基于稀疏表示和局部特征的圖像質(zhì)量評價方法研究.pdf

1、圖像質(zhì)量評價在圖像采集、圖像分割、圖像融合和生物醫(yī)學成像等視覺信號通信和處理中擔任著重要角色。圖像質(zhì)量的好壞影響著人們獲取信息的準確性和用戶體驗。隨著基于圖像應用需求的快速增長，如何得到有效且可靠的圖像質(zhì)量評價方法變得尤為重要。圖像質(zhì)量評價的目標是得到與人類主觀判斷相一致的評價，即設計算法模型來模仿觀測者對圖像的質(zhì)量給出合理的質(zhì)量分數(shù)。
　　本研究主要內(nèi)容包括：⑴提出了一種基于稀疏表示自適應子字典的圖像全參考質(zhì)量評價方法（QASD

2、）。首先利用自然圖像來訓練一個過完備的字典，該字典將被用來表示參考圖像，而對于失真圖像的表示而言，則使用參考圖像被稀疏表示的過程中使用到的基向量所組成的新字典（即子字典）。稀疏表示能提取圖像中較高層次的特征，而對圖像的弱失真則不敏感，故引入三個輔助特征，即梯度、色度以及亮度，用于得到更為準確的圖像質(zhì)量評價。該方法對訓練字典的圖像不敏感，所以可以采用一個通用型的字典來用于質(zhì)量評價。與其他全參考質(zhì)量評價算法相比，該方法表現(xiàn)出更好的性能，且在

3、各個數(shù)據(jù)庫上表現(xiàn)一致性好。⑵提出了一種基于特征點的模糊圖像無參考質(zhì)量評價方法。首先從模糊圖像和重模糊圖像中提取特征點，然后分別將得到的特征點分布圖分塊以產(chǎn)生特征點數(shù)量圖，再利用兩幅特征點數(shù)量圖來計算相似度，最后使用視覺顯著性對特征點數(shù)量相似圖進行加權，得到最終的質(zhì)量分數(shù)。該方法不僅與其他模糊圖像無參考質(zhì)量評價算法相比表現(xiàn)出更好的性能，且優(yōu)于一些通用型的無參考質(zhì)量評價算法。⑶提出了一種基于顯著性引導梯度相似度的模糊圖像無參考質(zhì)量評價方法（