中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2014年
6期
859-867
,共9页
无参考图像质量评价%感知特征%统计特征%支持向量机回归
無參攷圖像質量評價%感知特徵%統計特徵%支持嚮量機迴歸
무삼고도상질량평개%감지특정%통계특정%지지향량궤회귀
blind/no-reference image quality assessment%perceptual feature%statistics feature%support vector machine regression
目的 为了更有效地评价各种失真类型的图像,提出了一种新颖的通用型无参考图像质量评价方法,它采取学习感知特征和空域自然统计特征相结合的方法来构建图像质量评价模型.方法 在提取显著分块的36个空域自然统计特征的基础上,增加基于相位一致性熵、基于相位一致性均值、梯度均值以及失真图像的熵4个感知特征,采用支持向量机回归的学习方式来构建图像特征与人的主观分数的映射关系,进而根据所提取特征预测图像质量.结果 在LIVE图像库上的实验结果表明,本文方法预测质量分数与人的主观分数具有较高的一致性,基本呈线性关系,鲁棒性较好,运行时间较短,综合性能较好.结论 本文方法预测性能较好,特征选取合理,学习方法有效.
目的 為瞭更有效地評價各種失真類型的圖像,提齣瞭一種新穎的通用型無參攷圖像質量評價方法,它採取學習感知特徵和空域自然統計特徵相結閤的方法來構建圖像質量評價模型.方法 在提取顯著分塊的36箇空域自然統計特徵的基礎上,增加基于相位一緻性熵、基于相位一緻性均值、梯度均值以及失真圖像的熵4箇感知特徵,採用支持嚮量機迴歸的學習方式來構建圖像特徵與人的主觀分數的映射關繫,進而根據所提取特徵預測圖像質量.結果 在LIVE圖像庫上的實驗結果錶明,本文方法預測質量分數與人的主觀分數具有較高的一緻性,基本呈線性關繫,魯棒性較好,運行時間較短,綜閤性能較好.結論 本文方法預測性能較好,特徵選取閤理,學習方法有效.
목적 위료경유효지평개각충실진류형적도상,제출료일충신영적통용형무삼고도상질량평개방법,타채취학습감지특정화공역자연통계특정상결합적방법래구건도상질량평개모형.방법 재제취현저분괴적36개공역자연통계특정적기출상,증가기우상위일치성적、기우상위일치성균치、제도균치이급실진도상적적4개감지특정,채용지지향량궤회귀적학습방식래구건도상특정여인적주관분수적영사관계,진이근거소제취특정예측도상질량.결과 재LIVE도상고상적실험결과표명,본문방법예측질량분수여인적주관분수구유교고적일치성,기본정선성관계,로봉성교호,운행시간교단,종합성능교호.결론 본문방법예측성능교호,특정선취합리,학습방법유효.
