基于人眼视觉的图像质量评价

合集下载

基于人类视觉系统的融合图像质量评价方法的研究

ｓｍｅｔ，ｔｉｍｅｏｓｂｉｅｔｅｄｒｃｌｔｎｈｐｂｔｅｅｅａｕｔｎｍｅｓｒｄｔｅｒａａｉｍｅｈｓｔｄｅｔｌｈｓｈｉｔｒａｉｓｉｅｈａｓｅｅｏｗｅｎｔｖａｉａｕｅａｌｈｌｏｎｈｅ
维普资讯
２０年第１０８期
中图分类号：Ｎ１Ｔ９１文献标识码：Ａ文章编号：０９５２２０｝１０５４１０ —２５（０８０ —０８ —０
基于人类视觉系统的融合图像质量评价方法的研究
张秀琼
（乐山师范学院计算机系，乐山６４０）１０４
类图像的不同融合算法的质量评价表明该方法是一种实用、有效的图像融合质量评价方法。
关键词：图像融合；图像质量度量；人类视觉系统；比敏感性函数对
Ｓｕｙｏｈｕｅｍａｅｑａｉｙｅａｕｔｏａｅｎｔｄｎｔｅｆｓｄｉｇｕｌｖｌａｉｎｂｓｄｏｔ
ｐｒｅｔａｓｌｆｈｍｎ．３ｅｅｐｒｎｓｏｉｅｅｔｋｎｓｏａｅａｄｉｇｕｉｎｌｏｉｍｓｅｃｐｕｌｒｕｔｏｕａｓ＂ｘｅｉｔｆｄｆｒｎｉｄｆｉｇｓｎｍａｅｆｓａｒｈｅｓｈｍｅｍｏｇｔ
０引言
随着图像和计算技术的飞速发展，用人类视利觉信息来进行状况估计和决策制定的情况Ｅ益增ｔ多，多传感器图像融合即是其中一个重要现象。随着越来越多图像融合技术的使用，价这些融合算评法的性能也变得非常重要。

