CN103578104A - 一种针对高斯模糊图像的部分参考图像客观质量评价方法 - Google Patents
一种针对高斯模糊图像的部分参考图像客观质量评价方法 Download PDFInfo
- Publication number
- CN103578104A CN103578104A CN201310514544.5A CN201310514544A CN103578104A CN 103578104 A CN103578104 A CN 103578104A CN 201310514544 A CN201310514544 A CN 201310514544A CN 103578104 A CN103578104 A CN 103578104A
- Authority
- CN
- China
- Prior art keywords
- dis
- org
- subband
- direction subband
- wavelet coefficient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种针对高斯模糊图像的部分参考图像客观质量评价方法,其根据图像在二维离散小波变化中的频域信息,提取原始图像和失真图像的各个子带的能量信息,通过衡量原始图像和失真图像在小波变换域下的子带能量信息的变化来衡量图像质量的变化程度并预测失真图像的客观质量,由于人眼对图像能量信息改变的敏感性,因此本发明方法能够有效地提高图像客观质量评价结果与主观感知之间的一致性,能够达到准确评价图像客观质量的目的。
Description
技术领域
本发明涉及一种图像质量评价技术,尤其是涉及一种针对高斯模糊图像的部分参考图像客观质量评价方法。
背景技术
图像质量是比较各种图像处理算法性能优劣以及优化系统参数的重要指标,因此在图像采集、编码压缩、网络传输等领域建立有效的图像质量评价机制具有重大的意义。图像质量评价方法可分为图像主观质量评价方法和图像客观质量评价方法。图像主观质量评价方法就是把多名观察者对待评价图像的质量进行加权平均的综合评价,其结果符合人眼视觉系统特性,但受到计算不便、速度慢、成本高等诸多因素限制,嵌入系统难,因而在实际应用中无法得到广泛推广。而图像客观质量评价方法具有操作简单、成本低、易于实现及实时优化算法等特点,因此其已成为图像质量评价研究的重点。目前,图像客观质量评价方法主要分为全参考图像质量评价、部分参考图像质量评价和无参考图像质量评价。其中,全参考图像质量评价具有较高的评价准确性,评价性能比较稳定,但是其需要原始图像,而在实际情况下原始图像完全可知是需要很高的代价的;无参考图像质量评价是一种无需原始图像任何信息的评价方法,尽管其解决了对原始图像的要求,但是其评价准确性比较低;部分参考图像质量评价是一种介于全参考图像质量评价和无参考图像质量评价之间的质量评价方法,其只需要图像的部分信息,而且能取得较好的实验结果。
部分参考图像质量评价主要是针对一个图像传输系统,在发送端提取原始图像的一些特征,将其通过辅助通道传送到图像传输系统的接收端,并与接收端得到的失真图像的对应的特征进行比较,以获得相应的图像质量评价测度。目前,部分参考图像质量评价方法主要有:基于降质特征提取的方法、基于谐波强度的方法、基于小波域自然图像统计模型的方法、基于特征嵌入提取的方法、基于多尺度几何分析的方法等。Narwaria等人提出了一种基于傅立叶变换的半参考图像质量评价方法;Ma等人通过分析DCT变换后的系数分布情况,提取了子带的统计特性、互信息熵以及频率部分这三个特征,提出了一种基于重组DCT变换的半参考图像质量评价方法;Abdul等人提出了一种基于结构相似度(SSIM)预测的半参考图像质量评价方法,该方法首先对图像滤波,然后根据其滤波后的系数服从高斯分布,获取原始图像和失真图像分解后的对应各子带的Kullback-Leibler(KLD)距离,接着以原始图像和失真图像滤波后的每个子带的KLD距离和对应子带的系数标准差的差距的乘积作为图像的结构信息。现有的这些部分参考图像质量评价方法大多数都是基于图像内容本身来提取图像特征的,其中主要通过图像各种分解的统计特性,图像的信息熵,以及频域下的频率信息,但是这些信息并没有过多的考虑人类视觉系统的影响,因此评价效果还有待提高。
发明内容
本发明所要解决的技术问题是提供一种针对高斯模糊图像的部分参考图像客观质量评价方法,其能够有效地提高图像客观质量评价结果与主观感知之间的一致性,能够达到准确评价图像客观质量的目的。
本发明解决上述技术问题所采用的技术方案为:一种针对高斯模糊图像的部分参考图像客观质量评价方法,其特征在于包括以下步骤:
①令Iorg表示原始的无失真的图像,令Idis表示待评价的失真的图像;
