圖像質(zhì)量評價的研究.pdf

1、對于人類來說,圖像是一種重要的信息來源,存在于人們的日常生活中。我們能夠切實的感受到不同來源的圖像信息,有些圖像是清晰可視的,而有些是模糊失真的,這就造成了人類對于圖像信息理解出現(xiàn)偏差。圖像在被采集、傳輸時可能會被各種噪聲污染而引起失真,如果能夠在整個系統(tǒng)中加入圖像質(zhì)量評價模塊,就能夠及時反饋失真信息,我們可以通過調(diào)整參數(shù)使系統(tǒng)得到優(yōu)化,使人得到更好的、更完整的圖像信息,因此對于圖像質(zhì)量評價的研究是必要的。
　　 本論文以HVS

2、(人眼視覺系統(tǒng))為理論基礎,研究在全參考、部分參考和無參考圖像質(zhì)量評價方法在各自不同的條件下如何更快,更好及更有效的進行數(shù)字圖像評價。論文主要研究內(nèi)容及成果概括如下:
　　 1.基于區(qū)域加權信息熵的結構相似性圖像質(zhì)量評價方法(全參考)。針對結構相似性評價方法在噪聲及壓縮失真圖像的質(zhì)量評價中存在的不足,在考慮人眼視覺特性的基礎上,提出了改進,研究了一種基于區(qū)域加權信息熵的圖像質(zhì)量評價的方法(EDSSIM)。該方法因為人眼對圖像各個

3、區(qū)域的興趣程度不同而引入了圖像區(qū)域加權信息熵的概念,從而能夠更好的來體現(xiàn)圖像內(nèi)容的位置信息,與主觀評價一致性也更好。
　　 2.基于HVS和奇異值分解的圖像質(zhì)量評價方法(部分參考)。一般的圖像質(zhì)量評價算法以像素值的為基礎,需要保證參考圖像是存在的而且完整的。其實圖像本身是具有結構性的,僅僅以像素比較來評判圖像差異,是擴大了圖像質(zhì)量評價的含義。為了解決這些問題,本文研究了奇異值向量對于圖像結構的表征能力,并充分分析HVS的亮度、紋

4、理、邊緣等特性,給出相應的視覺特性計算模型,從而提出了一種基于人眼視覺系統(tǒng)和奇異值分解相結合的圖像質(zhì)量評價方法(BHSVD),該算法相比較其他一些客觀算法具有更好的效果。
　　 3.基于無參考的機械零件質(zhì)量檢測。針對機械零件的特殊性,證明了采取全參考或部分參考是不可行的。本文實現(xiàn)了在無參考圖像的參與下,先對次品機械零件(如裂紋和缺口)進行圖像預處理;再通過最優(yōu)(迭代)閾值進行二值化分割;最后利用零件的圖形屬性(如離心率)來確定是