piqe原理

piqe原理
PIQE原理是一种图像质量评价方法，全称为Perceptual Image QAulity Evaluator。

该方法通过模拟人的视觉系统，测量和评估图像的主观质量，可以用来衡量图像的清晰度、饱和度、对比度、噪声等方面的质量。

PIQE原理基于一种称为感知质量评价的方法，它将图像质量评价的问题转化为模拟人眼感知的问题。

该方法主要包括以下几个步骤：
1. 特征提取：首先，从图像中提取一系列特征，这些特征通常包括梯度、对比度、结构等信息。

这些特征可以反映图像的清晰度、饱和度、对比度等方面的质量。

2. 感知质量模型建立：接着，基于提取到的特征，建立感知质量模型。

该模型通常采用机器学习的方法，通过大量的图像样本，学习不同特征与人眼感知质量之间的关系。

可以使用一些经典的算法，如支持向量机（SVM）、随机森林（Random Forest）等。

3. 图像质量评估：最后，将待评估的图像输入感知质量模型，通过模型计算出图像的质量评分。

评分通常为一个连续值，代表图像的主观质量。

PIQE方法在图像质量评价、图像传输、压缩编码等领域具有广泛应用。

它可以帮助人们评估图像质量，并设计相应的优化算法，以提高图像质量的感知效果。

基于人眼视觉特性的图像视觉质量评价方法

Ｋｅｏｄ：ｖｕｌｏｅｉａｃａａｔｓｃ；ｓｂｅｔｅｑａｉｓｅｓｅｔｂｅｔｅｑａｔａｓｓｍｎｙｗｒｓｉａｍｄｌｓｌｈｒｃｒｔｓｕｊｃｖｕｔａｓｓｍｎ；ｏｊｃｖｕｉｅｓｅｔｓ；ｖｕｅｉｉｉｌｙｉｌｙｓ
ｖｌｅ．Ｉｍａｅｅａａｉｏｅｎｔｎｙｂｏｓｔｔｉｅａｖｔｅｏｊｃｖｕｌｙａｓｓｍｎ，ｂｔｌｏｔａｕｓｔｄｖｌｔｎｍｄｌｏｏｌｅｃｎｉｅｔｔｄａａｆｂｅｔｅｑａｔｓｅｓｅｔｕｓｔｋｉｏｕｏｓｎｗｈｈｎｇｏｉｉａｏｏｎａｃｕｔｈｕａｉａｅｐｒｎｅｔａｃｎｉｅｔｉｅｏｊｃｖｙａｄｓｂｅｔｉｆｈｍｎｅｅ．Ｔｅｖｌａｅｃｏｎｅｈｍｎｖｕｌｘｅｅｃ．ＩｗｓｏｓｔｎｗｔｔｂｅｔｉｎｕｊｃｉｔｏｕａｙｓｈａｄｔｔｓｉｓｈｈｉｔｖｙｉｄｒｓｌｆｍａｅｓｂｅｔｅｅａｕｔｎｏａｂｓｆＥＡｎｖｒｔｏｎｅｔｅｒｖａｔｒｐｓｄｍｅｏｅｅｕｓｇｕｊｃｖｖａｏｎｄｔａｅｏＸＳＵｉｓｙｆｉｄＳａｓｐｏｅｔｔｈｐｏｏｅｔｄｇｔｔｏｉｉｌｉａＴｅｉＵｔｔｈｅｈｓｂｔｒｏｓｔｎｙｗｔｓｂｅｔｅａｓｓｍｎ．ｅｅｎｉｅｃｉｕｊｃｖｓｅｓｅｔｔｃｓｈｉ
ＪｕｎｌｆＣｍｐｔｒＡｐｌａｉｎｏｒａｏｕｅｐｉｔｓｏｃｏ
ＩＳ１ＳＮ００１９．０８１

基于视觉信息保真度的融合图像质量评价方法.

基于视觉信息保真度的融合图像质量评价方法张勇＊,1，2，余宏生,金伟其11(1 北京理工大学光电学院，北京 100081）(2 军械技术研究所，河北石家庄 050000)摘要：在假设图像源符合高斯尺度混合模型前提下，将图像融合算法视为图像信号增强通道，考虑人眼视觉内部神经元噪声特性，建立了一种基于视觉信息保真度的融合图像质量客观评价模型。

采用该方法对不同融合算法获得的融合图像进行了性能验证，实验结果表明该算法能对融合图像质量进行正确评价,相比于传统方法其客观评价结果与主观评价结果更具有一致性.关键词：图像融合；评价；高斯尺度混合模型；视觉信息保真度中图分类号TP391.4 文献标识码 AFusion Image Quality Assessment Method Based on Visual Information Fiedity ZHANG Yong＊，1,2， YU Hong-sheng1, JIN Wei—qi1（1 School of Optoelectronics， Beijing Institute of Technology， Beijing 100081）(2 Mechanical Engineering Institute, Heibei, Shijiazhuang, Hebei 050000）Abstract: Based on the assumption that the image sources meet GSM model is correct and image fusion algorithm is regarded as image signal enhancement channel. And considering human visual noise characteristics within neurons, FVIF objective quality assessment model is established。

pq指数检测方法

pq指数检测方法（原创版）目录1.概述 pq 指数检测方法2.pq 指数检测方法的原理3.pq 指数检测方法的具体步骤4.pq 指数检测方法的应用领域5.pq 指数检测方法的优缺点正文1.概述 pq 指数检测方法pq 指数检测方法是一种用于评估图像质量的指标，其全称为“感知质量指数”（Perceptual Quality Index）。

