基于图像特征与心理感知量的伪装效果评价方法

图像融合评价方法
图像融合评价方法是用来衡量图像融合算法效果的一种指标体系。

常见的图像融合评价方法包括以下几种：
1. 主客观评价法：将图像融合的结果与原始图像进行比较，主要评价指标包括图像的清晰度、对比度、亮度等客观指标，同时也可通过主观评价调查收集用户观感作为评价依据。

2. 直观评价法：通过几个专业的评价人员对图像融合的结果进行主观评价，根据整体效果和细节特征等来评判融合结果的优劣，常用的评价方法包括比较法、分级法和排序法等。

3. 结构相似度评价法（SSIM）：通过比较原始图像和融合结果之间的结构特征相似性来评价融合算法的效果，通过计算亮度、对比度和结构相似性三个维度的相似度指标来衡量。

4. 峰值信噪比评价法（PSNR）：通过比较原始图像和融合结果之间的峰值信噪比来评价融合算法的效果，PSNR越高表示图像质量越好。

5. 色彩保真度评价法（CIEDE2000）：通过比较原始图像和融合结果之间的颜色差异来评价融合算法的效果，CIEDE2000是一种广泛使用的色彩差异评价方法。

综合使用上述评价方法可以全面地评价图像融合算法的效果，并挑选出最好的融合结果。

立体图像的视觉感知质量无参考评价方法章节一：绪论1.1 立体图像的视觉感知质量评价在计算机视觉中的作用1.2 国内外现有立体图像评价方法的研究现状1.3 本文的研究意义和目标章节二：立体图像无参考质量评价指标研究2.1 基于深度特征的指标研究2.2 基于图像质量特征的指标研究2.3 基于机器学习的无参考评价指标研究章节三：立体图像无参考质量评价算法研究3.1 基于深度学习的算法研究3.2 基于图像质量特征的算法研究3.3 基于机器学习的算法研究章节四：立体图像无参考质量评价实验设计与结果分析4.1 实验设计4.2 实验结果分析章节五：立体图像无参考质量评价方法的应用5.1 基于立体图像无参考评价方法的图像修复5.2 基于立体图像无参考评价方法的图像增强5.3 基于立体图像无参考评价方法的质量自适应评价系统设计结论参考文献立体图像的视觉感知质量评价在计算机视觉中扮演着重要的角色，因为它对于人类视觉系统（HVS）的模拟是至关重要的。

随着3D技术的不断发展，越来越多的人们开始关注立体图像的感知质量评价。

立体图像评价方法是计算机视觉领域中一个非常复杂并且需要深入研究的问题。

一般来说，人们会利用某些质量评价指标和算法来评估立体图像的质量，这些指标和算法包含了很多关于图像颜色、纹理和亮度等方面的信息。

用于评估立体图像感知质量的方法可以分为有参考和无参考两种。

有参考方法需要一张参考图像来进行比较，而无参考方法不需要。

对于有参考方法来说，我们可以依据参考图像与待评估图像的相似性来计算其视觉感知质量。

但是，现实情况中，获取到完全一致的原始图像是不可能的。

因此，无参考方法只通过输入待评估图像，就可以快速、准确地计算出其视觉感知质量。

目前，国内外已经有许多研究者针对立体图像的评价方法进行了探究。

其中，基于深度特征的无参考评价指标研究逐渐受到了研究者们的关注。

这种方法主要是利用深度学习模型来提取潜在的感知特征，然后通过训练和测试数据集的准确性来估计立体图像的质量。

基于视觉敏感度的JPEG 图像质量评价张尤赛，陈忠君(江苏科技大学电子信息学院，江苏 镇江 212003)摘 要：为解决无参考图像质量评价与人眼视觉系统(HVS)特征的一致性问题，提出一种基于视觉敏感度的JPEG 图像质量评价方法。

采用支持向量回归神经网络学习和模拟HVS 特征与平均主观得分之间的函数关系，利用边缘幅度和长度、背景活动度和亮度等视觉敏感度特征，实现符合HVS 特征的无参考图像质量评价。

实验结果表明，该方法的误差小、精度高、预测性能好，并与HVS 感知特征具有高度一致性。

关键词：视觉敏感度；支持向量回归；神经网络；图像质量；无参考评价JPEG Image Quality Assessment Based on Visual SensitivityZHANG You-sai, CHEN Zhong-jun(School of Electrical Information, Jiangsu University of Science and Technology, Zhenjiang 212003, China)【Abstract 】This paper presents a visual sensitivity measurement method to assess the visual quality of JPEG images for consistency between image quality assessment without reference image and Human Visual System(HVS) features. Support Vector Regression Neural Network(SVR-NN) is used to approximate the functional relationship between HVS feature and Mean Opinion Score(MOS). The measuring of visual quality of JPEG images is realized using HVS features such as edge amplitude and length, background activity and luminance. Experimental results show that the method has less error, high accuracy, excellent estimation, and exhibits much higher correlation with HVS perception feature.【Key words 】visual sensitivity; Support Vector Regression(SVR); neural network; image quality; no-reference assessment DOI: 10.3969/j.issn.1000-3428.2011.19.063计 算 机 工 程 Computer Engineering 第37卷 第19期V ol.37 No.19 2011年10月October 2011·图形图像处理· 文章编号：1000—3428(2011)19—0191—03文献标识码：A中图分类号：TP3061 概述图像质量评价对图像处理起到重要的指导作用。

基于视觉感知特性的红外图像质量评价方法王明超;李盈;杨舒羽【摘要】An infrared image quality evaluation method based on visual perception characteristics is proposed according to infrared imaging features.The visual perception characteristics and structural information of infrared image are utilized to describe the distortion degree of infrared images,and edge features and contrast features of infrared images are extracted.Then the features were fused differently by visual saliency to achieve quality evaluation of distorted infrared images.Experimental results show this method can effectively evaluate distorted infraredpared to traditional methods,the proposed method is in better consistency with human subjective perception.%根据红外成像特点,设计了一种基于视觉感知特性的红外图像质量评价算法.该算法结合人眼视觉和红外图像的结构信息对图像的失真程度进行描述,通过提取图像的边缘特征、对比度特征,然后利用视觉显著模型对特征进行差异融合,从而实现对红外失真图像的质量评测.实现结果表明,本文方法可对失真红外图像进行有效评价,与传统方法相较,此评价指标与人眼主观感知更一致.【期刊名称】《激光与红外》【年(卷),期】2017(047)007【总页数】4页(P921-924)【关键词】人眼视觉;红外图像评价;视觉显著性【作者】王明超;李盈;杨舒羽【作者单位】华北光电技术研究所,北京 100015;华北光电技术研究所,北京100015;华北光电技术研究所,北京 100015【正文语种】中文【中图分类】TP391.41红外成像技术由于具有隐蔽性好、环境适应性强、抗干扰等优点,在预警、导航、气象、医学等军事和民用的多个领域已广泛发挥了重要作用。