高　建,韩　瑜,顾　浩

(江苏自动化研究所,江苏连云港　222061)



一种改进的无参考图像质量评估算法

高建,韩瑜,顾浩

(江苏自动化研究所,江苏连云港222061)

无参考图像质量评估方法一直是图像质量研究所关注的重点。本文针对无参考图像质量评估问题,在当前被广泛接受的DIIVINE图像质量评估方法基础上进行了深入的研究,研究发现经典的DIIVINE方法中使用了过多的统计特征量,由于统计量无差别的使用影响了方法的预测性能。基于此,利用主成分分析(PCA)算法对该特征向量进行降维,得到“精简的特征向量”,用此向量可以达到更好的分类性能和评估性能。试验证明,在图像数据库上,该算法表现出较好的预测性能,其性能优于其他主流的无参考图像评估算法。

自然场景统计;主成分分析;无参考;图像质量评价

由于在大多数场合原始图像难以获取,因此在图像评估领域中,无参考图像质量评估算法一直是关注的重点。虽然对于人类来讲,在缺少原始图像情况下,可以很容易地评估一幅失真图像。但要设计一个自动化算法,达到相同的评估效果,是异常困难的。近年来,出现了许多关于无参考图像评估算法的研究[1-12]。

无参考图像评估算法的发展大致可以分为两个阶段:第一个阶段为失真已知的无参考图像评估算法,第二阶段为通用型的无参考图像评估算法。失真已知的无参考图像评估算法只能在一种指定的失真类型图像上进行评估。例如,文献[9-10]用来评估模糊失真类型的图像质量,其中文献[9]是通过图像的边缘宽度,文献[10]中是通过变换域中的图像峭度。……