图像质量评价研究综述
万方数据 万方数据 万方数据 万方数据 万方数据图像质量评价研究综述作者：周景超， 戴汝为， 肖柏华， ZHOU Jing-chao， DAI Ru-wei， XIAO Bai-hua作者单位：中国科学院自动化研究所复杂系统与智能科学重点实验室,北京100080刊名：计算机科学英文刊名：COMPUTER SCIENCE年，卷(期)：2008,35(7)被引用次数：12次1.叶佳;张建秋;胡波客观评估彩色图像质量的超复数奇异值分解法[期刊论文]-电子学报 2006(1)2.殷晓丽;方向忠;翟广涛一种JPEG图片的无参考图像质量评价方法[期刊论文]-计算机工程与应用 2006(18)3.骞森;朱剑英基于奇异值分解的图像质量评价[期刊论文]-东南大学学报(自然科学版) 2006(4)4.时红伟;陈世平一种基于现代通信理论的图像质量评价技术[期刊论文]-中国空间科学技术 2005(01)5.Tong Hanghang;Li Mingjing;Zhang Hongjiang Learning no-reference quality metric by examples 20056.VQEG Final report from the video quality experts grou Pon the validation of objective models of video quality assessment 20007.查看详情8.查看详情9.DiGesu V;Staravoitov V V Distance-based functions for image comparison[外文期刊] 1999(02)10.Starovitov V V;Kose C;Sankur B Generalized distance based matching of non-binary images 199811.Avcibas I;Sankur B;Sayood K Statistical Evaluation of Image Quality Measures[外文期刊] 2002(2)12.Eskicioglu A M;Fisher P S Image Quality Measures and Their Performance[外文期刊] 1995(12)13.汪孔桥;沈兰荪;刑昕一种基于视觉兴趣性的图象质量评价方法[期刊论文]-中国图象图形学报 2000(4)14.Chiu Yi-Jen;Berger T A Software-Only Video Codec Using Pixel Wise Conditional Differential Replenishment and Perceptual Enhancements 1999(09)15.Miyahara M;Kotani K;Algazi V R Objective Picture Quality Scale for Image Coding 199816.van den Branden;Lambrecht C J;Verscheure O Perceptual ality Measure Using a Spatio-Temporal Model of the Human Visual System[外文期刊] 1996(2668)17.Wang Zhou;Bovik A C A Human Visual System Based Objective Video Distortion Measurement System 200118.Wang Zhou;Bovik A C;Sheikh H R Image Quality Assessment:From Error Visibility to Structural Similarity[外文期刊] 2004(4)19.Srivastava A;Lee A B;Simoncelli E P On Advances in Statistical Modeling of Natural Images[外文期刊] 2003(1)20.Wainwright M J;Simoncelli E P Scale Mixtures of Gaussians and the Statistics of Natural Images 