②对Iorg实施M级小波变换,得到Iorg对应的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵,将Iorg实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为将Iorg实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为其中,1≤M≤5,1≤m≤M;
同样,对Idis实施M级小波变换,得到Idis对应的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵,将Idis实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为将Idis实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为
③获取Iorg实施M级小波变换后得到的M个水平方向子带和M个垂直方向子带的小波系数能量,将Iorg实施第m级小波变换后得到的第m个水平方向子带的小波系数能量记为 将Iorg实施第m级小波变换后得到的第m个垂直方向子带的小波系数能量记为
同样,获取Idis实施M级小波变换后得到的M个水平方向子带和M个垂直方向子带的小波系数能量,将Idis实施第m级小波变换后得到的第m个水平方向子带的小波系数能量记为 将Idis实施第m级小波变换后得到的第m个垂直方向子带的小波系数能量记为
其中,MH,m表示Iorg和Idis分别实施第m级小波变换后得到的各自对应的第m个水平方向子带的宽,NH,m表示Iorg和Idis分别实施第m级小波变换后得到的各自对应的第m个水平方向子带的高,MV,m表示Iorg和Idis分别实施第m级小波变换后得到的各自对应的第m个垂直方向子带的宽,NV,m表示Iorg和Idis分别实施第m级小波变换后得到的各自对应的第m个垂直方向子带的高,表示中坐标位置为(x1,y1)处的小波系数,表示中坐标位置为(x2,y2)处的小波系数,表示中坐标位置为(x1,y1)的小波系数,表示中坐标位置为(x2,y2)的小波系数,符号“||”为取绝对值符号;
所述的步骤②中取M=4。
与现有技术相比,本发明的优点在于:本发明方法根据图像在二维离散小波变化中的频域信息,提取原始图像和失真图像的各个子带的能量信息,通过衡量原始图像和失真图像在小波变换域下的子带能量信息的变化来衡量图像质量的变化程度并预测失真图像的客观质量,由于人眼对图像能量信息改变的敏感性,因此本发明方法能够有效地提高图像客观质量评价结果与主观感知之间的一致性,能够达到准确评价图像客观质量的目的。
附图说明
图1为本发明方法的总体实现框图;
图2为利用本发明方法对145幅高斯模糊图像进行评价得到的客观评价值与实际主观值DMOS的散点图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
本发明提出的一种针对高斯模糊图像的部分参考图像客观质量评价方法,其根据图像在二维离散小波变化中的频域信息,提取原始图像和失真图像的各个子带的能量信息,通过衡量原始图像和失真图像在小波变换域下的子带能量信息的变化来衡量图像质量的变化程度并预测失真图像的客观质量,由于人眼对图像能量信息改变的敏感性,因此本发明方法能够有效地提高图像客观质量评价结果与主观感知之间的一致性,能够达到准确评价图像客观质量的目的。
本发明方法的总体实现框图如图1所示,其包括以下步骤:
①令Iorg表示原始的无失真的图像,令Idis表示待评价的失真的图像。
②对Iorg实施M级小波变换,得到Iorg对应的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵,将Iorg实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为将Iorg实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为将Iorg实施第m级小波变换后得到的第m个对角方向子带的小波系数矩阵记为将Iorg实施M级小波变换后得到的直流子带的小波系数矩阵记为其中,1≤M≤5,在本实施例中可取M=4,1≤m≤M。
同样,对Idis实施M级小波变换,得到Idis对应的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵,将Idis实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为将Idis实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为将Idis实施第m级小波变换后得到的第m个对角方向子带的小波系数矩阵记为将Idis实施M级小波变换后得到的直流子带的小波系数矩阵记为
③获取Iorg实施M级小波变换后得到的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数能量,将Iorg实施第m级小波变换后得到的第m个水平方向子带的小波系数能量记为 将Iorg实施第m级小波变换后得到的第m个垂直方向子带的小波系数能量记为 将Iorg实施第m级小波变换后得到的第m个对角方向子带的小波系数能量记为 将Iorg实施M级小波变换后得到的直流子带的小波系数能量记为
