图像质量质量评价

图像质量 评价 LEC评价法下载LEC评价法下载评价量规免费下载学院评价表文档下载学院评价表文档下载 综述 [摘要] 图像质量评价是图像处理领域的研究热点。本文综合论述了图像质量的主观和客观评价方法，就各自具体的实现方法做了简要的介绍，并 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 了各自适用性和存在的问题。最后进而根据发展趋势和应用需求，对图像质量评价方法的进一步发展提出了若干技术与研究方向的展望。 [关键字]  图像质量评价  人类视觉系统  结构相似度  全参考评价 部分参考评价  无参考评价 [abstract] Image quality assessment (IQA) is a hot research area in the field of image processing. In this paper, we discuss the subjective and objective assessment methods of image quality, respectively give a brief introduction of their specific implementation method, and analyses the respective applicability and problems. Finally, the further development of the technology and research directions of the future are proposed based on the trends and application requirements. [keywords]  Image Quality Assessment(IQA)  Human Visual System(HVS) Structural similarity    Full Reference(FR)  Reduced Reference(RR)  No Reference(NR)， 一 .引言 图像是人类获取信息的重要途径，其所承载的信息远比其它形式的信息更贴切、更丰富。图像质量 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示图像向人或设备提供信息的能力，直接关系着所获取信息的充分性与准确性。然而，图像在获取、处理、传输和存储的过程中，由于各种因素的影响，将不可避免的产生图像的降质问题，这给信息获取或图像的后期处理带来了极大的困难。因此，在图像处理的相关领域建立图像质量评价机制具有重大的意义。 图像质量评价的问题涉及到图像处理技术许多方面，例如压缩、传输、增强、 存储、水印等。一个有效的评价 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 可以有如下三种应用：首先，可以在质量控 制系统中检测图像质量。例如图像采集系统利用其来自动调整系统参数，从而获 得最好的图像数据；其次，可以用作衡量图像处理系统和算法的标准。例如有若 干图像降噪和恢复的算法用来提高数码照片的质量时，质量标准便可以用来确定 哪个算法可获得最好的结果；最后，可以嵌入到图像处理系统中来优化系统和参 数设置。例如在视频通信系统中，质量标准既能辅助编码端的预滤波和比特分配算法的设计，又能辅助解码端的最优重构、误差消除和后滤波算法的设计。 图像质量评价从方法上可分为主观评价方法和客观评价方法，前者凭借实验人员的主观感知来评价对象的质量；后者依据模型给出的量化指标，模拟人类视觉系统感知机制衡量图像质量。下文中，我们将分别进行介绍。 二 .主观质量评价方法 人是图像的最终接收者，因此，主观质量评价是最为可靠的图像质量评价方法。最常用的方法是平均主观分值法(MOS)和差分主观分值法(DMOS)。 平均主观分值法(MOS)是通过不同观测者对于图像质量评价得出的主观分值进行平均来得到归一化的分值，用这个分值来表示该图像质量。它一般有五个标准：优，良，中，差，劣。对应这五个标准由两种类型的分值：图像主观绝对分值和图像主观相对分值，主观绝对分值意思是观测者对于图像本身的主观分值，主观相对分值意思是观测者对于图像在一组图像中的相对其它图像的主观分值，如表1和2所示。 优 良 中 差 劣 5 4 3 2 1           表1  图像主观绝对分值 最好 中等偏上 中等 偏差 最差 5 4 3 2 1           表2  图像主观相对分值 差分主观分值法(DMOS)，它是建立在平均主观分值法(MOS)分值基础上，它的计算公式如下： 这里， 代表观测者对于参考图像和失真图像评分的差异值。最后对 取平均值，可以得到DMOS值。 主观评价算法也有很大的不足之处。首先，需组织人力对图像质量进行评价，评价结果很容易受到个人主观因素的影响，并且当图像数量巨大时，该方法就更为耗费时间，因此不利于在 工程 路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理 实践中的应用；其次，该方法不能自动实现，不能嵌入实际的图像或视频处理系统中，比如流媒体播放、视频会议等。但是为了评测客观图像质量评价算法，仍然需要用到主观评价算法的辅助，所以对于主观评价算法的介绍也是很有必要的。 