200021.Sheikh H R;Bovik A C Image Information and Visual Quality[外文期刊] 2006(2)22.Yang Fu-zheng;Wang Xin-dai;Chang Yi-lin A No-reference Video Quality Assessment Method Based on Digital Watermark[会议论文] 200323.Sheikh H R;Sabir M F;Bovik A C A Statistical Evaluation of Recent Full Reference Image QualityAssessment Algorithms[外文期刊] 2006(11)24.Wang Zhou;Bovik A C;Evans B L Blind Measurement of Blocking Artifacts in Images 200025.Horita Y;Arata S;Murai T No Reference Image Quality Assessment for JPEG/JPEG2000 Coding 200426.Muijs R;Kirenko I A No-Reference Blocking Artifact Measure for Adaptive Video Processing 200527.Marziliano P;Dufaux F;Winkler S A No-reference Perceptual Blur Metric 200228.Ong E P;Lin W S;Lu Z K No-reference JPEG2000 Image Quality Metric 200329.Sheikh H R;Bovik A C;Cormack L No-Reference Quality Assessment Using Natural SceneStatistics:JPEG2000[外文期刊] 2005(11)30.Vasconcelos N Feature Selection by Maximum Marginal Diversity:Optimality and Implications for Visual Recognition 2003(01)31.Gastaldo P;Zunino R No-Reference Quality Assessment of JPEG Images by Using CB PNeural Networks 200432.Liu Chunmei;Wang Chunheng;Dai Ruwei Low Resolution Character Recognition by Image Quality Evaluation 20061.蒋刚毅.黄大江.王旭.郁梅.Jiang Gang-yi.Huang Da-jiang.Wang Xu.Yu Mei图像质量评价方法研究进展[期刊论文]-电子与信息学报2010,32(1)2.林海祥.张炘无参考图像质量评价综述[期刊论文]-电脑知识与技术2009,5(28)3.刘书琴.毋立芳.宫玉.刘兴胜.Liu Shuqin.Wu Lifang.Gong Yu.Liu Xingsheng图像质量评价综述[期刊论文]-中国科技论文在线2011,06(7)4.叶盛楠.苏开娜.肖创柏.段娟.YE Sheng-nan.SU Kai-na.XIAO Chuang-bai.DUAN Juan基于结构信息提取的图像质量评价[期刊论文]-电子学报2008,36(5)5.胡媛媛.牛夏牧.HU Yuan-yuan.NIU Xia-mu基于视觉阈值的结构相似度图像质量评价算法[期刊论文]-深圳大学学报(理工版)2010,27(2)6.张漫图像质量评价算法的研究[学位论文]20077.骞森.朱剑英.Qian Sen.Zhu Jianying基于奇异值分解的图像质量评价[期刊论文]-东南大学学报（自然科学版）2006,36(4)8.丁绪星.朱日宏.李建欣一种基于人眼视觉特性的图像质量评价[期刊论文]-中国图象图形学报A辑2004,9(2)9.赵剡.杨威.ZHAO Yan.YANG Wei一种基于边缘特征的图像质量评价新方法[期刊论文]-红外与激光工程2006,35(z4)10.路文.高新波.曾凯.