中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2014年
3期
484-492
,共9页
自相关%互信息%无参考%图像质量评价%支持向量机
自相關%互信息%無參攷%圖像質量評價%支持嚮量機
자상관%호신식%무삼고%도상질량평개%지지향량궤
self-correlation%mutual information%no-reference%image quality assessment%support vector machine
目的 无参考图像质量评价是近几年来的研究热点,具有深远的现实意义和广泛的应用价值,提出一种基于互信息的无参考图像质量评价方法.方法 该方法使用原始自然图像及其对应的规范化亮度图像和局部标准差图像作为输入,利用自相关互信息对输入图像邻近像素间的相关性进行量化,并引入多尺度分析得到图像在两个尺度上的互信息特征,最后使用支持向量机(SVM)在LIVE图像数据库上训练学习,从而对多类失真图像进行客观质量评价.结果 在LIVE图像数据库中对本文算法进行性能测试,实验结果显示该算法得到的评价结果与人眼主观评价结果之间的平均相关系数高达0.93,总体分类准确率达到79％,性能足以与当前主流的全参考、无参考方法相竞争.结论 本文方法有别于传统的基于变换的无参考图像质量评价方法,将着眼点放于自然图像邻近像素之间的固有联系上,并取得了较好的实验效果.由于没有使用图像变换并从全局域进行考虑,本文方法具有较低的时间复杂度.
目的 無參攷圖像質量評價是近幾年來的研究熱點,具有深遠的現實意義和廣汎的應用價值,提齣一種基于互信息的無參攷圖像質量評價方法.方法 該方法使用原始自然圖像及其對應的規範化亮度圖像和跼部標準差圖像作為輸入,利用自相關互信息對輸入圖像鄰近像素間的相關性進行量化,併引入多呎度分析得到圖像在兩箇呎度上的互信息特徵,最後使用支持嚮量機(SVM)在LIVE圖像數據庫上訓練學習,從而對多類失真圖像進行客觀質量評價.結果 在LIVE圖像數據庫中對本文算法進行性能測試,實驗結果顯示該算法得到的評價結果與人眼主觀評價結果之間的平均相關繫數高達0.93,總體分類準確率達到79％,性能足以與噹前主流的全參攷、無參攷方法相競爭.結論 本文方法有彆于傳統的基于變換的無參攷圖像質量評價方法,將著眼點放于自然圖像鄰近像素之間的固有聯繫上,併取得瞭較好的實驗效果.由于沒有使用圖像變換併從全跼域進行攷慮,本文方法具有較低的時間複雜度.
목적 무삼고도상질량평개시근궤년래적연구열점,구유심원적현실의의화엄범적응용개치,제출일충기우호신식적무삼고도상질량평개방법.방법 해방법사용원시자연도상급기대응적규범화량도도상화국부표준차도상작위수입,이용자상관호신식대수입도상린근상소간적상관성진행양화,병인입다척도분석득도도상재량개척도상적호신식특정,최후사용지지향량궤(SVM)재LIVE도상수거고상훈련학습,종이대다류실진도상진행객관질량평개.결과 재LIVE도상수거고중대본문산법진행성능측시,실험결과현시해산법득도적평개결과여인안주관평개결과지간적평균상관계수고체0.93,총체분류준학솔체도79％,성능족이여당전주류적전삼고、무삼고방법상경쟁.결론 본문방법유별우전통적기우변환적무삼고도상질량평개방법,장착안점방우자연도상린근상소지간적고유련계상,병취득료교호적실험효과.유우몰유사용도상변환병종전국역진행고필,본문방법구유교저적시간복잡도.
