应用人类视觉特性的立体图像质量评价方法

基于频域的SSIM立体图像评价方法杨蕾;牛林林;宋晓炜;刘清丽【摘要】针对空域SSIM(Structural Similarity)在立体图像评价中存在的人类视觉系统感知敏感性问题,提出了基于频域的SSIM立体图像质量评价算法.实验结果表明,相比其他图像质量评价方法,该算法更符合人类视觉系统的特性.【期刊名称】《中原工学院学报》【年(卷),期】2015(026)001【总页数】5页(P5-8,43)【关键词】图像质量评价;立体图像;结构相似度【作者】杨蕾;牛林林;宋晓炜;刘清丽【作者单位】中原工学院,郑州450007;中原工学院,郑州450007;中原工学院,郑州450007;中原工学院,郑州450007【正文语种】中文【中图分类】TN911.73平面图像质量评价有客观评价方法与主观评价方法两种。

主观评价方法是最准确的方法，但是存在着评价步骤复杂、实时性不好等问题，不能在图像处理系统中直接应用。

与主观评价方法不同，客观评价方法通过建立一定的数学模型，计算相应的参数或量化指标来判断平面图像的质量。

目前使用最多的二维图像质量客观评价方法是均方误差(MSE)和峰值信噪比(PSNR)两种方法。

这两种方法虽然计算简单，但有时和人眼的视觉感知不一致，造成客观评价结果不符合主观评价。

近年来出现了许多结合人类视觉系统的二维图像评价模型。

其中，HVS对于图像的低频分量敏感度比较高，对比敏感度函数(Contrast Sensitivity Function,CSF)可以用来模拟HVS的评价行为[1-6]。

与二维图像不同，立体图像是由左右两个视点的图像组成的。

在对立体图像质量进行客观评价时，若使用MSE和PSNR方法不能进行正确的评价。

近些年，Wang Z等认为：人眼可以高度自适应地提取出图像场景中的结构信息，于是提出了基于结构相似度(SSIM)的评价模型。

他们的实验结果表明，这个方法的性能比PSNR好[7-8]。

此后，其他学者提出了很多对SSIM的改进算法，例如：基于梯度结构和边缘结构的相似度[9]、基于频域的结构相似度[10-11]、多尺度的结构相似度[12]及将SSIM和其他的图像质量评价方法加权结合[1]等。

计算机视觉的图像质量评价方法一、引言在当今数字时代，图像已经成为人们生活中不可或缺的一部分，无论是在社交媒体上分享生活瞬间，还是在医学影像诊断、安防监控等领域，图像都发挥着重要的作用。

然而，随着图像的广泛应用，如何评价图像的质量成为了一个亟待解决的问题。

对于计算机视觉领域来说，图像质量评价方法的研究具有重要意义，可以帮助人们更好地理解和应用图像信息。

二、图像质量评价方法的发展历程图像质量评价方法的发展经历了多个阶段，最早期的方法是基于人眼主观评价的，即通过人工观察图像来评价图像质量。

这种方法受制于个体主观因素，难以达到客观的评价标准。

随着计算机技术的发展，一些客观评价方法也相继出现，如基于图像特征的评价方法、基于机器学习的评价方法等。

这些方法在一定程度上提高了图像质量的评价准确性，但仍存在一定局限性。

三、图像质量评价方法的研究现状目前，图像质量评价方法的研究已经进入了一个全新的阶段，随着深度学习技术的不断发展，基于深度学习的图像质量评价方法逐渐成为研究的热点。

