅｌｉａｏｈｂｔ

基于人眼感知特性的图像质量评价

基于人眼感知特性的图像质量评价基于人眼感知特性的图像质量评价引言：在数字图像处理和计算机视觉领域中，图像质量评价一直是一个重要的研究方向。

而人眼作为图像质量主观感知的最终判断者，其特性对于图像质量评价具有重要的影响。

本文将探讨基于人眼感知特性的图像质量评价方法。

1. 人眼感知特性与图像质量人眼的感知特性包括：1.1 视觉敏感度人眼对不同频率和亮度的信号具有不同的感知敏感度。

在图像质量评价中，高频信息以及对比度对人眼的影响较大。

因此，图像质量评价方法应该考虑到人眼的频率选择性和对比度感知特性。

1.2 空间感知特性人眼对于周围环境中的细节信息有强烈的感知能力。

在图像质量评价中，应该考虑到人眼对边缘检测和细节保留的重要性。

图像质量评价方法应该能够准确判断图像中的细节信息是否清晰可辨，以及图像边缘是否光滑。

1.3 对比度感知特性人眼对于图像中的对比度信息非常敏感。

在图像质量评价中，应该考虑到人眼对于图像中不同对比度区域的感知特性。

图像质量评价方法应该能够准确判断图像中的对比度是否合理，以及对比度变化是否平滑。

2. 基于人眼感知特性的图像质量评价方法基于人眼感知特性的图像质量评价方法可以分为两类：主观评价和客观评价。

2.1 主观评价主观评价是通过人眼直接观察和判断图像质量，从而获得图像的主观质量评分。

通常采用主观评价方法的前提是有一名或多名熟悉图像质量评价的观察者。

观察者需要对图像进行评分或排序，从而给出对应的主观评价结果。

主观评价方法的优点是贴近人眼真实的感知，但由于受主观因素的影响，评价结果可能有主观性和不一致性的问题。

2.2 客观评价客观评价是通过一系列的算法和指标来自动估计图像质量，不需要人眼的参与。

常见的客观评价方法包括结构相似性（SSIM）、峰值信噪比（PSNR）、均方误差（MSE）等。

这些指标通常通过计算输入图像与参考图像之间的差异来进行评价。

客观评价方法的优点是结果客观可验证，但与人眼感知存在一定的差异。

图像质量评价方法

图像质量评价方法
图像质量评价方法是用于评估图像的视觉质量的一种方法。

一般来说，图像质量评价可以从主观质量评价和客观质量评价两个方面进行。

主观质量评价是指通过人类主观感知来评价图像质量。

常用的方法包括双比较法、有序对比较法和主观质量评价实验等。

这些方法通常需要大量的人员参与和花费较长的时间，但是可以提供较为准确的质量评价结果。

客观质量评价是指通过使用计算机算法来评价图像质量。

常用的方法包括结构相似性指标（SSIM）、峰值信噪比（PSNR）和均方根误差（MSE）等。

这些方法通常可以快速计算出图像的质量评价结果，但是与人类主观感知存在一定的差距。

除了上述方法外，还有一些更高级的图像质量评价方法，如基于机器学习的图像质量评价方法和基于深度学习的图像质量评价方法。

这些方法利用机器学习算法和深度学习模型来学习大量图像数据的特征，从而更加准确地评价图像的质量。

总而言之，图像质量评价是一个涉及到人类感知和计算机算法的综合问题，不同的评价方法可以在不同的场景下应用。

考虑人眼视觉特性的射线检测数字图像质量评价方法

Ａｂｓｔｒａｃｔ：Ｆｏｃｕｓｉｎｇｍｅａｓｕｒｅｍｅｎｔｆｏｒｓｕｂｊｅｃｔｉｖｅａｓｓｅｓｓｍｅｎｔｏｆｅｎｈａｎｃｅｄｒａｄｉｏｇｒａｐｈｉｃｉｍａｇｅ，ａｎ
第４７卷
第７期
西安交通大学学报
ＪＯＵＲＮＡＬｏＦＸＩ ’ ＡＮＪＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ
Ｖｏ１．４７Ｎｏ．７Ｊｕ１．２０１３