同样,获取Idis实施M级小波变换后得到的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数能量,将Idis实施第m级小波变换后得到的第m个水平方向子带的小波系数能量记为 将Idis实施第m级小波变换后得到的第m个垂直方向子带的小波系数能量记为 将Idis实施第m级小波变换后得到的第m个对角方向子带的小波系数能量记为 将Idis实施M级小波变换后得到的直流子带的小波系数能量记为
其中,MH,m表示Iorg和Idis分别实施第m级小波变换后得到的各自对应的第m个水平方向子带的宽,NH,m表示Iorg和Idis分别实施第m级小波变换后得到的各自对应的第m个水平方向子带的高,MV,m表示Iorg和Idis分别实施第m级小波变换后得到的各自对应的第m个垂直方向子带的宽,NV,m表示Iorg和Idis分别实施第m级小波变换后得到的各自对应的第m个垂直方向子带的高,MD,m表示Iorg和Idis分别实施第m级小波变换后得到的各自对应的第m个对角方向子带的宽,ND,m表示Iorg和Idis分别实施第m级小波变换后得到的各自对应的第m个对角方向子带的高,MDC表示Iorg和Idis分别实施M级小波变换后得到的各自对应的直流子带的宽,NDC表示Iorg和Idis分别实施M级小波变换后得到的各自对应的直流子带的高,表示中坐标位置为(x1,y1)处的小波系数,表示中坐标位置为(x2,y2)处的小波系数,表示中坐标位置为(x3,y3)处的小波系数,表示中坐标位置为(x4,y4)的小波系数,表示中坐标位置为(x1,y1)的小波系数,表示中坐标位置为(x2,y2)的小波系数,表示中坐标位置为(x3,y3)的小波系数,表示中坐标位置为(x4,y4)的小波系数,符号“||”为取绝对值符号。
④在小波变换中,由于在图像失真不太严重的情况下,原始图像的直流子带与失真图像的直流子带具有很高的相似程度,因此对于每级小波变换后得到直流子带可以不考虑;另一方面,由于水平信息和垂直信息对人眼感知图像具有较大重要性,而图像垂直方向上的失真相对水平方向上的失真,对人眼感知影响相对要小,因此对于部分参考图像质量评价,为尽可能减少表征图像质量的特征,对于每级小波变换后得到的对角方向子带可以不考虑。
⑤由于在小波变换域中不同等级的子带能量信息对图像质量的影响是同等重要的,因此本发明方法通过线性加权的形式对不同等级上的子带能量信息进行融合,即根据Iorg实施每级小波变换后得到的水平方向子带的小波系数能量与垂直方向子带的小波系数能量的平均值,计算Iorg的能量特征值,记为Forg,其中,为的能量加权系数。
在此,本发明方法充分考虑到小波变换域中不同等级、不同方向上的子带能量信息对最终图像质量的影响,因此利用了线性加权方式;且由于人眼对中频成分敏感,因此可以对中频的子带赋较大的权值,而对人眼关注度不是很高的低频和高频的子带,可以赋予较小的权值。在本实施例中,当m=1时取当m=2时取 当m=3时取 当m=4时取
在此,的具体值根据下述过程确定:由于四级子带能量信息对图像质量都具有影响,因此假设且以0.1为步长变化,也以0.1为步长变化,且也是以0.1为步长变化,最后然后按照本发明方法的步骤①至步骤⑥获取LIVE图像库中提供的145幅高斯模糊图像各自的客观评价值,并获取145幅高斯模糊图像各自的平均主观评价差值(DMOS,difference mean opinion score)(DMOS值越大表示失真图像的质量越差,DMOS值越小表示失真图像的质量越好,且DMOS取值范围为[0,100]),接着采用四参数Logistic函数进行非线性拟合,得到拟合后的客观评价值与DMOS值之间的CC值和SROCC值,以T=max(CC+SROCC)为目标函数,最后得到 其中,max()为取最大值函数。
为了验证本发明方法的高效性,实验采用美国德克萨斯大学LIVE实验室提供的数据库进行验证。这个数据库共有29幅RGB原始图像,并提供了5种失真的子库,其中高斯模糊图像有145幅。
在实验时先根据本发明方法获取提供的145幅高斯模糊图像各自的客观评价值,然后利用评估图像质量评价方法的常用客观参量作为评价指标,即客观评价值和实际主观值的非线性相关系数(Correlation Coefficient,CC),其用于反映图像质量评价方法的准确性;非线性回归后的预测值与主观的Spearman相关(Spearman Rank-OrderCorrelation Coefficient,SROCC),其用于反映图像质量评价的单调性测度;均方根误差(Root Mean Squared Error,RMSE),用于评价实际主观值DMOS与预测的主观值DMOSP的偏离程度,并且有CC和SROCC值越高说明图像的客观评价值与主观质量的相关性越好,RMSE越小说明客观评价值与主观质量的相关性越好。DMOSp的获取过程为:利用非线性回归的方法拟合145幅高斯模糊图像的客观评价值与实际主观值DMOS,得到一条曲线,该拟合函数为四参数拟合,函数表达式为:其中,exp()表示以e为底的指数函数,“||”为取绝对值符号,b1,b2,b3,b4的获取是使得满足DMOS和DMOSp相差最小,一般由这两个指标的均方根误差作为目标函数。
