信息量加权的梯度显著度图像质量评价
目的 针对信息量加权结构化图像质量评价算法(Information Content Weighted SSIM)对图像局部失真度量能力的不足,提出了一种被称为信息量加权的梯度显著度图像质量评价改进算法(Information Content WeightedGradient Salience SSIM).方法 该算法首先根据人眼视觉系统响应亮度刺激的韦伯定律,仅在空域内利用一次滤波快速计算出当前像素点与背景之间的对比度并将其非线性映射为该像素点的视觉显著度.然后,将视觉显著度与梯度特征结合后获得了一种新的被称为梯度显著度局部失真度量(GS-SSIM)并将其替换IW-SSIM算法中的SSIM局部结构化度量.结果 在六大公开基准数据库上完成的大量对比实验表明:对于图像的各种噪声和模糊等类型失真,GS-SSIM较SSIM局部失真度量具有更高的评价准确率.与IW-SSIM算法和其他被广泛引用的图像质量评价算法相比,改进算法评价结果总体上与主观评价结果具有更高的一致性.结论 视觉显著度与梯度特征相结合后所构成的结构化度量能够有效提高经典SSIM结构化度量对图像局部失真度量的准确性,未来可以考虑将人类视觉系统(HVS)的其他特性融入到图像质量评价算法中,以进一步提高算法的准确性.
图像质量评价、信息量加权、韦伯定律、视觉显著度、梯度结构
19
TP391.4(计算技术、计算机技术)
国家高技术研究发展计划863基金项目2013AA013804;国家自然科学基金项目61163023,41261091,61379018;江西省自然科学基金项目20114BAB211024,20133BBE50029;江西省省级教改项目JXJG12124
2014-03-20(万方平台首次上网日期,不代表论文的发表时间)
共10页
201-210