一种针对高斯模糊图像的无参质量评价方法

合集下载

无参考图像质量评价方法

基于模型的方法通常利用图像处理和计算机视觉的技术，分析图像的某些特征，如边缘检测、频域分析、小波变换等，以评估图像的质量。
基于深度学习的方法则是利用深度神经网络对图像进行训练和预测，以实现对图像质量的评估。
评价流程与步骤
NR-IQA的深度学习框架如 TensorFlow、PyTorch等；
无参考图像质量评价方法
汇报人：日期:
目录
• 引言 • 无参考图像质量评价方法概述 • 基于结构相似度的无参考图像质量评价方
法 • 基于感知质量的无参考图像质量评价方法 • 无参考图像质量评价方法的应用场景与展
望 • 结论与参考文献
01
引言
研究背景与意义
随着数字图像的广泛应用，图像质量评价成为重要需求，然而参考图像缺失时，质量评价面临挑战。
该方法在评估不同压缩比下的图像质量时，与主观评价结果具有较好的一致性。
结果分析
实验结果表明，基于结构相似度的无参考图像质量评价方法可以有效地衡量图像的结构信息保真度，从而反映图像的质量。
该方法在评估图像处理和传输算法的性能时具有广泛的应用价值，可以为相关领域的研究提供有益的参考。
方法优劣与适用范围讨论
03
在某些情况下，结构相似度可能受到图像内容的影响，例如，对于具有重复结构的图像，该方法可能产生不准确的结果。
方法优劣与适用范围讨论
适用范围
基于结构相似度的无参考图像质量评价方法适用于评估图像处理和传输算法的性能，以及衡量不同压缩比下的图像质量。
该方法适用于具有相似结构和纹理的图像之间的质量比较，而对于具有显著差异的图像内容可能不太适用。
方法优劣与适用范围讨论
• 基于感知质量的无参考图像质量评价方法的优点在于其能够更准确地反映人类视觉系统对图像质量的感知，尤其适用于评估图像在经过不同处理后的质量变化。然而，该方法的缺点在于其对图像类型的适应性较差，对于某些类型的图像，如人脸图像，其准确性可能不如基于结构的无参考图像质量评价方法。此外，该方法需要大量的训练数据和计算资源，因此在实时应用中可能存在一定的挑战。

一种失真模糊图像的无参考质量评价方法

第ｌ４卷
第５期
２０１４年２月
科
学
技
术
与
工
程
Ｖｏ１．１４Ｎｏ．５Ｆｅｂ．２０１４
ｌ６７１ —１８１５（２０１４）０５ — ０２６１ — ０５
ＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙａｎｄＥｎｇｉｎｅｅｒｉｎｇ
以上。
关键词
无参考图像质量评价ＴＰ３９１．４１；
结构相似度文献标志码
纹理相似度Ａ
ＢＰ神经网络
预测
中图法分类号
图像质量评价是图像处理领域一个非常重要的研究课题，对于图像、视频处理系统具有重要的指导意义。图像质量评价分为主观质量评价和客观质量评价两类，主观质量评价由于受客观条件、主观情绪和观察者自身条件等因素的影响，其评价结果不够稳定，且不便于图像系统的集成和实现，很难应用到实际中。客观质量评价成为图像质量评价研究的重心，在实际中有着非常广阔的应用前景。根据是否依靠原始图像的信息，客观质量评价被分为全参考、
法形式简单，易于计算，但评价结果往往与人的主观
评价相背离。ＺｈｏｕＷａｎｇ等人研究发现图像像素之间存在很强的从属关系，包含了大量的结构信息，因此提出了结构相似度（ＳＳＩＭ）图像质量评价方法 … 。实验结果表明，该方法优于传统的ＰＳＮＲ、ＭＳＥ方