何立火.LU Wen.GAO XinBo.ZENG Kai.HE LiHuo一种基于HWD的图像质量评价测度[期刊论文]-红外与毫米波学报2009,28(1)1.王科俊.刘靖宇.马慧.李雪峰手指静脉图像质量评价[期刊论文]-智能系统学报 2011(4)2.马苗.胡菁超基于Curvelet变换的图像质量多尺度灰评价[期刊论文]-计算机工程与应用 2010(29)3.刘立波.王剑.周国民水稻病害图像无参考质量评价方法研究[期刊论文]-农机化研究 2011(3)4.唐中奇.孙继银.刘浩针对模糊效应的卫星图像质量评价模型研究[期刊论文]-计算机应用研究 2011(11)5.张涛.梁德群.王新年.张晓娜基于纹理特征的无参考图像模糊度评价方法[期刊论文]-计算机工程与应用2012(26)6.曹志鹏.魏振忠.张广军.赵长波货车故障轨边图像检测系统(TFDS)图像质量自动化评价方法研究[期刊论文]-铁道车辆 2011(11)7.邱香香.顾一禾不依赖参考图像的插值质量评估方法[期刊论文]-电脑知识与技术 2011(24)8.邢素霞.陈天华基于视觉特性的图像融合质量评价新方法[期刊论文]-北京工商大学学报（自然科学版）2010(1)9.邢素霞.吴静珠.陈天华图像融合质量评价方法研究[期刊论文]-微电子学与计算机 2010(6)10.崔建江.王立辉.陈大力.潘峰基于近红外图像质量评价的静脉图像采集系统[期刊论文]-东北大学学报（自然科学版） 2009(8)11.高海亮.顾行发.余涛.孙源.汪左.刘李基于多波段匹配的超光谱成像仪图像条带噪声去除方法研究[期刊论文]-红外 2011(2)12.高海亮.顾行发.余涛.孙源.汪左.刘李基于多波段匹配的超光谱成像仪图像条带噪声去除方法研究[期刊论文]-红外 2011(2)13.欧阳诚苏.袁军.田军委.黄永宣人眼视觉特性与粗糙集结合的X射线图像增强算法[期刊论文]-西安交通大学学报 2009(6)14.徐鑫.田逢春.陈建军.姬艳丽应用图像纹理连续性的4f系统图像非下采样轮廓波变换域降噪[期刊论文]-光学精密工程 2010(3)本文链接：/Periodical_jsjkx200807001.aspx。
数字图像质量评价综述
程 度 。在 对数 字 图像 进行压 缩 、 传输 、 显示等 操作 时 ，
由于处理过程 、 成 像 系 统 或 传 输 介 质 等 的影 响 ， 会 出现
张偌雅 ， 李珍珍
（ 河南大学计算 机与信息工程学院 ， 开封 ４ ７ ５ ０ ０ ０ ） 摘要：
数 字图像 的质量评价是当今 图像领域 的热 点问题 ， 对质量评 价的常用方法进行介绍 ， 其 中全参考评价方法最成熟 ， 应 用 也最广 泛 ， 无参考评价方法有很好 的研究前景 。为了得 到与人 眼视觉系统 Ｈ ＶＳ一致性更高的评价结果 ， 对各种方 法 都在进 行不断的完善与改进 。概述 质量评价方法的相关性能指标 ， 最后就评价方法 的进一步发展提 出展望 。 关键词 ：
观 因素的影响。
１ 主观图像质量评价方法
主观评价 方法是用来评 价 图像质量 的最直观 的方 法， 分为绝 对评 价和相 对评价 两种 。绝对 评价 没有参 考 图像 ， 根 据 已经规定 好 的评 价准 则或个 人经验 对 图 像做 出评价 。相对 评价 主要 是在有 标准 图像 时， 对 图 像按质量的好坏进行 比较 ， 给 出最终 的评分值 。
量评价 对于 评价算 法 的分析 比较 、 系统 的性能评 估等
方 面 都 有 着 十 分 重 要 的作 用 。 传 统 方 法 主 要 有 主 观 评
价 和客观评价 两种 ， 近年来 ， 随着 图像处理领 域的不断 发展 ， 对于 图像质 量评 价 的研 究也 受到越 来越 多 的关 注， 评价的指标和方法得到 了更好 的发展和完善 。
数字电视图像质量评价方法综述
２ ０ １ ３ 年３ 月 月刊 总第２ ５ １ 期
为 了满 足条 件 （ ３） 和 （ ５） 。应 该 设 置 室
内照 明 。
若 ＨＤＴ Ｖ 达 不 到
条件 （ ８）规 定 值 之 前 ， 应满足 高 ≥ ２ ８ ｏ ，宽
性 能 的优 劣 及 质 量 的 高 低 ，最 终 应 以 要 测 试 方 法 是 主 观 评 价 。主 观 评 价 是 观 众 对 电 视 图 像 和 伴 音 的 质 量 评 价 为 直 接 利 用 观 看 者 对 被 测 系 统 图像 质 量