三 .客观质量评价方法 客观质量评价是指使用一个或多个图像的度量指标，建立与图像质量相关的数学模型让计算机自动计算得出图像质量。其目标是客观评价结果与人的主观感受相一致。根据是否对原始图像进行参考及参考的程度，客观质量评价又可分为以下三种类型： 1)全参考方法(Full Reference，FR)，需要完整的原始图像作为评价的参考； 2)部分参考方法(Reduced Reference，RR)，需要原始图像的部分信息作为评价的参考； 3)无参考方法(No Reference，NR)，不需要借助任何参考图像，依靠待评价图像本身各种信息进行质量评价。 3.1 全参考方法(Full Reference，FR) 全参考图像质量评价方法需要参考原始图像，经过几十年的发展，已形成较完整的理论体系和成熟的评价框架。待评价图像信号的质量可以通过与原始图像信号相比之后获得的误差信号来进行质量分析。图像质量的下降与误差信号的强弱相关。 3.1.1 均方差（Mean Squared Error）和峰值信噪比(Peak Signal-Noise Ratio) 最简单的主观评价方法MSE和PSNR可由下列表达式表示： 上式中， 代表参考图像在空间位置 的灰度值， 代表失真图像在空间位置的 的灰度值。 虽然MSE和PSNR计算形式上非常简单，物理意义理解也很清晰，但是因为它们是基于失真图像和参考图像像素对之间随机误差差异而定义的．本质上没有考虑没有将HVS特性引入到图像质量评价当中来，只是单纯从数学角度来分析差异，与图像的感知质量之间没有必然联系，所以有时候会出现评价结果的不准确性。 3.1.2 加权均方误差(weighted MSE)与加权峰值信噪比(weighted PSNR) 结合人眼的视觉特性，对传统图像质量客观评价算法MSE、PSNR进行加权处理，得到了加权均方差(wMSE)评价方法与加权峰值信噪比(wPSNR)评价方法，以达到在评价方法中融入HVS特性的目的。 加权均方差的总体实现过程为：首先对经二维离散傅立叶变换的原图像和目标图像频谱，依据HVS分别予以子带分割．并对获取的系列子带频谱进行二维傅立叶反变换，建立相应的原图像和目标图像的子带图像系列；然后分别计算逐个子带图像对应的MSE值，并依据各子带视觉加权系数Wi进行加权处理；经过wMSE的阈值判决，最终得出该图像质量的评价等级。加权信噪比的主要思想为：首先将原始载体图像划分为区；分别对图像不同区域的象素设定不同的加权系数；计算原始图像和待测图像的误差，整幅图像的加权均方根误差wMsE为； 其中w(x,y)表示在(x，y)处的象素所属区域的加权系数；最后计算加权峰值信噪比wPSNR： wPSNR=10*lg( )。 通常，对于灰度图像有： =255。 wPSNR方法使得客观评价方法与主观感觉达到一定程度的统一，但是所带来的问题是计算复杂度提高。 3.1.3 基于人眼视觉系统（Human Visual System，HVS）的结构相似度方法 HVS模型的主要特性包括视觉非线性、多通道、对比敏感度带通、掩盖效应、多通道间不同激励的相互作用以及视觉心理特征，可以简化描述为如下一系列过程。 图1  人类视觉模型 其中非线性、多通道、对比敏感度带通和掩盖效应特性研究较多，已有相应的计算模型。而多通道间不同激励的相互作用和视觉心理特征还无法根据生理特性得到精确的计算模型。 自然图像具有特定的结构，像素间有很强的从属关系，这些从属关系反映了视觉场景中的结构信息。由此，Wang 等人提出了基于结构失真的图像质量评价方法，称为结构相似度 (SSIM)方法，流程可用下图表示。 图2 结构相似法(SSIM)方法框图 该方法认为光照对于物体结构是独立的，而光照改变主要来源于亮度和对比度；所以它将亮度和对比度从图像的结构信息中分离出来，并结合结构信息对图像质量进行评价。该类方法在某种程度上绕开了自然图像内容的复杂性及多通道去相关问题，直接评价图像信号的结构相似性。 该方法的出发点是要有效模仿人眼提取视觉场景中结构信息的能力，评价结构信息与人眼主观感知非常接近。因此，采用结构相似性可提供与人眼主观感知图像失真非常接近的一种客观评价。SSIM 评价方法通过测量图像结构信息的改变来反映图像质量的失真情况，实现复杂度较低，应用性较强；但同时也屏蔽掉了HVS的其它生理特征，评价过程不易于解析。 3.2 部分参考方法(Reduced Reference，RR) 部分参考评价方法只需提取部分原始图像数据用于评价，相对于全参考评价方法，这种方法灵活性强，适用范围广泛，具有传输数据量小，可靠性高等特点，受到了越来越多人的关注，更具研究价值。 如图3为一个部分参考弄图像质量评价模型。 图3 一个部分参考弄图像质量评价模型 在这个模型中，发送端有一个特征提取过程，所提取的特征一般数据量远远小于原始图像数据，并通过辅助通道传输到接收端。辅助通道通常认为是没有误差的，虽然实际上做不到绝对没有误差，但相对于原始图像，特征数据量少，其误差更容易控制，而且即使在有误差的情况下，其对图像质量评价也非常有意义。一个成功的部分参考型图像质量评价方法必须在特征数据率和图像质量的预测精度上取得很好的平衡。这是因为，如果部分参考型特征数据率越大，能包含参考图像的信息就越多，得到的预测就会越精确，但这也会给传送这些参数造成很大负担；相反，数据量越小就越易于传送，但最终的预测也会越差。 继续阅读