一种无参考运动模糊图像的质量评价方法

一种无参考运动模糊图像的质量评价方法付强;孙秀霞;彭轲;刘树光;陶国文【摘要】针对高动态环境下视觉导航系统的可靠性受到运动模糊制约，而现有的结构相似度算法（SSIM）对模糊图像评价不敏感的问题，提出了一种基于改进结构相似度的无参考运动模糊图像质量评价算法。

首先，将原始运动模糊图像经过同运动方向的模糊算子生成再模糊图像；之后，将原始模糊图像与再模糊图像进行8×8分块，并在相应子块中找到边缘信息丰富的子块；然后，计算原始模糊图像和再模糊图像中对应边缘信息丰富子块的结构相似度；最后，通过边缘置信度对子块加权得到整幅图像的模糊评价指标。

实验结果表明，此评价方法结果与主观评价结果具有较高的一致性，能够准确地对运动模糊图像进行评价。

由于本方法能有效地优化边缘子块的权值，与传统的平均结构相似度（MSSIM）评价方法相比，具有更高的灵敏性。

%In order to solve the problem that the reliability of visual navigation is restricted by motion blur under high dynamic environment,a novel non-reference motion-blurred image quality assessment algorithm based on improved structural similarity is proposed.Firstly,the re-blurred image is produced by the original blurred image with the same blurred direction.Then two images are divided into 8 ×8 blocks,and find the edge block,and then structural similarity of corresponding edge blocks in original blurred image and re-blurred image.Finally the blur estimation of the blurred image is obtained by the different weights of the edge block’s structural similarity index.The experimental results s how that the proposed approach can obtain good performances,and the algorithm is more sensitive than traditional MSSIMalgorithm.【期刊名称】《激光与红外》【年(卷),期】2015(000)006【总页数】5页(P710-714)【关键词】无参考图像质量评价;结构相似度;图像边缘;加权;运动模糊【作者】付强;孙秀霞;彭轲;刘树光;陶国文【作者单位】空军工程大学航空航天工程学院，陕西西安 710038;空军工程大学航空航天工程学院，陕西西安 710038;空军工程大学航空航天工程学院，陕西西安 710038;空军工程大学航空航天工程学院，陕西西安 710038;空军工程大学航空航天工程学院，陕西西安 710038【正文语种】中文【中图分类】TP3911 引言相机在高动态环境下容易发生摇晃和振动，导致所观测到的场景图像发生不同程度的运动模糊，这将严重危害视觉导航系统的精确度。