表1列出了分别利用本发明方法及现有的Narwaria等人提出的方法、Ma等人提出的方法、Abdul等人提出的方法对LIVE图像库下的145幅高斯模糊图像进行评价的评价性能CC、SROCC、RMSE系数的值,从表1所列的数据可见,利用本发明方法得到的失真图像的客观评价值Q与主观分数DMOS之间的相关性很高,CC和SROCC的评价值均超过了0.97,RMSE值小于4,与现有的Narwaria等人提出的方法、Ma等人提出的方法、Abdul等人提出的方法相比,本发明方法的评价性能明显优于现有的三种方法,这充分说明了本发明方法的可行性和有效性。
图2给出了利用本发明方法对145幅高斯模糊图像进行评价得到的客观评价值与实际主观值DMOS的散点图,散点图中的散点越集中,散点的单调性越好,说明客观评价结果与主观感知的一致性越好。从图2中可以看出,采用本发明得到的散点图的散点比较集中,且呈现较好的单调递减的分布,与主观评价数据之间的吻合度较高。
表1分别利用本发明方法及现有的Narwaria等人提出的方法、Ma等人提出的方法、Abdul等人提出的方法对LIVE图像库下的145幅高斯模糊图像进行评价的评价性能CC、SROCC、RMSE系数的值
Claims (3)
1.一种针对高斯模糊图像的部分参考图像客观质量评价方法,其特征在于包括以下步骤:
①令Iorg表示原始的无失真的图像,令Idis表示待评价的失真的图像;
②对Iorg实施M级小波变换,得到Iorg对应的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵,将Iorg实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为将Iorg实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为其中,1≤M≤5,1≤m≤M;
同样,对Idis实施M级小波变换,得到Idis对应的M个水平方向子带、M个垂直方向子带、M个对角方向子带和1个直流子带的小波系数矩阵,将Idis实施第m级小波变换后得到的第m个水平方向子带的小波系数矩阵记为将Idis实施第m级小波变换后得到的第m个垂直方向子带的小波系数矩阵记为
③获取Iorg实施M级小波变换后得到的M个水平方向子带和M个垂直方向子带的小波系数能量,将Iorg实施第m级小波变换后得到的第m个水平方向子带的小波系数能量记为 将Iorg实施第m级小波变换后得到的第m个垂直方向子带的小波系数能量记为
同样,获取Idis实施M级小波变换后得到的M个水平方向子带和M个垂直方向子带的小波系数能量,将Idis实施第m级小波变换后得到的第m个水平方向子带的小波系数能量记为 将Idis实施第m级小波变换后得到的第m个垂直方向子带的小波系数能量记为
其中,MH,m表示Iorg和Idis分别实施第m级小波变换后得到的各自对应的第m个水平方向子带的宽,NH,m表示Iorg和Idis分别实施第m级小波变换后得到的各自对应的第m个水平方向子带的高,MV,m表示Iorg和Idis分别实施第m级小波变换后得到的各自对应的第m个垂直方向子带的宽,NV,m表示Iorg和Idis分别实施第m级小波变换后得到的各自对应的第m个垂直方向子带的高,表示中坐标位置为(x1,y1)处的小波系数,表示中坐标位置为(x2,y2)处的小波系数,表示中坐标位置为(x1,y1)的小波系数,表示中坐标位置为(x2,y2)的小波系数,符号“||”为取绝对值符号;
2.根据权利要求1所述的一种针对高斯模糊图像的部分参考图像客观质量评价方法,其特征在于所述的步骤②中取M=4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310514544.5A CN103578104B (zh) | 2013-10-25 | 2013-10-25 | 一种针对高斯模糊图像的部分参考图像客观质量评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310514544.5A CN103578104B (zh) | 2013-10-25 | 2013-10-25 | 一种针对高斯模糊图像的部分参考图像客观质量评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103578104A true CN103578104A (zh) | 2014-02-12 |
CN103578104B CN103578104B (zh) | 2016-01-27 |
