【摘 要】
：
图像质量评价在数字图像处理技术中占据着重要地位,分为主观图像质量评价和客观图像质量评价两种。主观图像质量评价需要消耗大量的人力,且无法嵌入到实时应用的系统中去,因此需要研究能够适用于多种场合的客观图像质量评价方法。客观图像质量评价方法分为全参考、部分参考和无参考三种。在多数情况下,参考图像难以获得,因此无参考图像质量评价方法具有更广泛的应用场景。无参考图像质量评价算法BRISQUE（Blind/R
论文部分内容阅读
图像质量评价在数字图像处理技术中占据着重要地位,分为主观图像质量评价和客观图像质量评价两种。主观图像质量评价需要消耗大量的人力,且无法嵌入到实时应用的系统中去,因此需要研究能够适用于多种场合的客观图像质量评价方法。客观图像质量评价方法分为全参考、部分参考和无参考三种。在多数情况下,参考图像难以获得,因此无参考图像质量评价方法具有更广泛的应用场景。无参考图像质量评价算法BRISQUE（Blind/Referenceless Image Spatial Quality Evaluator）具有在技术上复杂性较低、实施过程中速度较快等优点,但由于该方法在进行图像质量评价时忽略了人类视觉系统（Human Visual System）特性,导致结果与主观评价值之间存在一定的偏差,因此本文提出将视觉注意机制特性结合到BRISQUE算法中,并展开以下研究:（1）由于BRISQUE算法中未考虑图像的显著性区域对整体图像质量产生的影响,而人眼在观看图像时更关注图像显著性区域中的内容,这些区域的降质程度会对整幅图像质量产生更大的影响,因此本文提出了一种基于显著性区域的无参考图像质量评价方法。该方法结 合 显著性区域提取算法 GLGOV（Gestalt Laws Guided Optimization and Visual Attention）对图像进行区域划分,从显著性区域和非显著性区域中分别提取图像的自然场景统计特征并进行加权融合,通过融合后的特征训练SVM建立图像质量评价模型。在LIVE和CSIQ图像数据库上分别进行实验验证,结果表明本文所提方法具有较好的评价性能。（2）针对BRISQUE方法中只提取了图像的自然场景统计特征的问题,本文提出了一种基于感知特征和自然场景统计特征的改进型的无参考图像质量评价方法。考虑到感知特征可以比较好的反映出图像质量与人眼的主观感受之间的关系,在基于显著性区域的自然场景统计特征的基础上,增加了图像信息熵和图像四阶矩作为图像感知特征来提升算法性能。分别在LIVE和CSIQ图像数据库中对本文给出的方法进行了性能验证,实验结果表明,与传统的无参考图像质量评价方法相比,本文提出的方法更接近人眼的主观感受,取得了比较好的效果。
其他文献
大尺寸超薄玻璃基板是战略新兴产业-电子信息显示产业最重要的基础材料之一,其生产过程中出现高度变化过大的问题,导致信息显示器件关键组件的缺陷,直接影响所显示图形的质量,甚至造成次品和废品的产生。因此,针对玻璃基板表面高度信息获取方法的研究就至关重要。目前主要采用非接触式测量,其中光谱共焦技术因在测量中具有快速性、准确性高等特点得到更多的关注。本文提出基于光谱共焦测量原理的玻璃基板表面高度信息获取的方
分析细胞的形态参数在疾病诊断、健康监测中具有非常重要的意义。而在智慧医疗、即时检测等应用中,无透镜成像系统以其成本低、便携性好等特点表现出强大的优势。但获取细胞形态参数的常规方法难以用于无透镜成像系统,因此研究针对该系统采集的细胞图像进行细胞边缘检测的方法具有重要的意义。无透镜成像系统在采集微小样品时存在的衍射干扰会掩盖采集样品的真实形态信息,不能直接获得形态参数。但采集图像中的衍射是由于光在遇到
运动物体视频图像包含着许多重要的信息数据,而高速运动物体由于速度较快,其运动图像存在采集失真、处理复杂以及分析效果差等方面的问题。本课题以高速运动物体为研究对象,分别进行了图像识别与图像压缩方法的研究,并选取实际工业中的3D打印机高速移动激光点红外图像和高速运动固定翼无人机视频图像分别进行了算法验证及结果分析。主要研究内容如下:（1）分析了高速运动物体图像特征及图像识别过程,提出了基于改进卷积神经
随着人工智能的日益发展壮大,很多室外视觉系统也在逐步进步并且发展,因此实时的天气状况也影响着基于图像数据的室外监控、天气预测、灾害预警、自动驾驶以及场景理解等领域,使计算机通过图像更加拟人化、智能化的进行天气分类已成为计算机视觉领域备受瞩目的研究课题之一。基于此,本文使用深度学习网络,从基本天气类型分类以及恶劣天气细粒度分类两个方向出发,构建了相关的分类预测模型,使得计算机能够通过数据驱动的自动学
高速运动物体具有速度快、运动非线性等特点,对于高速运动物体的跟踪具有广泛的应用场景,如生物医学、能源化工、军事目标检测与拦截等。虽然目前众多学者在高速运动物体跟踪领域的研究取得了一定成果。Camshift是Meanshift的改进算法,解决了跟踪框无法变化的问题,同时利用HSV代替RGB,一定程度的解决了光线干扰的问题。但是对于高速运动物体的跟踪,使用Camshift算法会遇到两个问题,一是Cam
随着电子信息技术的发展,集成电路芯片被广泛应用于军事和民生等领域,对国家和社会安全发挥着重要的作用。集成电路设计与生产相互分离、各模块设计相互独立的产业模式,使得芯片不可避免地存在硬件安全隐患。硬件木马是指在芯片设计或制造过程中对电路进行有意的修改或植入的结构,导致电路出现恶意的行为。硬件木马的危害巨大,因此研究硬件木马检测技术可以保证芯片安全,对国家和社会安全具有重要的意义。本文首先基于AES加
随着人工智能的发展,基于深度学习的众多领域不再过分依赖于大量数据,其能够利用以往的经验针对新的问题从少量的样本中进行有效的学习。在现实中,人们也将必然面临更多数据不足的问题,因此如何让机器像人类一样能够通过已有的学习经验快速从少量标签样本中进行有效学习实现分类,成为一个重要的研究方向。在近几年,小样本的分类算法层出不穷,从迁移网络、度量空间以及数据增强等方向的研究都有了很多突破性的进展。但是,基于
近年来,随着智慧城市的不断建设,目标跟踪越发重要。视觉目标跟踪需要在视频序列的每一帧实现对目标的定位与跟踪。复杂环境及目标自身变化等问题是目标跟踪技术面临的困难。因此,视觉目标跟踪领域的重点任务就是研究具有较高精确度与稳定性与目标跟踪算法。相关滤波类跟踪算法由于兼具高速与高精确度,受到了学者们的广泛关注和研究。然而,现有相关滤波类跟踪算法仍存在以下问题:一是边界效应会使训练样本对目标表示偏离真实,
随着无人机技术的发展,无人机拍摄在航空摄影,地形测绘,军事侦察等方面具有广泛的应用前景。本文主要研究无人机俯拍视频中的目标识别问题,分析现有的运动目标识别方法,提出融合目标跟踪与图像识别的运动目标识别方法。以无人机俯拍视频中的运动目标作为研究对象,进行跟踪标定及分类识别。针对识别方法的实时性问题,提出基于数据去冗余的改进方法,通过仿真实验验证基于视频流的无人机目标识别方法。本文主要研究内容如下:（