基于内在生成机制的多尺度结构相似性图像质量评价

TaylorA

摘 要：该文针对多尺度结构相似性(Multiple-scale Structural SIMilarity, MSSIM)图像质量评价算法对图像信息
不确定部分度量能力的不足，结合人类视觉系统(HVS)，提出基于内在生成机制(internal generative mechanism)
的 iMSSIM 算法。首先采用基于逐段式自回归(Piecewise AutoRegressive, PAR)模型的内在生成机制将失真图像
( u; c3 }( @" g" v% s0 {- C和原始图像分解成采用 MSSIM 算法评分的图像内容预测部分和采用 PSNR 评分的图像信息不确定部分；然后采
! t. B" ?& [# l8 \1 h2 g% w9 z用均方误差(MSE)进行加权来联合这两部分评分获得最终结果。在基准数据库上完成的对比实验表明：该算法不
仅在不同失真类型上性能最好，且在 6 个公开数据库上的性能优于现有算法。
关键词：图像质量评价；多尺度结构相似性；内在生成机制；逐段式自回归模型
1 引言
传统的图像质量评价方法均方误差(MSE)和峰

. p+ e# R3 y5 ]& y值信噪比(PSNR)评价结果不能很好地反映主观质
3 t8 j, X, V' z0 U3 |$ t量评价[1 3]。为了更精确地反映图像质量，提出了
+ N+ j4 c9 c. H/ c4 Y. n" y* D9 D各种与主观质量评价较一致的客观评价方法。尤其
0 f$ ]( g; J3 j人类视觉系统(HVS)和图像特征是当前图像质量评
$ d* R' w( `2 J- e( i价的热点研究领域。
基于 HVS 的图像质量评价方法主要突出 HVS
) g. R% _/ ?0 K) y& k" ]4 s- l对不同视觉信号(信号的亮度、对比度、频率内容和
互作用)感知的程度。文献[4]提出的噪声质量测量
7 P1 c, _, L% d) _(Noise Quality Measure, NQM)方法，证明了非线
性 NQM 是一种比 PSNR 以及线性测量方法更好的
视觉质量评价方法；CHANDLER 等人[5]提出的视
) e+ f6 T, D9 ~" Q5 K+ _觉信噪比(Visual Signal-to-Noise Ratio, VSNR)方
; H% k3 U* w1 K' X  ~) v2 W法基于物理量度和视觉角度，而不是像素域，具有
适应不同视觉条件的能力；文献[6]提出的结构相似




9 L& s: O5 @) d附件下载：

游客，如果您要查看本帖隐藏内容请回复

& u; b$ _! ^& V  I6 o% d

Blah

看看