２０１３年７月
ＤＯＩ：１０．７６５２／Ｘｊｔｕｘｂ２０１３Ｏ７０１７
值对图像失真敏感度、失真度、信息熵增量和结构相似度等客观评价指标进行重构，并对各重构后
的客观评价指标进行综合，得到了图像评价的综合指标。实验结果表明，该方法的线性相关系数比峰值信噪比和结构相似度分别提升了８０．Ｏ２和７８．８５，绝对误差均值比峰值信噪比和结构相似
ＭＵＷｅｉｌｅ，ＧＡＯＪｉａｎｍｉｎ，ＷＡＮＧＺｈａｏ，ＪＩＡＮＧＨｏｎｇｑｕａｎ，ＣＨＥＮＦｕｍｉｎ，ＤＡＮＧＣｈａｎｇｙｉｎｇ
（ＳｔａｔｅＫｅｙＩａｂｏｒａｔｏｒｙｆｏｒＭａｎｕｆａｃｔｕｒｉｎｇＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ ’ ａｎＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｘｉ ’ ａｎ７１００４９，Ｃｈｉｎａ）

一种基于人眼视觉特性的小波图像压缩模型

ｍｅｎｔｒｅｓｕｌｔｓｉｌｌｕｓｔｒａｔｅｄｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｔｈｅｍｏｄｅ１．ＴｈｅｑｕａｌｉｔｙｏｆｔｈｅＲＯＩｉｎｔｈｅｒｅｃｏｎｓｔｒｕｃｔｅｄｉｍａｇｅｉｓｂｅｔｔｅｒａｎｄｔｈｅＲＯＩ
ＩＳＳＮ１００９－３０４４
Ｅ— ｍａｉｌ：ｅｄｕｆ＠ｄｎｚｓ．ｎｅｔ．ｃｎｈｔｔｐ：／／ｗｗｗ．ｄｎｚｓ．ｎｅｔ．ｃｎＴｅｌ：＋８６ — ５５ｌ一６５６９０９６３６５６９０９６４
ＤＷＴ）；ｓｈａｐｅｃｏｄｉｎｇ；ＳＰＥＣＫａｌｇｏｉｒｔｈｍ
日常生活中，人类接收的信息以视觉信息为主，与其他信息相比，图像所包含的信息量更大、更直观、更确切。随着通信技术和多媒体技术的迅速发展，数字图像的存储和传输得到了广泛应用。然而，由于数字图像的数据含量和信息含量非常大，使得现有通信网容量无法满足其传输和存储的需求，极大地限制了数字图像通信的发展。传统的图像压缩方法是以香农信息论为基础，考虑多媒体数据信源的统计特性来去除数据之间的数据冗余，这种方法未能考虑信息获取者的主观特性以及图像的具体结构和
ＡＭｏｄｅｌｏｆＷａｖｅｌｅｔＩｍａｇｅＣｏｍｐｒｅｓｓｉｏｎＢａｓｅｄｏｎＨｕｍａｎＶｉｓｕａｌＳｙｓｔｅｍ

基于人眼视觉的图像质量评价

基于人眼视觉的图像质量评价上周读了Visual Signal Quality和一些基于人眼视觉的质量评价文献，对预处理前的图像质量评价方法有一些想法。

大多数人对图像质量的感觉主要受到图像的亮度、对比度、颜色、清晰度的综合影响。

评价的目的是判断图像是否需要增强，然后对相应指标进行增强处理。

1）颜色方面：我们在描述一件彩色物体时，通常是通过它的色调、饱和度和亮度进行综合评判的。

人眼对亮度较敏感，所以把亮度分离出来，单独判断。

2）亮度：通过原图像与参考图像的亮度对比函数表示原图像偏亮或偏暗。

3）对比度：通过原图像与参考图像的对比度对比函数表示图像是否过度拉伸。

4）清晰度：梯度信息可以很好的反映图像中微小的细节反差和纹理特征变化，因此可以用来评价原图像的清晰程度。

5）权重：由于人眼对亮度、对比度、清晰度敏感，对色差信号的敏感程度偏低。

所以四者分配的权值不同。

6）使用11×11且σ2=1的高斯低通滤波器，对彩色待评价图像进行模糊滤波处理，得到对应的模糊图像，并将其作为参考图像。

流程图：原图像CSIM色度比较函数饱和度比较函数GSIM模式亮度比较函数对比度比较函数梯度比较函数参考图像主要目的：明确原图像具体指标（亮度、色度、饱和度、模糊、对比度）的失真，便于接下来的图像预处理。