２ ． １ 信 号源
评价系统信号源 一方面直接提供
字电视基本图像质量评价表1数字电视图像质量主观评价观看条件采用双刺激连续质量标度项目sdtv参数值皿t1参数值1观看距离46倍图像高度3倍图像高度不仅需要对被测系统的输2显示屏幕的峰值亮度70cdm2150250cdm23束流截止时屏幕亮度与峰值亮度之比002同左出图像进行现实评分同4暗室中黑电平亮度与峰值亮度之比约o01同左时也要对被测系统的输入5显示器背景亮度与峰值亮度之比约015同左图像进行显示评分其中6室内环境光照明宜低同左输入图像作为评价的基准7背景光和照明光光源的色温d黼同左8背景光部分对观看员的张角高43
（ 如彩条信号 、黑场信号 、多波群信号
主 观 评 价 系 统 方 框 图 如 图 １所 价 的 基 准 图像 信 号 。 对 于 所 评 价 的 电
等） 送 入 被 测 电 视 制 作 播 出系 统 ，然 示 。 主 观 评 价 结 果 除 了 直 接 与被 测 系 视 标 准 信 号 源 设 备 ，包 括 评 价 用 显 示 后 通过 技 术指 标 （ 如幅 频 特性 、信 噪 比 、 统 的 性 能 有 关 以 外 ， 同 时 还 与 评 价 器 等 都 应 该 采 用 高 质 量 设 备 ， 因为 基
自然图像质量评价方法综述
自然图像质量评价方法综述随着数字图像技术的不断发展和应用，自然图像的质量评价方法也逐渐成为了研究的热点。
自然图像质量评价旨在通过一系列的算法和方法对图像的质量进行客观评价，以便更好地实现图像的处理、传输和显示。
本文就自然图像质量评价方法进行综述，包括基于人感知的方法、基于机器学习的方法、基于深度学习的方法等，希望能够对该领域的研究和应用有所帮助。
基于人感知的自然图像质量评价方法是一种常用的评价方法，其主要思想是通过模拟人的视觉感知过程来评价图像的质量。
这种方法通常包括从感知上显著的特征入手，比如对比度、色彩鲜艳度、锐度等，然后通过一系列的算法和模型来量化这些特征。
在这一方法中，常用的评价指标包括均方误差（MSE）、结构相似性（SSIM）、感知质量评价（PQI）等。
这些指标可以有效地从人的视觉感知角度来评价图像的质量，但它们的缺点也很明显，即不能全面考虑人的主观感受。
二、基于机器学习的自然图像质量评价方法随着机器学习技术的不断发展，基于机器学习的自然图像质量评价方法也逐渐成为了研究的热点。
这种方法的主要思想是通过训练一个回归模型来学习图像的质量评价标准，然后使用这个模型对新的图像进行评价。
在这一方法中，通常使用的机器学习算法包括支持向量机（SVM）、随机森林（Random Forest）、神经网络等。
通过训练这些算法的模型，并通过大量的图像数据来训练和测试，可以得到一个相对客观的图像质量评价标准。
这种方法也存在着一些问题，比如对训练数据的依赖性较强，以及对特征的选取和提取需求较高。
近年来，随着深度学习技术的迅速发展，基于深度学习的自然图像质量评价方法也逐渐受到了关注。
这种方法的主要思想是通过构建一个深度卷积神经网络来学习图像的质量特征，然后使用这个网络来对新的图像进行质量评价。
相比于传统的机器学习方法，深度学习方法可以更好地学习到图像的高级特征，从而得到更为准确的评价结果。
目前，基于深度学习的自然图像质量评价方法已经取得了一些令人瞩目的成果，比如使用卷积神经网络（CNN）进行图像质量评价的方法。
自然图像质量评价方法综述
自然图像质量评价方法综述【摘要】自然图像质量评价方法是图像处理领域的重要研究课题。
本文将对自然图像质量评价方法进行综述，主要包括客观评价指标、人类主观评价、无参考图像质量评价方法、基于参考图像的图像质量评价方法以及深度学习在图像质量评价中的应用。
通过对这些方法的综合评估与比较，可以有效地提高图像处理的效率和质量。
在探讨了自然图像质量评价方法综述的重要性，提出了未来研究的方向，并对整个内容进行了总结。
本文旨在为图像处理领域的研究者提供一份全面的参考，促进该领域的发展与进步。
【关键词】自然图像，质量评价，客观评价指标，人类主观评价，无参考图像质量评价，基于参考图像的评价，深度学习，应用，重要性，未来研究方向，总结。
1. 引言1.1 自然图像质量评价方法综述自然图像质量评价方法综述是图像处理领域的一个重要研究方向，它旨在通过一系列客观指标和主观评价方法，对自然图像的质量进行准确评估。
