全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

结合梯度信息的特征相似性图像质量评估

DOI: 10.11834/jig.20150603

Keywords: 图像质量评估,特征相似性,梯度特征,结构相似度,边缘信息

Full-Text   Cite this paper   Add to My Lib

Abstract:

目的图像的边缘信息对于图像质量的评估非常重要.基于底层特征的图像质量评估算法(FSIM),虽然考虑了图像的底层特征,但该算法对边缘信息的识别能力不理想.针对以上问题,将FSIM算法与对边缘信息更敏感的梯度结构相似度(GSSIM)算法相结合得到一种既符合人眼视觉系统特点又能有效识别图像边缘的新的图像质量评估算法(FGSIM).方法该算法将FSIM算法的相位一致性部分与GSSIM算法的提取图像信息的部分相结合从而得到一种新的图像质量评估算法FGSIM.其中,采用相位一致性表示图像的特征,用于保持评估算法接近人类视觉系统的特点,提取图像信息的部分通过图像的梯度来实现,用于更有效的识别图像边缘.结果分别使用FSIM、GSSIM以及FGSIM算法对不同运动模糊程度、不同高斯模糊程度以及不同高斯噪声的图像进行质量评估,将得到的数据用曲线图表示,从图中可以看出:在运动模糊实验中,随图像模糊程度的增大,FGSIM算法的数值由0.8943下降到0.3443,变化更加明显,对运动模糊表现出更好的敏感性;在高斯模糊和高斯噪声实验中,FGSIM算法数值变化的程度虽然不如GSSIM算法好,但相较FSIM算法有一定的提高.FGSIM算法在公共测试图像库中与FSIM、GSSIM算法进行实验比较,FGSIM算法的散点图较FSIM算法稍差些,但与GSSIM算法相比具有非常大的改进,其散点图比GSSIM更为集中.采用较为常用的衡量评估方法性能的指标:皮尔逊相关系数、斯皮尔曼秩相关系数、KROCC和均方根误差对评估算法的性能进行衡量,数据显示,FGSIM算法的性能比GSSIM算法好.结论实验结果表明,FGSIM算法是一种既符合人眼视觉系统特点又能有效识别图像边缘的新的图像质量评估算法,该算法对边缘信息的识别能力更强,对图像质量的变化更加敏感.

References

[1]  Wang Z, Bovik A C, Sheikh H R,et al. Image quality assessment: from error visibility to structural similarity [J]. IEEE Transactions on Image Processing, 2004, 13(4): 1-14.
[2]  Chang H W, Yang H, Gan Y, et al. Sparse feature fidelity for perceptual image quality assessment [J].IEEE Transactions on Image Processing, 2013, 22(10): 4007-4018.
[3]  Wang J, Li L Y, Wang W, et al. Digital image quality assessment [J]. Journal of the Hebei Academy of Sciences, 2013, 30(2): 30-34. [王进, 李俐莹, 王万, 等. 数字图像的质量评估[J]. 河北省科学院学报, 2013, 30(2): 30-34.]
[4]  Wang Z, Bovik A C. Auniversal image quality index [J]. IEEE Signal Processing Letters, 2002, 9(3): 81-84.
[5]  Yang C L, Chen G H, Xie S L. Gradient information based on image quality accessment [J]. Acta Electronica Sinica, 2007, 35(7): 1313-1317. [杨春玲, 陈冠豪, 谢胜利. 基于梯度信息的图像质量评判方法的研究[J]. 电子学报, 2007, 35(7): 1313-1317.]
[6]  Zhang L, Zhang L,MouX Q, et al. FSIM: a feature similarity index for image quality assessment [J]. IEEE Transactions on Image Processing, 2011, 20(8): 2378-2386.
[7]  Guo L, Chen W L, Liao Y,et al. Multi-scale structural image quality assessment based on two-stage low-level features [J]. Computers and Electrical Engineering, 2014, 40: 1101-1110.
[8]  Kovesi P. Image features from phase congruency [J]. Videre: J Comp. Vis. Res., 1999,1(3):1-26.
[9]  Liu Z, Laganie`re R. Phase congruence measurement for image similarity assessment [J]. ScienceDirect, 2007, 28(1): 166-172.
[10]  Abdou I E, Dusaussoy N J. Survey of image quality measurements [C]// Proceedings of ACM Fall joint Computer Conference. Washington DC: IEEE,1986:71-78.
[11]  Chu J, Chen Q, Yang X C. Review on full reference image quality assessment algorithms [J]. Application Research of Computers, 2014, 31(1): 13-22. [褚江, 陈强, 杨曦晨. 全参考图像质量评价综述[J]. 计算机应用研究, 2014, 31(1): 13-22. ]
[12]  Ponomarenko N, Lukin V, Zelensky A, et al. TID2008-a database for evaluation of full reference visual quality assessment metrics[J]. Advances of Modern Radio Electronics, 2009, 10: 30-45.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133