数字图像处理概述 (5).ppt

《数字图像处理概述 (5).ppt》由会员分享，可在线阅读，更多相关《数字图像处理概述 (5).ppt（13页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、School of Artificial Intelligence and Big Data,Hefei University 11 1 图像质量评价的研究意义图像质量评价的研究意义图像是人类获取信息的重要途径，其所承载的信息远比其它形式的信息更贴切、更丰富。图像质量表示图像向人或设备提供信息的能力，直接关系着所获取信息的充分性与准确性。然而，图像在获取、处理、传输和存储的过程中，由于各种因素的影响，将不可避免的产生图像的降质问题，这给信息获取或图像的后期处理带来了极大的困难。因此，在图像处理的相关领域建立图像质量评价机制具有重大的意义。图像质量的评价School of Artificial

2、Intelligence and Big Data,Hefei University 22 2 图像质量评价的标准图像质量评价的标准图像质量评价的问题涉及到图像处理技术许多方面，例如压缩、传输、增强、存储、水印等。一个有效的评价标准可以有如下三种应用：首先，可以在质量控制系统中检测图像质量。例如图像采集系统利用其来自动调整系统参数，从而获得最好的图像数据；其次，可以用作衡量图像处理系统和算法的标准。例如有若干图像降噪和恢复的算法用来提高数码照片的质量时，质量标准便可以用来确定哪个算法可获得最好的结果；最后，可以嵌入到图像处理系统中来优化系统和参数设置。例如在视频通信系统中，质量标准既能辅助编码

3、端的预滤波和比特分配算法的设计，又能辅助解码端的最优重构、误差消除和后滤波算法的设计。图像质量的评价School of Artificial Intelligence and Big Data,Hefei University 图像质量的评价3 3 图像质量评价的方法图像质量评价的方法图像质量评价从方法上可分为主观评价方法和客观评价方法；前者凭借实验人员的主观感知来评价对象的质量；后者依据模型给出的量化指标，模拟人类视觉系统感知机制衡量图像质量。3School of Artificial Intelligence and Big Data,Hefei University 4 4 主观质量评价

4、方法人是图像的最终接收者，因此，主观质量评价是最为可靠的图像质量评价方法。最常用的方法是平均主观分值法(MOS)和差分主观分值法(DMOS)。平均主观分值法是通过不同观测者对于图像质量评价得出的主观分值进行平均来得到归一化的分值，用这个分值来表示该图像质量。它一般有五个标准：优，良，中，差，劣。对应这五个标准由两种类型的分值：图像主观绝对分值和图像主观相对分值，主观绝对分值意思是观测者对于图像本身的主观分值，主观相对分值意思是观测者对于图像在一组图像中的相对其它图像的主观分值。图像质量的评价图图像主像主观绝对观绝对分分值值最好最好中等偏上中等偏上中等中等偏差偏差最差最差54321优优良良中中差

5、差劣劣54321图图像主像主观观相相对对分分值值4School of Artificial Intelligence and Big Data,Hefei University 55 5 主观质量评价方法差分主观分值法，它是建立在平均主观分值法分值基础上，它的计算公式如下：图像质量的评价School of Artificial Intelligence and Big Data,Hefei University 5 5 主观质量评价方法主观评价算法也有很大的不足之处。首先，需组织人力对图像质量进行评价，评价结果很容易受到个人主观因素的影响，并且当图像数量巨大时，该方法就更为耗费时间，因此不利于

6、在工程实践中的应用；其次，该方法不能自动实现，不能嵌入实际的图像或视频处理系统中，比如流媒体播放、视频会议等。但是为了评测客观图像质量评价算法，仍然需要用到主观评价算法的辅助，所以对于主观评价算法的介绍也是很有必要的。图像质量的评价6School of Artificial Intelligence and Big Data,Hefei University 76 6 客观质量评价方法客观质量评价是指使用一个或多个图像的度量指标，建立与图像质量相关的数学模型让计算机自动计算得出图像质量。其目标是客观评价结果与人的主观感受相一致。根据是否对原始图像进行参考及参考的程度，客观质量评价又可分为以下三

7、种类型：全参考方法(Full Reference，FR)，需要完整的原始图像作为评价的参考；部分参考方法(Reduced Reference，RR)，需要原始图像的部分信息作为评价的参考；无参考方法(No Reference，NR)，不需要借助任何参考图像，依靠待评价图像本身各种信息进行质量评价。图像质量的评价School of Artificial Intelligence and Big Data,Hefei University 87 7 全参考方法全参考图像质量评价方法需要参考原始图像，经过几十年的发展，已形成较完整的理论体系和成熟的评价框架。待评价图像信号的质量可以通过与原始图像信号

8、相比之后获得的误差信号来进行质量分析。图像质量的下降与误差信号的强弱相关。最简单的主观评价方法均方差（Mean Squared Error）和峰值信噪比(Peak Signal-Noise Ratio)由下列表达式表示：图像质量的评价School of Artificial Intelligence and Big Data,Hefei University 97 7 全参考方法结合人眼的视觉特性，对传统图像质量客观评价算法MSE、PSNR进行加权处理，得到了加权均方差(wMSE)评价方法与加权峰值信噪比(wPSNR)评价方法，以达到在评价方法中融入HVS特性的目的。图像质量的评价School

9、 of Artificial Intelligence and Big Data,Hefei University 108 8 部分参考方法部分参考评价方法只需提取部分原始图像数据用于评价，相对于全参考评价方法，这种方法灵活性强，适用范围广泛，具有传输数据量小，可靠性高等特点，受到了越来越多人的关注，更具研究价值。图像质量的评价部分参考弄图像质量评价模型School of Artificial Intelligence and Big Data,Hefei University 图像质量的评价9 9 无参考方法由于全参考方法和半参考方法需要有原始图像信息作参考，且这两种方法得到的结果往往不能很

10、好的反映人的主观感受阳田，所以无参考方法正受到越来越多的关注。相对于全参考和部分参考评价方法，无参考评价方法的研究仍处于起步阶段。目前，无参考图像失真度量一般是针对某一种或几种类型的失真，如模糊效应、分块效应、噪声效应等。多数无参考图像质量评价方法所选择的反应图像质量的特征都有比较强的针对性。当然，仅仅评价某一种并不能很好的反应图像的整体质量，应该综合考虑多种因素进行评价。11School of Artificial Intelligence and Big Data,Hefei University 图像质量的评价9 9 图像质量评价展望关于图像质量评价研究是图像处理领域中一个正在发展中的分

11、支方向，面临的困难还很多。但作为提高图像处理前沿水平的重要方法和有力工具，其在图像处理领域可以发挥无法取代的重要作用。在这种情况下，如何更好地利用各种评价指标为图像处理服务是广大研究者普遍面临的问题。理想的图像质量评价指标应该在3 个方面具有良好的性能：(1)与人类视觉感受具有较好的符合程度；(2)评价指标具有通用性，能够适用于多种图像处理技术；(3)评价的结果具有单调性、准确性和一致性。12School of Artificial Intelligence and Big Data,Hefei University 图像质量的评价9 9 图像质量评价展望根据当前的发展趋势和应用需求，我们认为我们需要努力的方向如下：加深对人眼视觉系统（HVS）的认识。从单纯的客观评价算法到客观与主观评价方法的结合。增加面向无参考的质量评价方法。细化面向不同任务的评价算法。13