该方法主要通过计算图像的失真度、分辨率、噪声等因素，来衡量图像的视觉质量，为图像处理、压缩和传输等领域提供参考依据。

2.pq 指数检测方法的原理pq 指数检测方法的原理基于人眼对图像质量的主观评价。

该方法将人眼对图像质量的感受量化为可计算的指数，通过比较不同图像的 pq 指数，可以得出它们的质量优劣。

pq 指数计算过程中，需要对图像进行一系列的特征提取和权重分配，以模拟人眼对图像的视觉感知。

3.pq 指数检测方法的具体步骤pq 指数检测方法的具体步骤如下：（1）特征提取：从图像中提取具有代表性的特征，如边缘、纹理、颜色等。

（2）权重分配：根据人眼对图像特征的敏感程度，为各个特征分配权重。

（3）失真度计算：根据特征和权重，计算图像的失真度。

（4）分辨率计算：根据图像的分辨率，计算其对视觉质量的影响。

（5）噪声计算：根据图像中的噪声水平，计算其对视觉质量的影响。

（6）综合评价：将失真度、分辨率和噪声的影响综合，得出 pq 指数。

4.pq 指数检测方法的应用领域pq 指数检测方法广泛应用于图像处理、压缩、传输和显示等领域。

例如，在图像压缩领域，可以通过 pq 指数检测方法评估不同压缩算法对图像质量的影响，从而选择合适的压缩方法。

在图像传输领域，pq 指数可以帮助评估图像在传输过程中的质量损失，为传输策略提供参考。

5.pq 指数检测方法的优缺点pq 指数检测方法的优点在于能够较为准确地反映人眼对图像质量的主观评价，具有较高的可靠性。

同时，该方法具有较好的普适性，适用于多种图像格式和场景。

基于人眼视觉的小波域结构相似性图像质量客观评价方法

ａｑｉｉｇｈｍａｉａｂｎｅｓｔｉｎｔｒａｄｓｎｉｖｔｃｏｄｎｕｎｖｓａＤｄｌｂｃｕｒｎｕｎｖｓｌｎａｄｓｎｉｖｔａｄｉｅｂｎｅｓｔｉａｃｒｉｇｔｈｍａｉｕｌｕｉｉｙｎｉｙｏｍｏｅ；１
Ａｓｒｃ：ｇｕｌｙｏｊｃｖｓｅｓｎｔｏｆａｅｅｄｍａｒｃｒｉｌｉＷＤＳＩｂｔａｔＡｎｉｅａｔｂｅｔｅｓｓｍｅｔｈｄｏｖｌｏｉｓｕｔｅｓａｔｍａｑｉｉａｍｅｗｔｎｔｕｍｉｒｙ（ＳＭ）
ｍｅｓｒｎｈｔｕｔｒｌｓｍｉｒｔｅｗｅｎｔｅｓｍｅｓａｅａｄｆｅｕｎｙｓｂａｄｉｇｓｏｅｒｆｒｎｅａｕｉｇｔｅｓｃｕａｉｌｉｂｔｅｈａｃｌｎｑｅｃｕｂｎｒａｙｒｍａｅｆｔｅｅｅｃｈ
ｂｓｄｏｕａｉｕｌｓｐｏｏｅｙｃｎｉｅｉｇｈｍａｉｕｌｆａｕｅｏｏｅｃｅｃｅｆｓａｉｌａｅｎｈｍｎｖｓａｒｐｓｄｂｏｓｄｒｕｎｖｓａｅｔｒｓｆｒｓｍｅｄｆｉｎｉｓｏｐｔｉｎｉａ
ｓｕｔｒｌｉｌｒ（ＳＭ）ａｓｓｍｅｔｔｏｓｅｓｇｔｅｑａｉｆｇｏｔｃｄｓｒｄｉｇｓａｄｔｃａｓａｉＳＩｒｕｍｉｔｙｓｅｓｎｈｄｉａｓｓｉｈｕｌｏｅｍｅｉｉｏｔｍｅｎｎｙｔｒｔｅｍａｅｎ

