基于Contourlet系数灰关联的图像质量评价算法
摘要：为了更加客观有效地评价图像质量，本文提出一种基于contourlet系数灰关联的图像质量评价算法。该算法利用灰色关联分析的整体比较机制和contourlet变换多尺度多方向分析图像的优点，首先从不同尺度不同方向上分别计算出参考图像与待评价图像之间的灰色关联度，然后对同一尺度上所有方向的关联度求均值，最后，利用这些均值与标准参考序列进行二次关联比较，从而可在不同尺度不同方向及综合两个层次评价图像质量。实验表明，该方法不仅能从不同尺度不同方向提供更多的质量信息，而且能更好地符合人眼的主观感知。
关键词：contourlet变换；灰色关联度；图像质量；人类视觉系统
中图分类号：tp391.41 文献标识码：a 文章编号：1007-9599
（2012） 17-0000-02
1 引言
客观有效地评价图像质量在图像处理的众多领域中都有着重要意义，它直接表明了图像处理系统的优劣及算法的有效性。目前图像质量评价分为主观评价和客观评价方法[1]。前者由观测者根据人的视觉感知特性对图像做出主观的判断，其结果易受到客观环境和主观情绪及观测者自身条件因素的影响，如mos法和dmos法[2]。后者则是根据原始图像与重建图像之间的数学统计差别来判断图像质量的优劣。目前常用且成熟的评价方法包括psnr和mse两种。
随后由于图像研究工作者的努力，图像质量评价算法也层出不穷，较为典型的模型有基于人类视觉系统的图像质量评价模型和基于结构相似度的评价模型等。但是，由于图像质量评价方法具有多样性且没有统一的标准，至今仍没有形成一些公认且通用的评价算法，许多评价算法只是在对mse和psnr进行改进的基础上使图像评价质量更为合理而已[3]。
印前话题 印刷世界 ２ＯＯ７．３
彩色印刷图像质量检测技 综述
用于质量控制的方法在不断发展进步，从过去 的目测发展到仪器测量，再到今天的在线检测技术， 每一步发展都简化了操作工序，减少了不必要的浪 费，提升了印刷质量。下面概要介绍一下彩色印刷 图像的各种检测技术。
１ 离线检测
１）目视及简单仪器检测控制的方法 用目视或放大镜获取某些特征，并按一定规则 进行分类与类比，对图像质量作出评估、分析、等 级划分。人工直接观察信号条，采用简单手持式放 大镜观察印品，再根据经验，与样张对比后，适当 调节给水、给墨量。这种方式完全由人工完成，调 墨的准确性完全取决于工人的经验。其中的信号条 由若干信号块组成，能及时反映印刷时的网点扩大 或缩小、轴向重影或周向重影，以及晒版时的曝光 不足或过渡、印版的分辨率等情况。其特点是： ・只需一般放大镜或人眼，就能察觉质量问题， 无须专门的仪器设备； ・使用方便，容易掌握；结构简单，成本低； ・只能定性地提供质量情况，无法提供精确的 质量指标数据。
２）测控条与仪器设备相配合的方法 目前各国用于质量控制的测试条种类较多，如 美国的ＧＡＴＦ系统，瑞士布鲁纳尔系统，联邦德国 弗格拉系统，以及格灵达系统等。我国一般采用美 国的ＧＡＴＦ和瑞士布鲁纳尔的测试条较多。测试条 由若干区、段测试单元（块）和少量的信号块组成， 武汉大学印刷与包装系 王尚伟
它不仅具有某些信号条的功能，还能通过专门的仪 器设备（如，带偏振装置的彩色反射密度计，色度 计以及带刻度的高倍放大镜等）在规定的测试单元 上进行测量，再由专用公式计算出印刷质量的一些 指标数值，供评判、调节和存储用。它适用于高档 次产品印刷质量的控制、测定和评价。对于控制条 的检测通常使用下面三种方式： ①密度测量法。印刷呈色原理就是色料减色法， 也就是印在纸张上的油墨，从照射光线中选择性地 吸收了一定波长的光，反射其他的光，从而形成颜 色。因此在油墨墨层一定范围内，光的吸收量与墨 层厚度和浓度成正比，所以密度值反映了墨层的厚 度。在印品质量控制过程中，用密度计测量，通过 密度值间接反映墨层厚度。 密度检测的优势有两点： ・人眼视觉对颜色明暗感受与密度成非线性递 增，即视觉感受颜色越深，密度值越大；视觉感受 颜色越浅，密度值越小。因此，印刷生产人员借助 于视觉可以很方便地通过控制密度来监控印刷品的 颜色。 ・密度检测优化了工艺参数，使得印刷生产人 员可以容易地控制印刷过程及印刷品质量。如通过 密度测量与计算求取印刷品的网点增大值，并将其 控制在允许的范围之内，从而控制印刷品的阶调再 现性和色彩再现性；求取印刷品（或测控条）上的 油墨叠印率，用于过程控制，从而监视印刷生产过 程的变化；求取印刷品上测量控制块不同方向线条 的密度，其密度的差值即为重影、变形，将其控制 在允许的范围之内，从而控制印刷品的清晰度；确 定各印刷色墨的最佳实地密度，将其控制在允许的