在数字图像处理和计算机视觉领域，图像质量评价是一个关键问题，因为图像质量的好坏直接影响着后续的图像处理和分析结果。
随着科技的进步和应用领域的不断扩大，对图像质量的要求也越来越高。
研究人员提出了各种不同的评价方法，以满足不同场景下的需求。
客观评价指标是一种常用的评价方法，它通过计算图像的各种特征参数来评估图像的质量。
人类主观评价则是一种更贴近人类感知的评价方式，通过人类参与实验来主观评价图像的质量。
无参考图像质量评价方法和基于参考图像的图像质量评价方法也是当前研究的热点。
前者通过分析图像自身的特征来评价质量，而后者则是通过与参考图像进行比较来评估图像的质量。
近年来，深度学习技术的发展也为图像质量评价带来了新的机遇与挑战，许多研究将深度学习应用于图像质量评价中，取得了显著的进展。
自然图像质量评价方法综述对于提高图像处理技术的准确性和实用性具有重要意义。
未来的研究方向包括进一步完善客观评价指标、提高深度学习方法在图像质量评价中的应用效果，以及探索更多针对不同场景的图像质量评价方法。
评价B超诊断图像质量的指标综述
【 ｙ ｗｏｄ 】 Ｂ Ｕ ｒｓ ｕ ｄＩ ｇ ｕ ｉ ， ｅｏｕｉｎｒｔ ， ｅｅ ｔ ｎｄ ｐｈ Ｂｉｄａｅ Ｋｅ ｒ ｓ － ｈ ａｏ ｎ ， ｍａｅｑ ａ ｔ Ｒ ｓｌｔ ａｉ Ｄ ｔｃｉ ｅｔ， ｌ ｒａ ｌ ｙ ｏ ｏ ｏ ｎ
１ 盲 区
Ｂ超 设备 在 图像 正常显 示允 许 的最 大灵 敏 度 和 亮 度 条 件 下 所 观 测 到 回波 目标 的最 大 深 度 称 为 探
如此， 的 图像 质量 问题 涉及 到人 类 的生命 健康 及生 命 繁衍 。如 何提 高 图像质 量 ， 它 尽可 能获 取真 实丰 富 的人 体 信息 ， 成 为该 领域 内科 学研 究 和技术 攻关 的焦点 。而影 响 图像质 量 的指标 就是 其 中至关 便
重要 的环 节 。本文 对这 些技 术参 数进 行 了分 析 和描述 。
ｃ ｎ ｍ１ Ｉ ａ ｅ ｎ ｗｉ ｌ ｓ ｄ Ｓ ｈｅｐ ｏ ｌｍ ｆｉｓｉ ｇ ｕ ｌｔ ｓａ ｓ ｃａｅ ｏ ｈ ｍｅ ｓｈ ａｔ ｎ ｒｈｉｇＨｏ ｔ ｍｐ ｏ ｅ ｔｅ ｏ ｔ ． ｔｈ ｓｂ ｅ ｄｅｙ ｕ ｅ Ｏ ｔ ｒ ｂ ｅ ｏ ｔ ｍａ ｅｑ ａｉｙ ｉ ｓ ｏ ｉｔｄ ｔ ｕ ｎ’ ｅ ｈａ ｄ ｂｉ ｎ ． ｗ ｏｉ ｒ ｖ ｈ ｌ ｔ ｉ ｇ ａｉ Ｏ ａ ｏ ｃ ｐｔｒ ｈｅ ｌＯ ｔｒ ａ ｈ ｍｅ ｎｏ ｍａｉｎ ｈ ｓ ｂ ｃ ｍｅ ｔｅ ｆｃ ｆｓ ｉｎ ｅ ａ ｄ ｅ ｈｎ ｌｇ ｒ ｓ ａｃ Ａｎ ｈ ｍａ ｅ ｑｕ ｔ Ｓ ｔ ａ ｕ ｅ ｔ ｌ ． ｅ ｌ ｙ ｓ ｌ￣ ｌ ｕ ｎ ｉ ｆｒ ｔ ａ ｅ ｏ ｈ ｏ ｕｓｏ ｃｅ ｃ ｎ ｔｃ ｏｏ ｙ ｅ ｅ ｒｈ１） － ３ ４ 【】 日平． 大型 医用设 备管 理 现状 的分 析 与思考 ４蒋 对
SAR图像目标检测研究综述
2、基于时域的方法：这类方法主要通过滑动窗口等方式，对SAR图像进行时域 分析。这类方法可以更好地抑制斑点噪声，但是计算复杂度较高。
三、典型SAR图像目标检测方法 介绍
1、基于SWT（Sliding Window Technique）的方法：这是一种常用的时域分 析方法，通过在SAR图像上滑动一个窗口，对窗口内的像素进行统计和阈值判 断，以检测目标。
1、传统方法
基于滤波的方法是SAR图像目标检测的常用方法之一。该方法主要通过滤波器 对图像进行平滑处理，以减小图像的噪声和干扰，然后利用图像的统计特征进 行目标检测。基于边缘的方法则通过检测图像边缘来提取目标信息。该方法主 要利用图像边缘的突
变特性来识别目标，但容易受到噪声干扰。小波变换是一种有效的信号处理方 法，在SAR图像目标检测中主要用于提取图像的多尺度特征，提高目标的识别 精度。
另外，如何将SAR图像目标检测与其他图像处理任务（如图像分割、目标跟踪 等）相结合，进一步提高SAR图像的应用价值，也是未来的一个研究方向。
总之，SAR图像目标检测是一个富有挑战性和应用价值的研究领域。未来的研 究应不断探索和创新，结合新的技术和方法，进一步提高SAR图像目标检测的 性能和鲁棒性，为实际应用提供更为可靠的解决方案。
4、训练策略调整：我们采用了分阶段训练的方法。首先，我们使用大量的无 标签数据进行预训练，以增强网络对SAR图像背景和噪声的适应性。然后，我 们使用有标签数据进行微调，以使网络能够更准确地检测和识别舰船目标。