书中的一些方法如VIF（视觉信息保真度）、S-CIELAB模型等也能够评价图像的质量，但是不能明确指出图像具体哪方面出现问题，不利于接下来的预处理。

适合最终的质量评价（颜色预处理完成后）。

CSIM算法和GSIM算法步奏如下：1）输入原图像，使用11×11且σ2=1的高斯低通滤波器，对彩色待评价图像进行模糊滤波处理，得到对应的模糊图像，并将其作为参考图像。

2）转换色彩空间RGB-HSI，提取色调H，S，计算色调相似度、饱和度相似度。

3）将彩色图像转换为灰度图像，计算亮度相似度、对比度相似性、梯度相似性。

因为接下来的图像预处理主要是针对图像的亮度、色度、饱和度、对比度、清晰度方面，所以我没有把图像的失真类型都考虑进去。

计算机视觉中的图像压缩与图像质量评估算法研究

计算机视觉中的图像压缩与图像质量评估算法研究图像压缩是计算机视觉中一个重要的研究领域，它主要涉及将图像数据压缩以便更有效地存储和传输。

图像质量评估算法则关注如何准确地量化和评估图像的质量。

本文将从图像压缩和图像质量评估两个方面介绍相关算法的研究。

在计算机视觉中，图像压缩主要通过去除冗余信息来减小图像数据的体积。

常见的图像压缩方法包括无损压缩和有损压缩两种。

无损压缩方法是指在压缩过程中不会丢失图像原始信息的方法。

其中比较著名的算法有Huffman编码、LZW编码和算术编码等。

这些算法通过统计图像中出现的符号频率来为每个符号分配一个短的编码，从而实现无损压缩。

相对于无损压缩，有损压缩方法可以达到更高的压缩比，但会引入一定的信息丢失。

最常用的有损压缩算法是基于变换编码的方法，如JPEG压缩算法。

JPEG压缩将图像数据转换到频域中，然后根据变换系数的重要性对其进行量化和编码，以减少数据量。

此外，基于预测的压缩算法如JPEG2000、PNG和WebP等也广泛应用于图像压缩领域。

图像质量评估是图像处理中的一个重要问题，主要用于评估图像在被压缩或者处理后的视觉质量。

图像质量评估方法可以分为主观评估和客观评估两类。

主观评估是指通过人工主观观察和评价来判断图像的质量。

这种评估方法的优点在于能够获得较准确的图像质量评估结果，但其缺点是代价较高且需要大量时间和人力资源。

相对于主观评估，客观评估方法能够在不需要人为参与的情况下自动进行质量评估。

常用的客观评估方法包括结构相似度（SSIM）、峰值信噪比（PSNR）和均方根误差（MSE）等。

这些方法通过计算图像压缩前后的差异来评估图像质量。

而更先进的客观评估方法，则采用机器学习和深度学习的方法进行图像质量评估，如基于CNN的评估模型。

总结来说，图像压缩与图像质量评估是计算机视觉中的两个重要研究方向。

图像压缩通过去除冗余信息来减小图像数据的体积，而图像质量评估则用于评估图像在被压缩或处理后的视觉质量。

图像编码中的编码效率评估方法(五)

图像编码是一项重要的技术，广泛应用于数字图像压缩、图像传输和存储等领域。

而编码效率评估方法则是评估不同编码算法对图像压缩效果的一种有效手段。

本文将介绍几种常见的图像编码中的编码效率评估方法。

一、主观评估方法主观评估方法是通过人眼视觉感知来评估图像编码的质量，即让一些受试者对所编码的图像进行观察和打分。

这种方法的优势在于能够真实反映人眼对图像质量的主观感受，但其缺点是受试者之间的评判标准可能存在差异，评估结果不够客观。

二、客观评估方法客观评估方法是通过一定的计算模型和指标来评估图像编码的质量，可以得到相对客观的评估结果。

常见的客观评估方法有以下几种：1. 均方误差（MSE）均方误差是一种简单常用的评估方法，它用图像像素之间的差值的平方和来衡量图像压缩后的误差，数值越小表示压缩效果越好。

