基于結構相似度圖像質(zhì)量評價算法的研究.pdf

1、隨著多媒體和通信技術的迅猛發(fā)展，圖像視頻技術在工業(yè)生產(chǎn)、科學研究、醫(yī)療衛(wèi)生、教育、娛樂等方面的應用越來越廣泛。然而，在圖像采集、處理、編碼、傳輸以及存儲的過程中，由于圖像采集系統(tǒng)、處理方法以及傳輸設備的影響，往往會給圖像帶來各種各樣的失真干擾。如何對圖像質(zhì)量進行準確而有效的評價已經(jīng)成為圖像處理領域一個十分有意義的研究課題。本文在前人研究的基礎之上，重點對全參考圖像質(zhì)量評價方法進行了研究。
　　1)給出了一種改進的基于結構相似度的圖

2、像質(zhì)量評價算法
　　針對基于結構相似度（Structural Similarity，SSIM）的圖像質(zhì)量評價算法對嚴重模糊失真圖像評價準確性較低，與人眼主觀感知不一致的問題，本文從兩個方面對SSIM算法進行改進，主要工作有:
　　(1)由于SSIM算法不能很好的反映圖像邊緣信息的失真情況，本文在SSIM算法的基礎上，融入了圖像梯度信息，給出了一種基于梯度結構相似度(Gradient-based Structural Simi

3、larity，GSSIM)的圖像質(zhì)量評價算法。該算法與SSIM算法相比，不僅包含亮度比較函數(shù)、對比度比較函數(shù)、結構信息比較函數(shù)，更重要的是增加了梯度比較函數(shù)。在LIVE2圖像數(shù)據(jù)庫上的實驗結果表明，GSSIM算法性能優(yōu)于SSIM算法。
　　(2)研究發(fā)現(xiàn)，人眼對圖像不同失真區(qū)域的敏感度是不同的。視覺顯著性圖能夠很好的反映圖像不同區(qū)域的視覺重要性。本文利用視覺顯著性圖作為權重函數(shù)對GSSIM算法進行進一步優(yōu)化，最終得到一種改進的基于

4、結構相似度的圖像質(zhì)量評價算法VS_GSSIM。在LIVE2圖像數(shù)據(jù)庫上的實驗結果表明，本文改進算法VS_GSSIM不僅與人眼的主觀感知具有很好的一致性，而且具有較低的計算復雜度。
　　2)給出了一種基于彩色圖像的圖像質(zhì)量評價算法
　　目前大部分圖像質(zhì)量評價算法都是基于灰度圖像（或者是彩色圖像的亮度分量）設計的，忽略了圖像中的顏色信息。雖然相對于顏色信息人眼對灰度信息的變化更為敏感，但是忽略顏色信息，也會影響圖像質(zhì)量評價的效果