圖像作為一種二維信號,能夠直觀地將信息傳遞到人腦中。但圖像從形成到存儲的過程中存在著許多干擾因素,容易導(dǎo)致圖像信息損失,造成視覺質(zhì)量下降,因此有必要建立相應(yīng)的評價機(jī)制對其質(zhì)量進(jìn)行評價。而智能時代的到來,使得以機(jī)器代替人腦進(jìn)行圖像質(zhì)量評價逐漸成為現(xiàn)實。本文主要從以下兩個方面對圖像質(zhì)量的評價方法進(jìn)行了研究。針對目前無參考圖像質(zhì)量評估算法對圖像質(zhì)量預(yù)測準(zhǔn)確性不足的問題,提出了一種基于空間編碼的無參考圖像質(zhì)量評價方法。該方法首先在不同的位平面上提取了圖像的空間結(jié)構(gòu)特征,該特征能夠量化像素之間的結(jié)構(gòu)信息,可以更準(zhǔn)確地反映圖像的失真程度。然后使用神經(jīng)網(wǎng)絡(luò)建立圖像質(zhì)量評價模型,在LIVE、CSIQ、TID2013數(shù)據(jù)庫中的實驗結(jié)果表明,所提出的圖像質(zhì)量評價算法比現(xiàn)有的主流算法更為準(zhǔn)確,并且與人眼的主觀感知一致性高。最后,設(shè)計了基于質(zhì)量評價的自動對焦方法,將該算法應(yīng)用于相機(jī)的自動對焦,驗證了算法的有效性和實用性。針對目前難以準(zhǔn)確有效地提取混合失真圖像質(zhì)量特征的問題,提出了一種基于空間分布分析的圖像質(zhì)量評價方法。該方法首先將圖像進(jìn)行亮度系數(shù)歸一化處理,然后將圖像進(jìn)行分塊。之后使用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行端對端的深度學(xué)習(xí),利用多層次卷積核堆疊的方法獲取圖像的質(zhì)量感知特征,并通過全連接層將特征映射到圖像塊的質(zhì)量分?jǐn)?shù)。再將塊質(zhì)量分?jǐn)?shù)匯總獲取質(zhì)量池,通過對質(zhì)量池中局部質(zhì)量的空間分布情況進(jìn)行分析,提取能夠表征其空間分布情況的特征,然后再次使用神經(jīng)網(wǎng)絡(luò)建立局部質(zhì)量到整體質(zhì)量的映射模型,將圖像的局部質(zhì)量進(jìn)行匯總。最后通過MLIVE、MDID2013、MDID2016混合失真圖像庫中的性能測試,驗證了算法的有效性。
【學(xué)位單位】：重慶郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;TP18
【部分圖文】：

碩士學(xué)位論文 第 2 章 圖像質(zhì)量評價的理，形成了 866 幅失真圖像。庫中含有 6 種失真類型，分別是縮、加性粉紅高斯噪聲(AdditivePinkGaussNoise，APGN)、G降(Global Contrast Decrements，GCD)和 WN。庫中 DMOS 值的小表示圖像質(zhì)量越好。圖 2.4 中展示了 CSIQ 建庫時所使用的一像。

學(xué)碩士學(xué)位論文 第 2 章 圖像質(zhì)量評價的理N)、噪聲圖像的有損壓縮(Compression of Noisy Images，CNI)、圖波動(ColorQuantizationandFluctuation，CQF)、圖像色差(ImageChn，ICA)、稀疏采樣及重構(gòu)(SparseSamplingand Reconstruction，SS測試，文中各失真類型均用其縮寫表示。TID2013 圖像庫中各范圍為 0-10，其值越大表示圖像質(zhì)量越好。圖 2.5 中展示了 TID2用的部分原始圖像。

(a) 原始圖像(DMOS:0)(b) Gblur+JPEG(DMOS:54.053)(c) Gblur+Noise(DMOS:61.445)圖 2.6 MLIVE 數(shù)據(jù)庫中“baby girl”原始圖像與其混合失真圖像. MDID2013 混合失真圖像數(shù)據(jù)庫DID2013 混合失真圖像數(shù)據(jù)庫構(gòu)建時首先收集了 12 幅高清圖像，然后對加入了三種類型的失真，形成了 324 幅不同程度的失真圖像。三種失真為 WN、Gblur、JPEG 壓縮。庫中每幅圖像的 DMOS 值都在 0-1 范圍內(nèi)S 值越小表示圖像質(zhì)量越好，圖 2.7 中展示了 MDID2013 圖像庫中全部的。
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 何全;;人臉圖像質(zhì)量分析研究綜述[J];電腦編程技巧與維護(hù);2018年05期