深度学习技术可以从大量的图像数据中学习到有效的特征表示，进而实现对图像质量的准确评价。

同时，一些基于人类视觉系统特性的图像质量评价方法也取得了一定的成果，通过模拟人眼的感知机制来评价图像的质量。

四、基于深度学习的图像质量评价方法基于深度学习的图像质量评价方法主要基于卷积神经网络（CNN）进行研究。

CNN可以有效地学习图像的局部特征和全局特征，对于图像质量评价具有很好的表现。

研究者们通过建立大量的图像数据集，训练深度神经网络模型，从而实现对图像质量的准确评价。

这种方法不仅提高了图像质量评价的准确性，还能够实现对不同场景下图像质量的自适应评价。

五、基于人类视觉系统特性的图像质量评价方法基于人类视觉系统特性的图像质量评价方法主要是通过模拟人眼的感知过程来评价图像的质量。

人眼对于图像的感知受到亮度、对比度、色彩等多个因素的影响，因此研究者们通过对这些因素进行建模，设计了一系列的图像质量评价算法。

基于视觉感知的最好质量图像评价方法
郭艳荣;鲜继清;吕霞付;谢正祥
【期刊名称】《重庆科技学院学报（自然科学版）》
【年(卷),期】2009(011)006
【摘要】基于人类视觉系统对图像感知功能的研究,提出影响图像质量的4个参数.综合这4个参数在图像质量评价领域的作用,建立最好质量图像评价的数学方法.分析CAF值与4个参数之间的函数关系,并通过大量实验,认为CAF最大值所对应的图像就是最好的图像,而此结论与视觉感知是一致的.该方法不依赖参考图像,同时适用于灰度图和彩色图.方法简单、直观.
【总页数】4页(P151-153,169)
【作者】郭艳荣;鲜继清;吕霞付;谢正祥
【作者单位】重庆邮电大学,重庆,400065;重庆邮电大学,重庆,400065;重庆邮电大学,重庆,400065;重庆医科大学,重庆,400016
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.基于视觉感知特性的红外图像质量评价方法 [J], 王明超;李盈;杨舒羽
2.基于视觉感知的镶嵌图像质量评价方法 [J], 武新;张焕龙;舒云星
3.基于视觉感知梯度SSIM的图像质量评价方法研究 [J], 袁莉;邹海
4.基于全变分模型的视觉感知图像质量评价方法 [J], 吴亚东;张红英
5.基于图像内容视觉感知的图像质量客观评价方法 [J], 姚军财;刘贵忠
因版权原因，仅展示原文概要，查看原文内容请购买。

基于视觉感知的图像质量评价研究概述：图像质量评价是计算机视觉和图像处理领域的热门研究方向之一。

在许多应用中，如图像压缩、图像增强和图像检索等，准确评估图像的质量至关重要。

视觉感知是一种常用的评价图像质量的方法，它着眼于人类视觉系统对图像的感知，尝试模拟人类的视觉认知来进行评价。

本文将探讨基于视觉感知的图像质量评价的相关研究，并介绍几种常见的视觉感知图像质量评价算法。

一、基于视觉感知的图像质量评价方法1. 参考图像方法参考图像方法是一种常见的基于视觉感知的图像质量评价方法。

它将原始图像与参考图像进行比较，通过计算它们之间的差异来评估图像质量。

常用的参考图像方法包括结构相似度指标（SSIM）、多尺度结构相似度指标（MS-SSIM）和感知清晰度指标（PSNR-HVS）等。

这些指标通过测量图像的亮度、对比度和结构等特征来评估图像质量。

2. 感知失真方法感知失真方法是另一种常见的基于视觉感知的图像质量评价方法。

它通过模拟人类视觉系统的感知特性，测量图像经过压缩、增强或其他处理后产生的感知失真程度。

常见的感知失真方法包括感知失真度量（PDM）和感知失真显著性测量（PDM-S）等。

这些方法通常基于对图像的感知主观评价数据，通过建立感知模型来评估图像质量。

3. 无参考图像方法无参考图像方法是一种更具挑战性的基于视觉感知的图像质量评价方法。

它不需要参考图像或主观评价数据，仅通过对图像的低级特征进行分析来评估图像质量。

常用的无参考图像方法包括模糊度估计方法、对比度失真方法和细节丢失估计方法等。

这些方法通过分析图像的模糊度、对比度和细节等信息，并结合图像质量数据库来评估图像质量。

二、视觉感知图像质量评价的应用1. 图像压缩图像压缩是图像处理中常见的应用之一。

视觉感知图像质量评价方法可以帮助优化图像压缩算法，提高压缩效率同时保持图像的可视质量。

2. 图像增强图像增强是改善图像质量的重要手段。

通过视觉感知图像质量评价方法，可以评估不同图像增强算法对图像质量的影响，从而选择最适合的增强方法。

图像处理中的图像质量评价算法图像处理是计算机视觉领域中的热门技术之一，其主要目的是对数字图像进行处理和分析，以提取有用的信息，改善图像的质量或实现特定的任务。

在实际应用中，我们经常需要对图像进行质量评价，以衡量处理结果的好坏。

本文将介绍图像质量评价算法中的一些常见方法和技术。

一、人眼主观评价法人眼是最常用的图像质量评价工具之一。

在这种方法中，根据受试者的主观感受，评估图像的质量。

通常，受试者会被要求将图像分为五个等级：极佳、好、一般、差、极差。

然后，将受试者的评分进行统计和分析，获得最终的质量评估结果。

人眼主观评价法的优点是易于理解和使用，可以得到比较准确的结果。

但是，它需要大量的人力和时间，并且只能得到一个相对的质量评估结果，缺乏客观性。

二、均方误差法均方误差法是一种经典的图像质量评价方法，早在上世纪50年代就被广泛应用于图像处理领域。

其核心思想是比较原始图像和处理后的图像之间的像素值之差。

均方误差可以通过以下公式计算：MSE = 1/N * ∑(i=1 to N) (xi-yi)^2其中，N代表像素数目，xi和yi分别表示原始图像和处理后图像中的像素值。

均方误差法的优点是计算简单，易于实现。

但是，它没有考虑视觉系统的感知差异，有时不能反映出人眼的真实感受。

三、结构相似性指数（SSIM）法结构相似性指数（SSIM）是一种模拟人眼感知过程的图像质量评价方法，可以更好地反映人类视觉的敏感性和感知机制。

其基本原理是通过比较两张图像之间的结构相似性来评估图像质量，其中结构相似性是指一组窗口像素之间的互相关系数。

SSIM指数可以通过以下公式计算：SSIM(x,y) = [l(x,y)*c(x,y)*s(x,y)] ^ α其中，l(x,y)、c(x,y)、s(x,y)分别表示亮度、对比度和结构相似性，α是一个权重参数。

SSIM法的优点是可以更好地反映人眼的感知结果，并且与其他评价方法相比，结果更具有客观性和可重复性。