Family
ID=50049827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310514544.5A Expired - Fee Related CN103578104B (zh) | 2013-10-25 | 2013-10-25 | 一种针对高斯模糊图像的部分参考图像客观质量评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103578104B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104346809A (zh) * | 2014-09-23 | 2015-02-11 | 上海交通大学 | 采用高动态范围的图像质量数据集的图像质量评价方法 |
CN106651829A (zh) * | 2016-09-23 | 2017-05-10 | 中国传媒大学 | 一种基于能量和纹理分析的无参考图像客观质量评价方法 |
CN109191447A (zh) * | 2018-08-31 | 2019-01-11 | 宁波大学 | 一种基于几何曲率分析的三维网格质量评价方法 |
CN112132775A (zh) * | 2020-08-05 | 2020-12-25 | 浙江万里学院 | 一种基于Fisher编码的屏幕内容图像无参考质量评价方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101127926A (zh) * | 2007-09-14 | 2008-02-20 | 西安电子科技大学 | 基于多尺度几何分析的图像质量评测方法 |
CN101378519A (zh) * | 2008-09-28 | 2009-03-04 | 宁波大学 | 一种基于Contourlet变换的质降参考图像质量评价方法 |
CN101482973A (zh) * | 2009-01-21 | 2009-07-15 | 西安交通大学 | 基于早期视觉的部分参考图像质量评价方法 |
CN102521825A (zh) * | 2011-11-16 | 2012-06-27 | 宁波大学 | 一种基于零水印的立体图像质量客观评价方法 |
CN102855631A (zh) * | 2012-08-23 | 2013-01-02 | 浙江大学 | 用于图像质量评价的视觉能量信息提取方法 |
CN103325113A (zh) * | 2013-06-06 | 2013-09-25 | 深圳大学 | 部分参考型图像质量评价方法及装置 |
-
2013
- 2013-10-25 CN CN201310514544.5A patent/CN103578104B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101127926A (zh) * | 2007-09-14 | 2008-02-20 | 西安电子科技大学 | 基于多尺度几何分析的图像质量评测方法 |
CN101378519A (zh) * | 2008-09-28 | 2009-03-04 | 宁波大学 | 一种基于Contourlet变换的质降参考图像质量评价方法 |
CN101482973A (zh) * | 2009-01-21 | 2009-07-15 | 西安交通大学 | 基于早期视觉的部分参考图像质量评价方法 |
CN102521825A (zh) * | 2011-11-16 | 2012-06-27 | 宁波大学 | 一种基于零水印的立体图像质量客观评价方法 |
CN102855631A (zh) * | 2012-08-23 | 2013-01-02 | 浙江大学 | 用于图像质量评价的视觉能量信息提取方法 |
CN103325113A (zh) * | 2013-06-06 | 2013-09-25 | 深圳大学 | 部分参考型图像质量评价方法及装置 |
Non-Patent Citations (3)
Title |
---|
HANTAO LIU等: "《A NO-REFERENCE PERCEPTUAL BLOCKINESS METRIC》", 《PROC ICASSP》, 31 December 2008 (2008-12-31) * |
熊超等: "《一种针对高斯模糊图像的无参考质量评价方法》", 《计算机工程与应用》, vol. 49, no. 15, 15 August 2013 (2013-08-15) * |
王德心等: "《一种失真模糊图像的质量评价方法》", 《科学技术与工程》, vol. 10, no. 23, 31 August 2010 (2010-08-31) * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104346809A (zh) * | 2014-09-23 | 2015-02-11 | 上海交通大学 | 采用高动态范围的图像质量数据集的图像质量评价方法 |
