基于压缩感知和视觉感知的图像质量评价方法研究

图像质量客观评价旨在寻找能自动和精确感知图像质量的计算模型，可广泛应用于多媒体技术、网络传输和模式识别等领域。本课题针对图像质量评价问题，通过压缩感知建模和视觉特性模拟构建最优的图像质量计算模型，实现图像质量的客观度量。主要研究内容有:（1）图像稀疏表示，包括多尺度几何分析特征提取和最优稀疏表示；（2）基于压缩感知的特征差异性度量，针对原始图像和失真图像，包括基于合理观测矩阵获得的稀疏观测向量之间的差异性度量；基于最优重构算法获得的精确重构特征之间的差异性度量；（3）感知滤波和测度，包括基于特征的视觉感知滤波和基于特征差异性的视觉感知测度。本项目从实际应用中抽象出科学问题，涉及到压缩感知和人类视觉系统的基础理论，需要从新的角度、基于新的条件和应用进行研究。富有前瞻性和挑战性，具有极其重要的理论意义和应用价值。本课题预期在理论上有所突破，技术上有所创新，为图像质量评价的发展开辟新的空间。

图像质量客观评价可以用来动态地监测图像质量的变化和实时地调整图像的质量，被广泛应用于个人消费电子、商用视频监控和军用卫星遥感等领域。本课题旨在为图像处理和具体应用中由不确定因素造成的各种失真构建自动和准确的客观质量评价模型，以度量失真图像的视觉质量和提供信息的能力。在国家自然科学基金青年基金项目(No.61001203)的资助下，课题组利用特征表示理论和特征映射方法寻找合理的图像质量失真变化规律，进而设计与人类主观感受相一致的图像质量客观评价方法。主要取得如下研究成果。.1.在特征表示方面。研究压缩图像失真程度建模，从压缩图像的失真根源出发，利用DDCT去捕捉图像细节信息的丢失和方向信息的改变，并结合人眼的光亮适应性与图像失真的关系，提出了一种无参考型压缩图像质量评价测度。研究了人类视觉系统对不同的形态学成份具有不同的敏感性，通过分析形态学成份与失真的关系，结合恰可察觉差异模型计算不同形态学成份的视觉感知特征，利用原始图像和失真图像的感知特性的差异获得失真图像的质量值。研究了S-CIELAB颜色模型和人眼色彩感知特性之间的关系，计算失真图像与原始图像在S-CIELAB空间的结构相似性，提出了与视觉感知相一致的彩色图像质量评价方法。.2.在特征映射方面。研究了稀疏表示和失真特征之间的映射关系。首先利用稀疏表示对自然场景图像的小波域统计特征进行编码，最后通过稀疏编码系数对平均主观差异进行加权得到视觉质量分数。研究了模糊数学与人类认知失真模糊性之间关系，通过提取小波域的自然场景统计特征，进而设计高斯隶属度函数来模糊化图像质量以降低图像描述的粒度，引入半监督局部线性嵌入来学习图像质量的认知过程，最终得到测试图像的质量分数。研究了图像统计特征和失真变化之间的映射关系，分析了不同类型及不同程度的失真对这些统计特征的影响。利用多核学习算法分别基于全局框架和两阶段框架构建了两种通用型无参考质量评价算法。.项目实施过程中，课题组在IEEE Trans等国际期刊和本领域重要国际会议(CVPR)上发表相关学术论文10余篇。撰写专著一部。申请国家发明专利7项，6项已获得授权。培养博士3名，硕士7名。获省部级科学技术奖一等奖1项、高等学校科学技术奖一等奖1项。参加国内外学术会议2次，国际学术会议分组报告2次，与相关领域专家开展了广泛深入的学术交流与技术合作。.

内容获取失败，请点击重试