開(kāi)發(fā)與人眼感知高度相關(guān)的客觀圖像質(zhì)量評(píng)價(jià)（Image Quality Assessment,IQA）方法對(duì)于圖像處理、通信等領(lǐng)域的發(fā)展具有重大意義。近年來(lái),基于人眼感知特性并通過(guò)對(duì)真實(shí)視覺(jué)場(chǎng)景進(jìn)行有效分析和建模的IQA算法成為該領(lǐng)域研究的熱點(diǎn)方向。然而,大多數(shù)現(xiàn)有的IQA模型的泛化性較差,只能在某些圖像數(shù)據(jù)庫(kù)中獲得較好地結(jié)果,而不適用于所有數(shù)據(jù)庫(kù)。此外,大多數(shù)基于深度學(xué)習(xí)的方法采用微調(diào)或預(yù)訓(xùn)練的網(wǎng)絡(luò)模型來(lái)預(yù)測(cè)圖像質(zhì)量,而忽略了各個(gè)卷積層上重要地視覺(jué)信息,這些信息包含了圖像從低維到高維地深度特征。針對(duì)以上問(wèn)題,本文提出了兩種客觀IQA方法,均屬于全參考類型。一種基于空域和變換域多特征融合的全參考型圖像質(zhì)量評(píng)價(jià)方法。該方法模擬人類視覺(jué)系統(tǒng)可同時(shí)處理圖像空域和變換域特征的特性。在傳統(tǒng)梯度算法的基礎(chǔ)上,通過(guò)改進(jìn)梯度分量的融合過(guò)程,將中心像素與周圍更多鄰近點(diǎn)之間的相互關(guān)系考慮在內(nèi),以更好地描述圖像豐富地邊緣變化。將圖像在空域和變換域中提取的顏色特征、視覺(jué)顯著性特征、梯度特征以及對(duì)比敏感度特征4種互補(bǔ)特征進(jìn)行融合,最后,采用隨機(jī)森林回歸策略建立質(zhì)量評(píng)價(jià)模型。另一種基于深度特征與結(jié)構(gòu)加權(quán)LBP特征的... 

【文章來(lái)源】：西安理工大學(xué)陜西省

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 課題研究?jī)?nèi)容
    1.4 論文章節(jié)安排
2 圖像質(zhì)量評(píng)價(jià)研究概述
    2.1 主觀圖像質(zhì)量評(píng)價(jià)
    2.2 客觀圖像質(zhì)量評(píng)價(jià)
        2.2.1 全參考型圖像質(zhì)量評(píng)價(jià)
        2.2.2 部分參考型圖像質(zhì)量評(píng)價(jià)
        2.2.3 無(wú)參考型/盲圖像質(zhì)量評(píng)價(jià)
        2.2.4 圖像質(zhì)量評(píng)價(jià)數(shù)據(jù)庫(kù)
        2.2.5 圖像質(zhì)量評(píng)價(jià)的算法性能衡量標(biāo)準(zhǔn)
    2.3 本章小結(jié)
3 基于空域和變換域多特征融合的全參考型圖像質(zhì)量評(píng)價(jià)方法
    3.1 圖像空域和變換域特征的提取
        3.1.1 顏色空間轉(zhuǎn)換及顏色特征提取
        3.1.2 視覺(jué)顯著性特征
        3.1.3 梯度特征
        3.1.4 對(duì)比敏感度特征
    3.2 特征池化與融合
    3.3 基于隨機(jī)森林RF的回歸映射模型的建立
    3.4 實(shí)驗(yàn)結(jié)果與分析
        3.4.1 實(shí)驗(yàn)相關(guān)設(shè)置
        3.4.2 模型預(yù)測(cè)性能分析
        3.4.3 跨數(shù)據(jù)庫(kù)交叉驗(yàn)證
        3.4.4 模型計(jì)算復(fù)雜度分析
    3.5 本章小結(jié)
4 基于深度特征與結(jié)構(gòu)加權(quán)LBP特征的全參考型圖像質(zhì)量評(píng)價(jià)方法
    4.1 顏色空間轉(zhuǎn)換及顏色特征提取
    4.2 深度特征提取
    4.3 結(jié)構(gòu)加權(quán)的LBP特征提取
        4.3.1 局部結(jié)構(gòu)圖
        4.3.2 LBP特征
        4.3.3 基于結(jié)構(gòu)加權(quán)的LBP特征提取
    4.4 基于隨機(jī)森林RF的回歸映射模型的建立
    4.5 實(shí)驗(yàn)結(jié)果與分析
    4.6 本章小結(jié)
5 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要研究成果


【參考文獻(xiàn)】：
期刊論文
[1]基于視覺(jué)感知高度相關(guān)的圖像質(zhì)量評(píng)價(jià)[J]. 于淼淼,鄭元林,廖開(kāi)陽(yáng),唐梽森.  西安理工大學(xué)學(xué)報(bào). 2019(02)

碩士論文
[1]基于隨機(jī)森林的視網(wǎng)膜圖像質(zhì)量評(píng)價(jià)[D]. 閆曉葳.山東大學(xué) 2015



本文編號(hào)：3173770