5、后处理改进：在目标检测任务中，后处理是关键的一部分。我们提出了一 种新的非极大值抑制（NMS）策略，该策略考虑到了SAR图像中舰船目标的空 间关系和形状特征。此外，我们还引入了一种新的目标标签修正算法，以解决 因SAR图像的分辨率和角度问题导致的目标识别错误。
全参考图像质量评价综述
的发展 趋势 。
关键 词 ：全参 考 图像 质量 评价 ； 结构相似 性 ；自然场景 分析 ； 特征 相似性 中图分类 号 ： Ｔ Ｐ ３ ９ １ 文献标 志码 ：Ａ 文章编 号 ：１ ０ ０ １ — ３ ６ ９ ５ （ ２ ０ １ ４ ） ０ ｔ 一 ０ ０ １ ３ ￣ １ ０
Ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｇ ａ ｖ ｅ ａ ｎ ｏ ｖ ｅ ｒ ｖ ｉ ｅ ｗ ｏ ｆ ｔ ｈ ｅ ｆ ｕ １ １ ｒ ｅ ｆ ｅ ｒ ｅ ｎ ｅ ｅ ｉ ｍａ ｇ ｅ ｑ ｕ ａ ｌ ｉ ｔ ｙ ａ ｓ ｓ ｅ ｓ ｓ ｍｅ ｎ ｔ ．Ｆ ｉ ｒ ｓ ｔ ｌ ｙ ．ｉ ｔ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ ｔ ｈ ｅ ｓ ｅ ｍｅ ｔ ｈ ｏ ｄ ｓ ｂ ｉｅ ｒ ｌ ｆ ｙ ．Ｓ ｅ ｃ ． ｏ ｎ ｄ ｌ ｙ，ｉ ｔ ｄ ｅ ｓ ｃ ｒ ｉ ｂ ｅ ｄ ｓ ｅ ｖ ｅ ｒ ａ ｌ ｉ ｍｐ ｏ ｒ ｔ ａ ｎ ｔ ｆ ｕ １ １ ｒ ｅ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｉ ｍａ ｇ ｅ ｑ ｕ ａ ｌ ｉ ｔ ｙ ａ ｓ ｓ ｅ ｓ ｓ ｍｅ ｎ ｔ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍｓ ｉ ｎ ｄ ｅ ｔ ａ ｉ ｌ ，ｓ ｕ ｃ ｈ ａ ｓ Ｐ Ｓ ＮＲ，Ｓ Ｓ Ｉ Ｍ，
Ｃ ＨＵ Ｊ ｉ ａ ｎ ｇ ， Ｃ ＨＥ Ｎ Ｑ ｉ ａ ｎ ｇ ， Ｙ Ａ Ｎ Ｇ Ｘ ｉ — ｃ ｈ ｅ ｎ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆＣ ｏ ｍ ｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ＆Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ， Ｎ ａ ｎ ｊ ｉ ｎ ｇ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆＳ ｃ ｉ ｅ ｎ ｃ ｅ＆Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ，Ｎ ａ ｎ ｉ ｆ ｎ ｇ ２ １ ０ ０ ９ ４ ，Ｃ ｈ ｉ ｎ ａ ）
评价B超诊断图像质量的指标综述
评价B超诊断图像质量的指标综述This model paper was revised by the Standardization Office on December 10, 2020评价B超诊断图像质量的指标综述[摘要]医学超声诊断仪在临床上用于疾患和计划生育已得到了肯定，并广泛应用。
正因为如此，它的图像质量问题涉及到人类的生命健康及生命繁衍。
如何提高图像质量，尽可能获取真实丰富的人体信息，便成为该领域内科学研究和技术攻关的焦点。
而影响图像质量的指标就是其中至关重要的环节。
本文对这些技术参数进行了分析和描述。
[关键词] B超伪像图像质量分辨率探测深度盲区1 B超B超成像的基本原理就是：向人体发射一组超声波,按一定的方向进行扫描。
根据监测其回声的延迟时间,强弱就可以判断脏器的距离及性质。
经过电子电路和计算机的处理,形成了我们今天的B超图像。
B超的关键部件就是我们所说的超声探头(probe),其内部有一组超声换能器,是由一组具有压电效应的特殊晶体制成。
这种压电晶体具有特殊的性质,就是在晶体特定方向上加上电压,晶体会发生形变,反过来当晶体发生形变时,对应方向上就会产生电压,实现了电信号与超声波的转换。
2.伪像B超成像过程中形成的伪像包括混响伪像，声像图伪像，镜面伪像（mirrorartifacts），旁瓣伪像，切片厚度伪像等。