然而，MSE并不能很好地反映人眼对图像质量的感知，因为人眼对图像细节的敏感度是有差异的。

2. 结构相似度指标（SSIM）SSIM是一种基于人眼感知特性的评估方法，它结合了亮度、对比度和结构三个方面的信息来度量图像的失真程度。

SSIM的计算方法复杂但效果较好，能够较好地反映人眼对图像质量的感知。

3. 峰值信噪比（PSNR）PSNR是一种常用的评估方法，它通过计算原始图像与编码图像之间的信噪比来评估图像压缩的效果，数值越高表示图像质量越好。

PSNR是一种简单直观的评估方法，但它只适用于无失真编码，对有损压缩的图像评估不够准确。

除了以上几种常见的编码效率评估方法外，还有一些其他的方法，如结构特性相似性(SCSIM)、多尺度结构相似度指标(MSSSIM)、复杂度相关指标(FRD)等。

这些方法各有侧重，可以综合运用来评估图像编码的效率。

综上所述，图像编码中的编码效率评估方法包括主观评估和客观评估两种。

主观评估方法通过人眼视觉感知来评估图像质量，能够较好地反映人眼对图像的主观感受；而客观评估方法通过一定的计算模型和指标来评估图像编码的质量，可以得到相对客观的评估结果。

基于人眼视觉特性的视频压缩技术研究

基于人眼视觉特性的视频压缩技术研究随着网络的发展，视频数据量越来越大，对带宽和存储资源造成了很大的压力。

为了解决这个问题，视频压缩技术应运而生，将视频数据进行压缩，减少数据量，从而实现更有效的传输和存储。

而基于人眼视觉特性的视频压缩技术则是当前研究的重点。

一、人眼视觉特性人眼在观看图像和视频时，会受到眼睛自身的感知机制和人类大脑的处理机制的影响。

在视觉感知机制方面，人眼对亮度的感知要比对颜色和高对比度图像更敏感。

在光照不足的环境下，人眼的感知能力会下降。

此外，人眼对静态图像和动态视频的感知不同，对于相邻帧的内容差异度敏感程度不同。

在人类大脑的处理机制方面，人眼观看视频时会受到多种视觉错觉的影响，比如颜色对比度错觉和运动模糊等。

这些错觉会影响人眼对视频的主体内容的感知，从而影响观看效果。

二、基于人眼视觉特性的视频压缩技术在基于人眼视觉特性的视频压缩技术中，研究者们将人眼视觉感知机制和人类大脑的处理机制应用到视频编码中，从而压缩视频数据，同时保持视频质量。

这些技术包括以下几个方面：1. 基于视觉去除的压缩技术视觉去除是一种将视频中不必要的、视觉上冗余的信息剔除，从而压缩视频的技术。

这些冗余信息可能包括视频中相邻帧之间相同的像素数据或者是视频中高度空间相关的像素数据。

基于视觉去除的压缩技术可以根据人眼对视频的感知来决定哪些信息可以被剔除，从而达到压缩视频数据的效果。

2. 基于视觉掩蔽效应的压缩技术视觉掩蔽效应是指一个强信号可以掩盖邻近区域的弱信号，从而使其无法被感知。

基于视觉掩蔽效应的压缩技术可以根据掩蔽效应的原理，将图像中感知不到的信息压缩掉，从而实现视频的压缩。

3. 基于运动估计和运动补偿的压缩技术基于运动估计和运动补偿的压缩技术可以根据视频中物体的运动情况，减少视频帧之间的冗余数据。

这些技术可以通过对视频中物体的运动轨迹进行估计，从而剔除相邻帧之间的冗余信息，压缩视频数据。

4. 基于感知码率控制的压缩技术感知码率控制是一种根据人眼对视频的感知，动态调整视频编码的码率的技术。

一种基于人眼视觉特性的图像质量评价

第9卷　第2期2004年2月中国图象图形学报Jou rnal of I m age and Grap h icsV o l .9,N o.2Feb .2004收稿日期:2003203220;改回日期:2003206220一种基于人眼视觉特性的图像质量评价丁绪星　朱日宏　李建欣(南京理工大学电光学院,南京　210094)摘　要　图像质量评价的研究已成为图像信息工程的基础技术之一。

