基于視覺(jué)注意機(jī)制的圖像顯示質(zhì)量研究.pdf

1、隨著數(shù)字圖像和視頻越來(lái)越廣泛地深入到人們的生活中，人們對(duì)圖像質(zhì)量的要求也越來(lái)越高。圖像處理技術(shù)的每一個(gè)環(huán)節(jié)都不可避免地帶來(lái)不同程度的失真，降低圖像質(zhì)量。因此，快速、準(zhǔn)確地評(píng)價(jià)圖像質(zhì)量就顯得越來(lái)越重要。圖像質(zhì)量評(píng)價(jià)方法分為主觀評(píng)價(jià)方法和客觀評(píng)價(jià)方法，主觀評(píng)價(jià)方法與主觀感知相符，但耗時(shí)多、費(fèi)用高，可重復(fù)性差。相對(duì)于主觀評(píng)價(jià)方法，客觀評(píng)價(jià)方法具有操作簡(jiǎn)單、成本低、易于嵌入等優(yōu)點(diǎn)，已經(jīng)成為圖像質(zhì)量評(píng)價(jià)的研究重點(diǎn)。為了獲得與主觀感知相吻合、快速有

2、效的圖像質(zhì)量客觀評(píng)價(jià)方法，本論文提出了一種基于各維特征顯著性加權(quán)融合的視覺(jué)注意計(jì)算模型，并在全參考客觀圖像質(zhì)量評(píng)價(jià)方法中引入選擇性視覺(jué)注意機(jī)制的指導(dǎo)作用，提升主、客觀評(píng)價(jià)結(jié)果的一致性。本研究主要內(nèi)容包括：
　　⑴現(xiàn)有的自底向上視覺(jué)注意計(jì)算模型對(duì)各維底層特征顯著性通常進(jìn)行均值或求和處理，計(jì)算圖像的最終視覺(jué)顯著圖。然而，不同的特征具有不同的物理意義，引起的視覺(jué)關(guān)注度未必相同。提出一種基于各維特征顯著性加權(quán)的融合策略，定量描述人眼的選擇

3、性視覺(jué)注意機(jī)制?；谠摬呗?，算法首先計(jì)算各維特征顯著性對(duì)圖像的最終視覺(jué)顯著圖的貢獻(xiàn)力，然后對(duì)具有明顯貢獻(xiàn)力的特征顯著性加權(quán)融合，計(jì)算最終的視覺(jué)顯著圖。基于開(kāi)源的CIM眼動(dòng)數(shù)據(jù)集和人工標(biāo)注Achanta數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果表明，所提的顯著性模型具有明顯優(yōu)勢(shì)，能有效抑制雜亂目標(biāo)、凸顯輪廓、降低誤判率，更加符合人眼視覺(jué)特性。
　?、撇煌瑘D像區(qū)域的視覺(jué)重要性并不一樣，圖像的顯著區(qū)域的質(zhì)量對(duì)整體圖像質(zhì)量起著至關(guān)重要的作用。為了體現(xiàn)人眼的主動(dòng)視覺(jué)

4、在圖像質(zhì)量感知時(shí)的引導(dǎo)作用，提出一種融合了視覺(jué)顯著性圖譜和圖像失真圖譜的灰度圖像質(zhì)量評(píng)價(jià)方法。算法采用圖像的梯度圖和顯著圖的相似性函數(shù)計(jì)算圖像的結(jié)構(gòu)失真，并基于視覺(jué)顯著性對(duì)圖像的結(jié)構(gòu)失真指數(shù)進(jìn)行加權(quán)，對(duì)于不同關(guān)注度的圖像區(qū)域，賦以不一樣的權(quán)重，得到最終的圖像質(zhì)量。開(kāi)源LIVE數(shù)據(jù)集的評(píng)測(cè)結(jié)果表明，本文所提的灰度圖像質(zhì)量評(píng)價(jià)方法具有較好的精確度和較低的計(jì)算成本，與人眼的主觀評(píng)價(jià)結(jié)果更吻合。評(píng)測(cè)結(jié)果也表明，本文所提的灰度圖像質(zhì)量評(píng)價(jià)算法在快

5、衰減失真類型和高斯模糊失真類型圖像的評(píng)價(jià)性能具有顯著優(yōu)勢(shì)，但在JPEG2000壓縮失真類型圖像的質(zhì)量評(píng)價(jià)上沒(méi)有明顯的優(yōu)勢(shì)。
　　⑶在所提的灰度圖像質(zhì)量評(píng)價(jià)方法基礎(chǔ)上，基于人眼感知過(guò)程中顏色視覺(jué)特性，本文提出了一種考慮失真過(guò)程顏色信息丟失的彩色圖像質(zhì)量評(píng)價(jià)方法。算法采用YUV均勻顏色空間，通過(guò)綜合明度、色度、梯度圖的相似性函數(shù)計(jì)算彩色圖像的結(jié)構(gòu)失真，并基于像素點(diǎn)的視覺(jué)顯著性加權(quán)圖像的結(jié)構(gòu)失真指數(shù)，計(jì)算最終的圖像質(zhì)量。開(kāi)源LIVE數(shù)據(jù)

6、集的評(píng)測(cè)結(jié)果表明，所提的彩色圖像質(zhì)量評(píng)價(jià)方法雖然性能略遜于當(dāng)前性能最好的FSIMc算法，但計(jì)算復(fù)雜度顯著降低。評(píng)測(cè)結(jié)果也表明，本文所提的彩色圖像質(zhì)量評(píng)價(jià)方法在快衰減失真圖像和白噪聲失真圖像的質(zhì)量評(píng)價(jià)性能突出，但在JPEG2000壓縮失真類型圖像的質(zhì)量評(píng)價(jià)上沒(méi)有明顯的優(yōu)勢(shì)。同時(shí)，LIVE和TID2013數(shù)據(jù)集的實(shí)驗(yàn)結(jié)果也驗(yàn)證了視覺(jué)顯著區(qū)域的顯示質(zhì)量對(duì)整體圖像質(zhì)量的影響。實(shí)驗(yàn)結(jié)果表明，采用視覺(jué)顯著性模型加權(quán)后各個(gè)算法的評(píng)價(jià)性能均有所改善，尤