闫钧华，侯 平，张 寅，吕向阳，马 越，王高飞

（1.空间光电探测与感知工业和信息化部重点实验室（南京航空航天大学），南京 211106；2.南京航空航天大学航天学院，南京 211106）

（∗通信作者电子邮箱yjh9758@126.com）

0 引言

图像在采集、传输、处理等过程中都有可能出现不同类型的失真，如:拍摄时因为光照不均匀等自然条件或相机的传感器件质量，使得图像上出现噪声点；在拍摄过程中相机未聚焦或相机抖动造成图像模糊；在传输过程中因为带宽限制需要对图像进行压缩引入压缩失真。图像单失真是指在一幅原始图像中引入一种失真类型。本文使用的主要是高斯噪声、高斯模糊、JPEG、JPEG200 和快速衰落失真（fast fading）这五种典型失真类型。混合失真类型是指多种图像失真类型之间的耦合，并非对两种单失真类型进行线性叠加就能得到。在研究不同失真类型耦合最终对图像会造成怎样的影响时，需要知道单失真类型会对原始图像质量造成怎样的退化。因此，图像单失真类型判定研究对后续混合失真类型判定的研究及图像质量评价、光学链路修正等领域都有非常重要的指导意义。

目前针对图像单失真类型判定研究主要基于支持向量机（Support Vector Machine，SVM）与卷积 神经网 络（Convolutional Neural Network，CNN）来实现的。Moorthy 等［1］提出了BIQI（Blind Image Quality Indices）算法，该算法通过提取图像在小波域的自然场景统计（Natural Scene Statistics，NSS）特征，利用支持向量机（SVM）得到单失真图像属于每个失真类型的概率；Moorthy 等［2］证明了不同失真类型会改变图像的自然场景统计特征，提出了SVM-GGD（SVM based on Generalized Gaussian Distribution）算法，使用广义高斯分布（GGD）来量化图像的失真特征，利用SVM 实现图像单失真类型判定；……