由于图像的最终接受者是人,所以评价图像质量的关键在于其是否符合人类视觉系统特性。

为了建立一种新的符合人眼视觉特性的图像质量评价方法,利用小波变换与人类视觉系统的多通道特性相匹配的特点,结合对比敏感度函数的带通特性,同时考虑计算的复杂性,给出了一种与人对图像质量评价保持良好一致的图像质量评价算法。

实验结果表明,其评价结果与主观评价方法平均评价分数的相关系数达0195,而对应的客观评价方法峰值信噪比与平均评价分数的相关系数为0181。

关键词　图像质量评价　小波变换　人类视觉系统　对比敏感度函数中图法分类号:TN 948.7 文献标识码:A 文章编号:100628961(2004)022*******A Cr iter ion of I mage Qua l ity A ssess m en t Ba sed on Property of HVSD I N G Xu 2x ing ,ZHU R i 2hong ,L I J ian 2x in(S chool of E lectronic E ng ineering and P hotoelectric T echnology ,N anj ing U niversity of S ci &T ech ,N anj ing 210094)Abstract R esearch on i m age quality assess m en t is m ean ingfu l fo r i m age p rocessing p ro jects .Since hum an being is the final receiver of the i m age ,the key po in t of the i m age assess m en t is that it shou ld m atch the characteristics of HV S (hum an visual system ).In th is paper ,a novel i m age quality assess m en t acco rding w ith percep tual p roperty of hum an eye is p ropo sed .In th is algo rithm ,w avelet tran sfo rm is u sed becau se it m atches w ell w ith the m u lti 2channel model of HV S ,bandpass p roperty of CSF (con trast sen sitivity functi on )is in tegrated w ith ,and the comp lex ity of the compu tati on is con sidered .T he si m u lati on resu lts show that the co rrelati on coefficien t betw een the algo rithm and sub jective M O S (m ean op in i on sco re )is 0195,bu t the co rrelati on coefficien t ob tained by the PSN R (Peak signal no ise rati o )m easu re is 0.81.Keywords i m age quality assess m en t ,w avelet tran sfo rm ,hum an visual system ,con trast sen sitivity functi on1　引　言各种完整图像处理过程对处理后图像的质量评价非常重要,它直接说明图像处理系统的优劣和算法的有效性。

基于人眼视觉特性的图像质量评价方法研究

基于人眼视觉特性的图像质量评价方法研究刘江苏未曰摘要：本文是在传统图像质量评价模型的基础上,对人眼视觉理论和各种图像质量评价的主客观方法进行分析。

利用小波变换与人眼视觉系统的多通道特性相匹配的特点，结合对比敏感度函数的带通特性和DCT域加权处理的方法,建立一个利用MATLAB语言实现的基于人眼视觉特性的图像质量模型评价。