混响伪像：是指超声垂直照射到平整的界面如胸壁、腹壁上，超声波在探头和界面之间来回反射，所引起的多次反射。
混响的形态呈等距离多条回声，回声强度依深度递减。
声像图伪像：是指超声显示的断层图像与其相应的客观的解剖断面之间存在的差异。
镜面伪像（mirrorartifacts）：遇到深部的界面，即声阻抗差异较大的平整大界面时，在近侧的结构同时在图像的该界面另一侧出现的伪像。
当肋缘下向上扫查右肝和横膈时，声束遇到膈-肺界面而发生全反射和镜面伪像。
膈下出现肝实质回声（实象），膈上也出现对称性的肝实质回声（虚象或伪像）。
图像质量质量评价
图像质量评价综述摘要：图像质量评价是图像处理领域的研究热点。
本文综合论述了图像质量的主观和客观评价方法，就各自具体的实现方法做了简要的介绍，并分析了各自适用性和存在的问题。
最后进而根据发展趋势和应用需求，对图像质量评价方法的进一步发展提出了若干技术与研究方向的展望。
[关键字]图像质量评价人类视觉系统结构相似度全参考评价部分参考评价无参考评价[abstract]Image quality assessment (IQA) is a hot research area in the field of image processing. In this paper, we discuss the subjective and objective assessment methods of image quality, respectively give a brief introduction of their specific implementation method, and analyses the respective applicability and problems. Finally, the further development of the technology and research directions of the future are proposed based on the trends and application requirements.[keywords]Image Quality Assessment(IQA) Human Visual System(HVS) Structural similarity Full Reference(FR) Reduced Reference(RR) No Reference(NR)，一.引言图像是人类获取信息的重要途径，其所承载的信息远比其它形式的信息更贴切、更丰富。
图像美学质量评价综述
图像美学质量评价综述
张艳;董武;李桐;李业丽;陆利坤
【期刊名称】《北京印刷学院学报》
【年(卷),期】2022(30)7
【摘要】近年来,由于高美学质量图像的需求越来越多,图像美学质量评价成为热门研究课题之一。
深度学习的发展极大推动了图像美学质量评价的发展。
图像美学质量评价常用的数据集有Aesthetic Visual Analysis(AVA)数据集、Aesthetics and Attributes DataBase(AADB)数据集和CUHK-Photo Quality(CUHK-PQ)数据集。
图像美学质量评价的研究方法主要分为两个类型,基于手工设计美学特征的方法与
基于深度学习的图像美学质量评价方法。
基于手工设计美学特征的方法是根据摄影规则或图像内容人工设计美学特征,再利用机器学习方法对图像进行高低质量分类。
基于深度学习的图像美学质量评价方法是用卷积神经网络自动提取图像的美学特征,并对图像进行高低质量分类。
图像美学质量评价用准确率(Acc)、均方误差(Mse)、平均绝对误差(Mae)、中位数绝对误差(Med)来度量模型的有效性。
【总页数】6页(P66-71)
【作者】张艳;董武;李桐;李业丽;陆利坤
【作者单位】北京印刷学院信息工程学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.结合美学特征的无参考色调映射图像质量评价
2.基于兴趣点密度加权的图像美学质量评价
3.深度卷积神经网络在图像美学评价的应用综述
4.基于美学质量评价的条件生成对抗网络线稿图像彩色化方法
5.图像美学质量评价模型的可解释性分析
因版权原因，仅展示原文概要，查看原文内容请购买。