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
" P& Z* E8 U. K5 l0 u' E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)
- Y% E: `" ]6 t, @7 v' `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
- r* D7 h+ N. M. z$ [" S" P0 ^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
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
, `+ X. j3 q+ P# J: Y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
9 l1 p4 o6 c- F# l' p! e( p传统的图像质量评价方法均方误差(MSE)和峰

值信噪比(PSNR)评价结果不能很好地反映主观质
量评价[1 3]。为了更精确地反映图像质量，提出了
4 y* q2 S8 I% F各种与主观质量评价较一致的客观评价方法。尤其
人类视觉系统(HVS)和图像特征是当前图像质量评
( h* u; L# f8 j* _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
对不同视觉信号(信号的亮度、对比度、频率内容和
* ]) A5 u6 E- }1 l+ k& ?, ^* b互作用)感知的程度。文献[4]提出的噪声质量测量
(Noise Quality Measure, NQM)方法，证明了非线
9 A2 \+ w+ {6 B0 d6 s! R3 y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
+ ^4 _  w' S5 f4 ?" A0 C觉信噪比(Visual Signal-to-Noise Ratio, VSNR)方
法基于物理量度和视觉角度，而不是像素域，具有
0 w$ ?9 G0 P/ r" ^3 x5 ~, ]适应不同视觉条件的能力；文献[6]提出的结构相似

# U- k+ s" {8 H- I
. @! R) h: Q# y9 N8 {. h; Y

附件下载：

游客，如果您要查看本帖隐藏内容请回复

! I. u* O5 P' j4 ]7 f1 @

Blah

看看