第２３卷第３期 ２０１１年９月 宁波工程学院学报 ＪＯＵＲＮＡＬ ＯＦ ＮＩＮＧＢＯ ＵＮＩＶＥＲＳＩＴＹ ＯＦ ＴＥＣＨＮＯＬＯＧＹ Ｖｏ１．２３ Ｎｏ．３ Ｓｅｐｔ．２０１１
图像分割方法及性能评价综述
徐瑞
（（宁波大学科技学院，浙江宁波，３１５２１１）
摘 要：图像分割是图像处理与计算机视觉的基本问题之一，是完成图像识别、目标跟踪等复杂处理任务的关键步 骤。本文综述了常用的经典图像分割方法，介绍了每种方法各自的特点及在分割处理时的性能。同时，还对图像分割的 性能评价方法做了简要介绍。
关键词：图像分割；图像处理；评价标准 中图分类号：ＴＰ７５１．１ 文献标识码：Ａ 文章编号：１００８—７１０９（２０１１）０３—００７６—０４
１引言
图像分割是将构成图像的像素划分为相应于所关注的目标（前景）或者背景区域的过程。分割的
最终目的是要把所关注的部分从图像中提取出来，以便进一步分析和处理。图像分割算法一般是基于
亮度值的两个基本特性之一：不连续性和相似性。前者适用于依据亮度的不连续变化（如边缘等）分割
图像，后者则主要适用于依据事先制定的准则（相似性）将像素图像分割为不同的区域…。
本文对广泛采用的经典图像分割算法，如基于阈值分割、边缘分割、区域分割、基于小波、遗传算法、
人工神经网络、主动轮廓模型、聚类分割等进行了综述，并讨论了各种方法的优缺点。在对图像分割方
法归类介绍的基础上，还对图像分割质量的评价方法做了简要介绍。
２经典图像分割方法
２．１基于阈值的分割方法 阈值分割是一种常用的直接对图像灰度信息进行二值或多值化处理的分割算法，即用一个或几个
阈值对像素进行分类，将灰度值在同一个区间内的像素归为同一个目标区域。其优点是实现简单、成本
低廉、实用性强，但当图像中灰度差异不明显、或者各物体的灰度范围值有大部分重叠现象时，往往难以 得到准确的分割结果，从而产生很多过分割或欠分割错误。 近年来关于阈值选取的方法有很多，文献［３］提出了一种２维阈值分割方法，文中采用了对图像边
医学影像技术中的图像配准方法综述与性能评估
摘要：在医学影像技术中，图像配准发挥着至关重要的角色。本综述旨在深入探讨在医学影像技术中应用的图像配准方法，并对其性能进行评估。此文首先讨论了图像配准的基本知识，并概述了其在医学影像技术中的应用。然后，详细介绍了各种主要的图像配准方法，并通过比较和分析评估了它们的性能。最后，本文探讨了图像配准方法的未来发展趋势，包括面临的挑战与可能的解决方式。本篇综述的目标是提供一个全面的进展和发展趋势的概述，以期对图像配准的研究和应用提供深入的了解。
关键词：医学影像技术；图像配准；性能评估；图像处理；图像分析；深度学习
一、引言
1.背景介绍：在当今医学技术高度发展的背景之下，医学影像技术作为医疗诊断和治疗的重要组成部分，受到广泛关注。更为关键的是，图像配准作为重要的影像处理步骤，弥补了从多源影像中获取信息的局限性，如时间、视角和模态等，对临床治疗和研究具有至关重要的影响。图像配准的准确性和效率直接关乎到诊断准确率和治疗效果。
2.目的和目标：本文的主要目标是对医学影像技术中的图像配准方法进行全面系统的综述，并对各种配准方法进行性能评估和比较。旨在通过对各种图像配准新技术和方法的研究，对图像配准性能进行提升，为疾病的诊断和治疗提供更为准确的医疗影像资源。此外，还希望能找出影响图像配准性能的因素，以期找到改进图像配准性能的有效方法，进一步推动医学影像技术的发展，提高医疗服务质量。 本文的研究将理论和实证相结合，旨在产生对实践有重要影响的理论成果和切实可行的技术指导建议，为医学影像技术研究和应用提供科学的理论支撑和实践参考。
二、 医学影像技术概述
1.定义和分类：医学影像技术是应用科学和技术手段获取和处理身体各组织和系统图像的一种技术。它将生物信号转换为可视化的图像，帮助医生进行诊断和治疗。根据成像原理和所使用的设备不同，医学影像可以大致分为X射线成像，核磁共振成像（MRI），计算机断层扫描（CT），超声波成像，放射性核素成像（PET，SPECT）等。
