基于改進(jìn)蟻群算法的降質(zhì)圖像盲評(píng)價(jià)方法.pdf

1、隨著計(jì)算機(jī)軟硬件尤其是智能機(jī)器視覺技術(shù)的發(fā)展，與視頻相關(guān)的網(wǎng)絡(luò)多媒體應(yīng)用得到了迅猛的發(fā)展，尤其以視頻監(jiān)控、網(wǎng)絡(luò)電視為代表的大規(guī)模聯(lián)網(wǎng)，需要效仿人類視覺智能，在缺少原始場(chǎng)景信息的前提下進(jìn)行無參考的降質(zhì)圖像評(píng)價(jià)。通常情況下，圖像噪聲和圖像模糊是造成圖像質(zhì)量低下最普遍的兩種失真，本文主要針對(duì)圖像噪聲和圖像模糊失真對(duì)圖像質(zhì)量降低的影響，展開了對(duì)無參考降質(zhì)圖像評(píng)價(jià)方法的研究。論文重點(diǎn)以蟻群算法為突破點(diǎn)，通過簡(jiǎn)單智能個(gè)體的協(xié)同演化，實(shí)現(xiàn)群智能性并擺

2、脫統(tǒng)計(jì)方法對(duì)退化模型精確性描述及估計(jì)束縛。上述理論成果可用于優(yōu)化相關(guān)圖像處理算法，并在安防監(jiān)控領(lǐng)域進(jìn)行實(shí)驗(yàn)驗(yàn)證。本論文主要工作包括:
　　1)提出了基于圖像空間特征一致性的降質(zhì)圖像盲估計(jì)方法。
　　基于圖像空間特征一致性的降質(zhì)圖像盲估計(jì)包括兩個(gè)研究?jī)?nèi)容:基于顏色特征一致性的降質(zhì)圖像噪聲估計(jì)和基于紋理特征一致性的降質(zhì)圖像噪聲估計(jì)?；陬伾卣饕恢滦缘慕蒂|(zhì)圖像噪聲估計(jì)算法是基于塊相似度特征的噪聲參數(shù)估計(jì)方法，利用圖像塊內(nèi)像素間存

3、在一定的一致性原理，根據(jù)塊相似度選擇圖像中的平滑塊，通過加權(quán)平均的方法估計(jì)整個(gè)圖像的噪聲方差，然后根據(jù)圖像噪聲方差自適應(yīng)選取閾值，并結(jié)合人眼視覺掩蓋效應(yīng)對(duì)盲圖像噪聲進(jìn)行評(píng)價(jià)。基于紋理特征一致性的降質(zhì)圖像噪聲估計(jì)算法首先提出了一種根據(jù)紋理強(qiáng)弱程度來衡量圖像的平滑程度，從而選擇弱紋理的圖像塊;其次提出了一種運(yùn)用特征值分析來進(jìn)行圖像噪聲估計(jì)方法。通過仿真實(shí)驗(yàn)證明，這兩種方法的提出驗(yàn)證了圖像特征一致性估計(jì)對(duì)圖像質(zhì)量評(píng)價(jià)的有效性。
　　2)

4、提出了基于可變蟻群算法的降質(zhì)圖像盲評(píng)價(jià)方法。
　　結(jié)合圖像特征一致性，文章進(jìn)一步提出基于可變蟻群算法的降質(zhì)盲圖像評(píng)價(jià)算法(Deformable Ant Colony Optimization，DACO)。DACO算法根據(jù)圖像顏色特征一致性計(jì)算得到螞蟻食物，并充分考慮到螞蟻在覓食的過程中，體積自適應(yīng)變化的機(jī)制。對(duì)于越平滑的區(qū)域（食物多的區(qū)域），螞蟻不僅留下的信息素越多，而且螞蟻的體積會(huì)增大。同時(shí)，螞蟻體積越大，需要的食物就越多。這樣

5、體積與食物之間形成一個(gè)負(fù)反饋機(jī)制。實(shí)驗(yàn)結(jié)果證明，提出可變蟻群算法性能優(yōu)于常規(guī)方法，能提供更準(zhǔn)確的噪聲統(tǒng)計(jì)估計(jì)，并能對(duì)仿真圖像和現(xiàn)實(shí)生活中的實(shí)際噪聲圖像進(jìn)行一致性的圖像質(zhì)量評(píng)價(jià)。
　　3)提出了基于蟻群最短路徑的降質(zhì)視頻盲評(píng)價(jià)方法。
　　傳統(tǒng)的蟻群算法目的在于找噪聲圖像中的平滑區(qū)域，基于蟻群最短路徑的盲視頻質(zhì)量評(píng)價(jià)算法(Modified Ant Shortest Path，MASP)充分考慮到螞蟻在覓食過程中的路徑信息，認(rèn)為“

6、過程比結(jié)果更重要”。MASP方法利用圖像梯度信息，通過結(jié)合最短路徑思想生成螞蟻的運(yùn)動(dòng)路徑，針對(duì)螞蟻在不同質(zhì)量視頻、圖像上的不同運(yùn)動(dòng)路徑這一特性，完成對(duì)失真圖像的盲識(shí)別。通過在標(biāo)準(zhǔn)圖像庫(kù)和安防監(jiān)控視頻庫(kù)中實(shí)驗(yàn)測(cè)試表明，基于蟻群最短路徑的降質(zhì)圖像評(píng)價(jià)與人眼主觀評(píng)分能夠獲得較高的一致性，并且開辟了基于蟻群路徑算法的新路。
　　4)提出了基于類間螞蟻競(jìng)爭(zhēng)模型的降質(zhì)圖像清晰度感知方法。
　　螞蟻在覓食過程中會(huì)出現(xiàn)群聚現(xiàn)象，群與群之間通

7、過某種方式交換有用信息的同時(shí)，種群之問存在相互競(jìng)爭(zhēng)關(guān)系，促使種群之間的協(xié)同進(jìn)化。本文受雙種群思想的啟發(fā)，結(jié)合種群競(jìng)爭(zhēng)思想，提出一種基于類間螞蟻競(jìng)爭(zhēng)模型的盲圖像清晰度感知算法(Ants Competition Model Algorithm，ACMA)，首先設(shè)定兩類螞蟻，根據(jù)每類螞蟻設(shè)定食物目標(biāo)不同，兩類螞蟻相互競(jìng)爭(zhēng)，“優(yōu)勝劣汰”，最終找到各自的食物。具體來講，一類螞蟻以圖像強(qiáng)邊緣區(qū)域?yàn)槭澄?，另一類螞蟻以圖像平滑區(qū)域?yàn)槭澄?，兩類螞蟻?jìng)爭(zhēng)尋