2 趙秀云;周娜;;護(hù)理配合對PET/CT圖像質(zhì)量的影響[J];護(hù)理實踐與研究;2013年06期

3 李秀榮;余暈;;基于信息代理的印刷圖像質(zhì)量客觀評價[J];印刷質(zhì)量與標(biāo)準(zhǔn)化;2009年10期

4 陳文輝;胡軍武;肖明;黃文華;夏黎明;;影響計算機(jī)X線攝影圖像質(zhì)量因素的臨床分析[J];放射學(xué)實踐;2007年09期

5 周永富;心超圖像質(zhì)量的病理影響因素分析[J];蘇州醫(yī)學(xué)院學(xué)報;2000年04期

6 郭俊強(qiáng);科學(xué)安裝 提高CT機(jī)圖像質(zhì)量[J];醫(yī)療衛(wèi)生裝備;2000年05期

7 余智,門愛東;數(shù)字電視圖像質(zhì)量的主觀評價和信噪比的測量[J];現(xiàn)代電視技術(shù);2000年06期

8 郭忠賢;X射線工業(yè)電視探傷法某些參數(shù)對圖像質(zhì)量的影響[J];兵器材料科學(xué)與工程;1988年12期

9 張樹榮;喬留杰;;計算機(jī)低劑量X線攝片測定下肢長度[J];國外醫(yī)學(xué)(臨床放射學(xué)分冊);1988年04期

10 李鐵;張振榮;譚采云;趙長榮;龔士明;李炎秋;程文杰;;對北京幾類CT圖像質(zhì)量的一些主要性能的測試[J];醫(yī)療裝備;1988年06期

相關(guān)博士學(xué)位論文 前10條

1 王佳婧;SAR圖像質(zhì)量評估與分割方法的研究[D];哈爾濱工程大學(xué);2015年

2 劉明娜;基于視覺系統(tǒng)和特征提取的圖像質(zhì)量客觀評價方法及應(yīng)用研究[D];上海交通大學(xué);2010年

3 陳曉琳;基于視覺特征的圖像質(zhì)量評價技術(shù)研究[D];上海交通大學(xué);2012年

4 齊歡;基于視覺特性的圖像質(zhì)量客觀評價方法研究[D];哈爾濱工程大學(xué);2015年

5 王芳;光學(xué)遙感成像誤差建模與圖像質(zhì)量提升方法[D];國防科學(xué)技術(shù)大學(xué);2014年

6 彭嫻婧;流動擾相—新鮮血液成像在下肢動脈疾病的臨床應(yīng)用[D];中國協(xié)和醫(yī)科大學(xué);2010年

7 王保云;圖像質(zhì)量客觀評價技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2010年

8 張倩;SAR圖像質(zhì)量評估及其目標(biāo)識別應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2011年

9 龐建新;圖像質(zhì)量客觀評價的研究[D];中國科學(xué)技術(shù)大學(xué);2008年

10 孟遠(yuǎn)征;優(yōu)化微型CT圖像質(zhì)量的方法研究[D];華中科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 產(chǎn)銀萍;基于深度學(xué)習(xí)的錐形束CT圖像質(zhì)量自動評價的關(guān)鍵技術(shù)研究[D];江西理工大學(xué);2019年

2 諶瑤;手指靜脈圖像質(zhì)量評估及其識別算法研究[D];五邑大學(xué);2019年

3 房昊;基于人工智能的圖像質(zhì)量積極評價[D];重慶郵電大學(xué);2019年

4 黃佳斌;結(jié)合空域多尺度濾波與深度學(xué)習(xí)的圖像質(zhì)量盲評價[D];廈門大學(xué);2018年

5 凌梅;基于卷積神經(jīng)網(wǎng)絡(luò)的水下圖像質(zhì)量提升方法[D];廈門大學(xué);2018年

6 韓東初;鬼成像圖像質(zhì)量指標(biāo)的研究[D];北京郵電大學(xué);2019年

7 李釗;下穿立交監(jiān)控圖像質(zhì)量提升算法研究[D];安徽建筑大學(xué);2019年

8 于鑫鑫;雙源CT低劑量成像對小兒表淺脈管性疾病診治的價值[D];山東大學(xué);2019年

9 李品;基于多尺度多響應(yīng)的無參考圖像質(zhì)量評估研究與實現(xiàn)[D];中國礦業(yè)大學(xué);2019年

10 王一婧;全模型迭代重建技術(shù)在冠狀動脈支架CTA評估中的應(yīng)用價值：體模研究[D];中國醫(yī)科大學(xué);2018年

本文編號：2847736