无参考的模糊图像清晰度评价方法

无参考的模糊图像清晰度评价方法随着图像处理技术的快速发展，越来越多的图像清晰度评价方法被提出和应用。

而其中一个重要的问题是如何对于没有参考的模糊图像进行清晰度的评价。

针对这个问题，科学家们提出了许多方法来解决这个难题，其中最为流行和广泛使用的方法是基于基础上的复原质量度量方法。

基于信息熵的方法是一个被广泛使用的基于无参考模糊图像清晰度评价的技术。

信息熵是用于测量任何随机变量的分散性的一种方法。

如果高度不确定，我们可以通过增加信息熵来解决这个问题。

同样，如果图像清晰度低，则图像像素中的信息量也是低的，从而信息熵也较低。

因此，可以使用信息熵来度量模糊图像的清晰度。

该方法先计算图像的信息熵，然后通过归一化的方法将信息熵映射到0-1的范围内，以获得模糊度评分。

另一个常用的技术是基于边缘的方法。

在这种方法中，边缘是指图像中明显的图像边界。

直观地说，图像清晰度越高，边缘就会越清晰。

因此，根据边缘的细节，可以进行无参考清晰度的估计。

这个方法在图像边缘检测任务中已经被证明是有效的，并且在没有参考图像的情况下，也能够正确地评估模糊图像的清晰度。

最后，一个新兴的清晰度评价方法是基于波谷走形的方法。

当一个图像清晰度较高时，图像中的波峰和波谷之间的距离就会更加明显，因为高清晰度图像的边缘和文字等细节可以很容易地观察出来。

这个方法利用了波谷轮廓的形状，通过将波谷轮廓的几何信息取出来来进行无参考图像的清晰度评估。

总之，这些方法都是基于不同的图像特征来评估模糊图像的清晰度。

虽然基于信息熵、边缘和波谷走形的方法都是有效的方法，但是仍然存在一些局限性。

这是因为图像的清晰度是一个非常复杂的问题，在没有参考的情况下无法准确地评估图像的质量。

因此，我们需要不断探索新的方法，以便更好地评价无参考模糊图像的清晰度。

无参考图像质量评价算法（BRISQUE）：No-ReferenceImageQuality。。。

⽆参考图像质量评价算法（BRISQUE）：No-ReferenceImageQuality。

paper:No-Reference Image Quality Assessment in the Spatial Domainauthor:Anish Mittal etcdate:2012code:1.Introduction作者提出的⽅法 Blind/Referenceless Image Spatial QUality Evaluator (BRISQUE)是基于⾃然图像的统计特征(NSS,natural scene statistics)，对于失真图像，这些特征可能会改变，据此得到了⽆参考图像评价的算法。

这种⽅法是在空间域上做的(transform free)，不像之前⼀些算法要转换到⼩波域或者 DCT 域。

2.BRISQUEA.Natural Scene Statistics in the Spatial Domain对于图像I(i,j),经正则化得到mean subtracted contrast normalized(MSCN)系数\hat{I}(i,j)=\frac{I(i,j)-\mu(i,j)}{\sigma(i,j)+C}其中,i \in 1,2,\dots,M,j\in 1,2,\dots,N,M,N是图像的⾼和宽，C=1是为了数值稳定的常数。

\mu(i,j)=\sum_{k=-K}^{K}\sum_{l=-L}^{L} \omega_{k,l}I_{k,l}(i,j)\\ \sigma(i,j)=\sqrt{\sum_{k=-K}^{K}\sum_{l=-L}^{L}\omega_{k,l}(I_{k,l}(i,j)-\mu(i,j))^2}其中\omega=\{ \omega_{k,l}\vert k=-K,\dots,K,l=-L,\dots,L\}是⾼斯核。

Our hypothesis is that the MSCN coefficients have characteristic statistical properties that are changed by the presence of distortion, and that quantifying these changes will make it possible to predict the type of distortion affecting an image as well as its perceptual quality.使⽤generalized Gaussian distribution(GGD)建模MSCN系数直⽅图,f(x;\alpha,\sigma^2)=\frac{\alpha}{2\beta \Gamma(1/\alpha)}exp(-(\frac{\vert{x}\vert}{\beta})^{\alpha})其中\beta=\sigma\sqrt{\frac{\Gamma(1/\alpha)}{\Gamma(3/\alpha)}}\\ \Gamma(a)=\int_0^{\infty}t^{a-1}e^{-t}dt \quad a>0GGD(\alpha,\sigma^2)的两个参数可以使⽤moment-matching based approach计算出来(详见原论⽂)。