基于人眼视觉的图像质量评价

基于人眼视觉的图像质量评价上周读了Visual Signal Quality和一些基于人眼视觉的质量评价文献，对预处理前的图像质量评价方法有一些想法。

大多数人对图像质量的感觉主要受到图像的亮度、对比度、颜色、清晰度的综合影响。

评价的目的是判断图像是否需要增强，然后对相应指标进行增强处理。

1）颜色方面：我们在描述一件彩色物体时，通常是通过它的色调、饱和度和亮度进行综合评判的。

人眼对亮度较敏感，所以把亮度分离出来，单独判断。

2）亮度：通过原图像与参考图像的亮度对比函数表示原图像偏亮或偏暗。

3）对比度：通过原图像与参考图像的对比度对比函数表示图像是否过度拉伸。

4）清晰度：梯度信息可以很好的反映图像中微小的细节反差和纹理特征变化，因此可以用来评价原图像的清晰程度。

5）权重：由于人眼对亮度、对比度、清晰度敏感，对色差信号的敏感程度偏低。

所以四者分配的权值不同。

6）使用11×11且σ2=1的高斯低通滤波器，对彩色待评价图像进行模糊滤波处理，得到对应的模糊图像，并将其作为参考图像。

流程图：原图像CSIM色度比较函数饱和度比较函数GSIM模式亮度比较函数对比度比较函数梯度比较函数参考图像主要目的：明确原图像具体指标（亮度、色度、饱和度、模糊、对比度）的失真，便于接下来的图像预处理。

书中的一些方法如VIF（视觉信息保真度）、S-CIELAB模型等也能够评价图像的质量，但是不能明确指出图像具体哪方面出现问题，不利于接下来的预处理。

适合最终的质量评价（颜色预处理完成后）。

CSIM算法和GSIM算法步奏如下：1）输入原图像，使用11×11且σ2=1的高斯低通滤波器，对彩色待评价图像进行模糊滤波处理，得到对应的模糊图像，并将其作为参考图像。

2）转换色彩空间RGB-HSI，提取色调H，S，计算色调相似度、饱和度相似度。

3）将彩色图像转换为灰度图像，计算亮度相似度、对比度相似性、梯度相似性。

因为接下来的图像预处理主要是针对图像的亮度、色度、饱和度、对比度、清晰度方面，所以我没有把图像的失真类型都考虑进去。

一种符合人眼视觉特性的全参考图像质量评价方法

关键
词：图像修补质量；全参考评价准则；人眼视觉系统（ＨＶＳ）
文献标志码：Ａ
中图分类号：ＴＰ３９１
随着图像修补技术应用到众多方面，修补后图像的质量好坏逐渐受到重视．修补后图像的质
１ＨＶＳ特性
性的图像质量评价方法，如基于人眼视觉特性的
加权峰值信噪比评价方法方法 … ，文中分析了图
像的亮度、纹理、边缘等影响人眼视觉的特性，并
觉非线性特性．当观察者观察一幅亮度为的图
像，将这幅图像分成两个部分，将其中一部分图像
第３Ｏ卷第９朗２０１３年９月
吉林化工学院学报
ＪＯＵＲＮＡＬＯＦＪＩＬＩＮＩＮＳＴＩＴＵＴＥＯＦＣＨＥＭＩＣＡＬＴＥＣＨＮ０Ｌ０ＧＹ
Ｖｏ！．３０Ｎｏ．９
眼视觉特性的图像修补质量评价方法成为近年来
的一个研究热点．
觉非线性衰减、二维视觉敏感度带通和视觉多通
道及掩盖效应．（１）视觉非线性．韦伯定律描述了ＨＶＳ的视
目前，研究人员提出了多种结合人眼视觉特
了较好的评价效果．本文实现了建立在人眼视觉
其中Ｏｔ、为常量．
（２）二维视觉敏感度带通．人眼视觉对比度

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

基于人眼视觉的图像质量评价
上周读了Visual Signal Quality 和一些基于人眼视觉的质量评价文献，对预处理前的图像质量评价方法有一些想法。