关键词：数字图像；人类视觉系统；小波变换；多通道；对比敏感度 The Methods of Based on the HVS ImageQuality EvaluationLiujiang Su WeiyueABSTRACT: This paper analyzed the human visual theory and the various objective and subjective methods of image quality evaluation, and it is based on the traditional image quality evaluation model. Using the characteristic that wavelet transform match the features of human visual system multi-channel, and combining the characteristics that contrast sensitivity function with the band-pass，and the DCT territory weighting processing, it will use the MATLAB to establish an image quality evaluation model which based on HVS.Keywords: Digital Image; Human Visual System; Wavelet Transform; Multi-channel;Contrast Sensitivity Function1前言在遥感影像产品大量应用, 新的影像处理方法不断涌现的同时, 对如何评价遥感影像的质量问题却缺乏全面、客观和统一的方法, 影像质量的好坏常常是依靠观察者的主观感觉, 不但缺乏准确性, 而且也不适应海量数据处理的需要。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Ａｂｓｔｒａｃｔ：Ｉｍａｇｅｑｕａｌｉｔｙａｓｓｅｓｓｍｅｎｔｉｓｆｕｎｄａｍｅｎｔａｌｉｍｐｏｒｔａｎｃｅｆｏｒｉｍａｇｅｏｒｖｉｄｅｏｐｒｏｃｅｓｓｉｎｇｓｙｓｔｅｍ．Ｔｈｒｏｕｇｈｔｈｅｒｅｓｅａｒｃｈａｎｄａｎａｌｙｓｉｓｈｕｍａｎｖｉｓｕａｌｓｙｓｔｅｍｆｅａｔｕｒｅｓａｎｄｔｈｅｅｄｇｅｆｅａｔｕｒｅｏｆｉｍａｇｅ，ｔｈｉｓｐａｐｅｒｃｏｎｓｉｄｅｒｔｈａｔｔｈｅｇｒａｄｉｅｎｔｖｅｃｔｏｒｂｅｔｔｅｒｒｅｆｌｅｃｔｔｈｅｅｓｓｅｎｔｉａｌｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｉｍａｇｅｅｄｇｅｆｅａｔｕｒｅ．Ｃｏｍ— ｂｉｎｅｄｗｉｔｈｔｈｅｍｕｌｔｉ— ｓｃａｌｅｆｅａｔｕｒｅａｎｄｗｅｉｇｈｔｅｄｉｎｔｅｒｅｓｔｒｅｇｉｏｎｏｆｈｕｍａｎｖｉｓｕａｌｓｙｓｔｅｍ，ａｎｅｗｃｏｎｌ —
Ｍｉａｎｙａｎｇ６２１０１０，Ｓｉｃｈｕａｎ，Ｃｈｉｎａ；２．ＦｕｎｄａｍｅｎｔａｌＳｃｉｅｎｃｅｏｎＮｕｃｌｅａｒＷａｓｔｅｓ
ａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＳａｆｅｔｙＬａｂｏｒａｔｏｒｙ，ＳｏｕｔｈｗｅｓｔＵｎｉｖｅｒｓｉｔｙｆｏＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｍｉａｎｙａｎｇ６２１０１０，Ｓｉｃｈｕａｎ，Ｃｈｉｎａ）
ｓｉｍｐｌｅｉｎｃａｌｃｕｌａｔｉｏｎ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｕｐｏｎｉｍａｇｅｄａｔａｂａｓｅｓｓｈｏｗｔｈａｔｔｈｅｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄｉｓｉｎａｃ —
第３０卷
第３期
西
南
科
技
大
学
学
报
Ｖｏ１．３０Ｎｏ．３Ｓｅｐ．２０１５
２０１５年９月
ＪｏｕｒｎａｌｏｆＳｏｕｔｈｗｅｓｔＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ
（１．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＳｏｕｔｈｗｅｓｔＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，
ＨＶＳＢａｓｅｄＣｏｍｐｒｅｓｓｅｄＩｍａｇｅＱｕａｌｉｔｙＡｓｓｅｓｓｍｅｎｔＭｅｔｈｏｄ
ＴＩＡＮＪｉｎ—ｓｈａ，ＨＡＮＹｏｎｇ—ｇｕｏ，ＷＵＹａ—ｄｏｎｇ，ＺＨＡＯＸｉａｏ—ｌｅ
ｐｒｅｓｓｅｄｉｍａｇｅｑｕａｌｉｔｙａｓｓｅｓｓｍｅｎｔｍｅｔｈｏｄｂａｓｅｄｏｎｇｒａｄｉｅｎｔｖｅｃｔｏｒｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｉｓ
人眼视觉特性压缩图像质量评估方法
田金沙韩永国吴亚东
（１．西南科技大学计算机科学与技术学院
赵小乐
６２１０１０；６２１０１０）
四川绵阳
２．西南科技大学核废物与环境安全国防重点学科实验室四川绵阳
摘要：图像质量评价是图像和视频处理系统中的基本算法。通过对人眼视觉特性及图像的边缘特征的分析研究，认为梯度矢量更能反映图像边缘的本质特性，结合人眼视觉的多尺度特性及视觉感兴趣区域的加权，提出了一种基于梯度矢量的压缩图像质量评估方法。真实验表明，该评估方法符合人眼的视觉特征，与主观评价结果具有更好的
一
致性，可广泛应用于ＪＰＥＧ和ＪＰＥＧ２０００压缩图像质量评估。
关键词：图像质量评估中图分类号：ＴＰ３９１
人眼视觉（ＨＶＳ）压缩图像文献标志码：Ａ
梯度
ＪＰＥＧＪＰＥＧ２０００
文章编号：１６７１ — ８７５５（２０１５）０３— ００６２—０９