在多媒體通信、移動云計算以及物聯網時代,數字圖像的內容不再局限于自然圖像。近年來,一類由計算機渲染產生的顯示在各終端設備屏幕上的圖像逐漸增多,稱之為屏幕圖像（Screen Content Image,SCI）。研究表明,與自然圖像相比,屏幕圖像可以產生不同的圖像特征,在圖像處理的各種過程中會無法避免各種失真類型（如高斯噪聲、壓縮）的引入造成圖像質量退化。由于現有的圖像質量評估模型大多是針對自然圖像而開發(fā)的,然而無法對屏幕圖像的感知質量進行準確的評價。因此如何對屏幕圖像進行精確的質量評價具有重要意義。本文根據人類視覺系統的感知特性和屏幕圖像本身的基本特性,提出了基于梯度域中邊緣特征的屏幕圖像質量評估模型（EFGD）,該模型在梯度域中分別針對屏幕圖像亮度通道和色度通道,提取了邊緣銳度相似圖（ESM）、邊緣亮度對比度相似圖（EBCM）和邊緣色度相似圖（ECM）三種基本邊緣特征相似圖,并且采用能較好地表示屏幕圖像邊緣空間布局的梯度輪廓模型（GPS）來測量屏幕圖像的邊緣銳度。利用一種新的計算方法來捕捉屏幕圖像梯度圖的亮度和對比度變化（即邊緣亮度/對比度）。利用梯度域中色度通道的顏色矩來表示邊緣色... 

【文章來源】：青島大學山東省

【文章頁數】：60 頁

【學位級別】：碩士

【部分圖文】：

眼球結構圖

Ｉｍａｇｅ?Ｑｕａｌｉｔｙ?Ａｓｓｅｓｓｍｅｎｔ?Ｄａｔａｂａｓｅ）與?ＳＣＩＤ?［１７］（?Ｓｃｒｅｅｎ?Ｃｏｎｔｅｎｔ?Ｉｍａｇｅ）。它們是現階段能夠??公開獲得的專門對于屏幕圖像質量評估的圖像數據庫。在這之中，ＳＩＱＡＤ數據庫包??含２０張參考屏幕圖像、９８０張失真屏幕圖像以及對應的差異平均意見值。由圖３．３??可知，由于屏幕圖像的各種運用場景與特性，參考圖像的文字和趨于具備各種大小??比例、位置關系以及組合形式，失真屏幕圖像主要包含７類比較普遍的失真種類對??于參考屏幕圖像展開質量退化而得到，為區(qū)別噪音的影響水平，每類失真種類包含７??類失真級別。而這部分失真種類主要包含：髙斯噪聲（ＧａｕｓｓｉａｎＮｏｉｓｅ，ＧＮ）、高??斯模糊（Ｇａｕｓｓｉａｎ?Ｂｌｕｒ，ＧＢ?）、運動模糊（Ｍｏｔｉｏｎ?Ｂｌｕｒ，ＭＢ?）、對比度變化（Ｃｏｎｔｒａｓｔ??Ｃｈａｎｇｅ，?ＣＣ）、ＪＰＥＧ?壓縮（ＪＰＥＧ）、ＪＰＥＧ２０００?壓縮（Ｊ２Ｋ）和分層式編碼壓??縮（Ｌａｙｅｒ?Ｓｅｇｍｅｎｔａｔｉｏｎ?ｂａｓｅｄ?Ｃｏｄｉｎｇ，ＬＳＣ）。ＳＣＩＤ?數據庫主要由?４０?張參考屏幕??圖像與１８００張相應的失真屏幕圖像和主觀評價分值

?ｍｕ?？ａＳ?：－??圖３．?３?ＳＩＱＡＤ中２０張不同的參考屏幕圖像??測［４３］，［４５］時提供的展開性能評價的規(guī)范流程，此次探究選擇了一個包括５項??參數的非線性回歸公式，把客觀質量預測融入主觀分數中。??Ｚｉ?＝；７ｉ＋｛－－??：???ｍ?３－?（２）??２?ｌ?＋?ｅｘｐ＾＾－＾）］??在上述表達式內，０，表示ＩＱＡ模型核算的失真ＳＣＩ感知質量分數，２，表示相應??的映射分數。為曲線擬合環(huán)節(jié)內應當明確的５項參數。??在進行擬合之后，一般會核算三個通用的性能評價原則。線性皮爾森相關系數??（Ｌｉｎｅａｒ?Ｐｅａｒｓｏｎ?Ｃｏｒｒｅｌａｔｉｏｎ?Ｃｏｅｆｆｉｃｉｅｎｔ，ＰＬＣＣ））主要用作評估客觀算法的精準度，??１８??


本文編號：3400533