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：Ａｉｍｉｎｇａｔｔｈｅｆｅａｔｕｒｅｏｆｂｌｕｒｒｅｄｉｍａｇｅｓｈｉｇｈｒｅｆｑｕｅｎｃｙｃｏｍｐｏｎｅｎｔｓ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｎｏ・ｒｅｆｅｒｅｎｃｅｉｍａｇｅｑｕａｌｉｙｔ
熊
ＸＩＯＮＧＣｈａｏ，ＳＨＥＮＹｕａｎｔｏｎｇ，ＹＡＮＧＤｉｗｅｉ
中国地质大学数学与物理学院，武汉４３００７４
ＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃｓａｎｄＰｈｙｓｉｃｓ，ＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＧｅｏｓｃｉｅｎｃｅｓ，Ｗｕｈａｎ４３００７４，Ｃｈｉｎａ
ｃｏｎｓｉｓｔｅｎｃｙｗｉｔｈｈｅｔｓｕｂｊｅｃｔｉｖｅｑｕａｌｉｙｔｓｃｏｒｅｓ．
Ｋｅｙｗｏｒｄｓ：ｎｏ — ｒｅｆｅｒｅｎｃｅｉｍａｇｅｑｕａｌｉｙｔａｓｓｅｓｓｍｅｎｔ；ｉｍａｇｅｐｏｗｅｒｓｐｅｃｔｕｍ；ｒｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ
．
摘
要：针对模糊图像高频分量的特性，提出了一种针对高斯模糊图像的无参质量评价方法。该方法利用小波变换对模
糊图像提取高频分量，在高频分量功率谱上构造评价指标。实验结果表明提出的评价指标优于ＰＳＮＲ和ＳＳＩＭ，的一致性。
ｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｈａｔｔｈｅｔｐｒｏｐｏｓｅｄｅｖａｌｕｔｉａｏｎｉｎｄｅｘｉｓｂｅｔｔｅｒｔｈａｎＰＳＮＲａｎｄＳＳＩＭ，ｗｈｏｓｅｏｂｊｅｃｔｉｖｅｑｕａｌｉｙｔｓｃｏｒｅｓｈａｖｅｂｅｔｔｅｒ
关键词：无参图像质量评价；图像功率谱；小波变换
文献标志码：Ａ中图分类号：ＴＰ３９１ｄｏｉ：１０．３７７８￣．ｉｓｓｎ．１００２ — ８３３１．１１１１．０４７５
在图像的形成、传输、存贮、记录和显示过程中，光学系统的像差、成像系统的非线性性、大气扰动、运动、散焦和系统噪声等因素都会造成图像模糊和变形。在图像处理中，图像质量评价可以作为反馈量来调节算法中的参数，使算法得以优化，从而获得最优性能。因此研究模糊图像质量评价是一项基础性的工作，具有十分重要的意义。
１９２
２０１３，４９（１５）
ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用
一
种针对高斯模糊图像的无参质量评价方法
超，沈远彤，杨迪威
ＸＩＯＮＧＣｈａｏ，ＳＨＥＮＹｕａｎｔｏｎｇ，ＹＡＮＧＤｉｗｅｉ．ＮｏｒｅｆｅｒｅｎｃｅｉｍａｇｅｑｕａｌｉｔｙａｓｓｅｓｓｍｅｎｔｍｅｔｈｏｄｆｏｒＧａｕｓｓｉａｎｂｌｕｒｒｅｄｉｍａｇｅｓ
ｂａｓｅｄｏｎｗａｖｅｌｅｔｐｏｗｅｒｓｐｅｃｔｒｕｍ．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２０１３，４９（１５）：１９２－１９４．
ａｓｓｅｓｓｍｅｎｔｍｅｔｈｏｄｆｏｒＧａｕｓｓｉａｎｂｌｕｒｒｅｄｉｍａｇｅｓｂａｓｅｄｏｎｐｏｗｅｒｓｐｅｃｔｒｕｍ．ＴｈｉｓｍｅｔｈｏｄｕｓｅｓｗａｖｅｌｅｔｔｒａｎｓｏｒｆｉＴｌｔｏｅｘｔｒａｃｔｉｍａｇｅｈｉｇｈｆｒｅｑｕｅｎｃｙｃｏｍｐｏｎｅｎｔｓ，ａｎｄｃｏｎｓｔｕｃｒｔｓｔｈｅｅｖａｌｕａｔｉｏｎｉｎｄｅｘｏｎｔｈｅｂａｓｉｓｏｆｔｈｅｈｉｇｈｆｒｅｑｕｅｎｃｙｃｏｍｐｏｎｅｎｔｓｐｅｃｔｕｍ．ｒＥｘｐｅｒｉ —