基于顯著性檢測的圖像質(zhì)量評價.pdf

1、　　數(shù)字圖像在獲取過程中經(jīng)常發(fā)生各種降質(zhì)情況，如何對圖像的降質(zhì)程度做出評價具有非常重要的意義和廣闊的應(yīng)用前景。目前，圖像質(zhì)量評價方法大多是針對特定失真類型進行評價，而圖像在獲取、傳輸及壓縮過程中會受到各種失真的影響，發(fā)展能評價多種失真類型且與人的主觀感知保持一致的圖像質(zhì)量評價方法具有一定的挑戰(zhàn)性和實用性。
　　圖像的顯著性是人眼對圖像的某些區(qū)域的重視程度，這些區(qū)域的降質(zhì)程度對整幅圖像的質(zhì)量影響更大。本文針對現(xiàn)有質(zhì)量評價方法存在的

2、問題，提出了一種基于顯著性檢測的全參考圖像質(zhì)量評價方法，主要工作和成果包括以下幾個方面：(1)在顯著圖提取方面，提出一種綜合區(qū)域特征、全局特征和局部特征的顯著圖提取算法，即先對參考圖像進行區(qū)域化塊分割，再利用全局顯著性規(guī)則進行各區(qū)域塊顯著性的確定，后采用反映局部特征的邊緣紋理進行補充；(2)在計算圖像各個局部質(zhì)量方面，提出利用參考圖像與降質(zhì)圖像獲取代表降質(zhì)圖像局部質(zhì)量的特征保真圖方法；(3)在最終的圖像質(zhì)量評價方面，提出利用參考圖像的顯

3、著圖作為權(quán)值對參考圖像與降質(zhì)圖像之間的保真圖進行融合，然后利用非線性回歸的方法獲取受損圖像的預(yù)測質(zhì)量。
　　為了方便與已有顯著圖提取方法進行比較，本文采用salient object database中的圖像作為顯著圖提取效果對比的實驗數(shù)據(jù)，而采用美國 TEXAS 大學(xué)圖像和視頻工程實驗室提供的第二版本的 LIVE 庫中的圖像作為質(zhì)量評價的實驗數(shù)據(jù)，結(jié)果表明，本文方法所提取的顯著圖具有更好的效果，且通過該顯著圖與保真圖的融合所獲