CN106651829A (zh) * | 2016-09-23 | 2017-05-10 | 中国传媒大学 | 一种基于能量和纹理分析的无参考图像客观质量评价方法 |
CN106651829B (zh) * | 2016-09-23 | 2019-10-08 | 中国传媒大学 | 一种基于能量和纹理分析的无参考图像客观质量评价方法 |
CN109191447A (zh) * | 2018-08-31 | 2019-01-11 | 宁波大学 | 一种基于几何曲率分析的三维网格质量评价方法 |
CN109191447B (zh) * | 2018-08-31 | 2021-11-19 | 宁波大学 | 一种基于几何曲率分析的三维网格质量评价方法 |
CN112132775A (zh) * | 2020-08-05 | 2020-12-25 | 浙江万里学院 | 一种基于Fisher编码的屏幕内容图像无参考质量评价方法 |
CN112132775B (zh) * | 2020-08-05 | 2023-10-31 | 浙江万里学院 | 一种基于Fisher编码的屏幕内容图像无参考质量评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103578104B (zh) | 2016-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102075786B (zh) | 一种图像客观质量评价方法 | |
Narvekar et al. | A no-reference image blur metric based on the cumulative probability of blur detection (CPBD) | |
CN104079925B (zh) | 基于视觉感知特性的超高清视频图像质量客观评价方法 | |
CN102333233B (zh) | 一种基于视觉感知的立体图像质量客观评价方法 | |
CN102663747B (zh) | 一种基于视觉感知的立体图像客观质量评价方法 | |
CN103517065B (zh) | 一种质降参考立体图像质量客观评价方法 | |
CN101950422B (zh) | 一种基于奇异值分解的图像质量评价方法 | |
CN102137271A (zh) | 一种图像质量评价方法及装置 | |
CN104202594B (zh) | 一种基于三维小波变换的视频质量评价方法 | |
CN104394403B (zh) | 一种面向压缩失真的立体视频质量客观评价方法 | |
CN103281554B (zh) | 一种基于人眼视觉特性的视频客观质量评价方法 | |
CN105139366A (zh) | 一种基于空间域的图像增强方法 | |
CN107481236A (zh) | 一种屏幕图像的质量评价方法 | |
CN104036493B (zh) | 一种基于多重分形谱的无参考图像质量评价方法 | |
Cheng et al. | Perceptual image quality assessment using a geometric structural distortion model | |
CN103578104B (zh) | 一种针对高斯模糊图像的部分参考图像客观质量评价方法 | |
CN102036098B (zh) | 一种基于视觉信息量差异的全参考型图像质量评价方法 | |
CN102547368A (zh) | 一种立体图像质量客观评价方法 | |
CN104318545A (zh) | 一种用于雾天偏振图像的质量评价方法 | |
CN103700077B (zh) | 一种基于人眼视觉特性的自适应图像增强方法 | |
CN102708568B (zh) | 一种基于结构失真的立体图像客观质量评价方法 | |
CN104361583A (zh) | 一种非对称失真立体图像客观质量评价方法 | |
Cheng et al. | Image quality assessment using natural image statistics in gradient domain | |
CN103841411B (zh) | 一种基于双目信息处理的立体图像质量评价方法 | |
CN102999911B (zh) | 一种基于能量图的立体图像质量客观评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160127 Termination date: 20181025 |
|
CF01 | Termination of patent right due to non-payment of annual fee |