视觉相似性图像质量评价方法

doi:10.3969/j.issn.1001-2400.2012.04.028

J4 ›› 2012, Vol. 39 ›› Issue (4): 155-160.doi: 10.3969/j.issn.1001-2400.2012.04.028

视觉相似性图像质量评价方法

崔力¹;陈玉坤²;韩宇²

(1. 西北工业大学电子信息工程学院，陕西西安 710072；
2. 西安电子科技大学综合业务网理论及关键技术国家重点实验室，陕西西安 710071)

收稿日期:2011-12-30 出版日期:2012-08-20 发布日期:2012-10-08
通讯作者: 崔力
作者简介:崔力(1980-)，男，讲师，E-mail: l.cui@nwpu.edu.cn．
基金资助:
陕西省自然科学基金资助项目(2011JQ8038);人事部留学人员科技活动资助项目;西北工业大学基础研究基金资助项目(JC201014);西北工业大学E之星青年基金资助项目

Visual similarity index for image quality assessment

CUI Li¹;CHEN Yukun²;HAN Yu²

(1. College of Electronic Information, Northwestern Polytechnic Univ., Xi'an 710072， China;
2. State Key Lab. of Integrated Service Networks, Xidian Univ., Xi'an 710071， China)

Received:2011-12-30 Online:2012-08-20 Published:2012-10-08
Contact: CUI Li

摘要/Abstract

摘要：

低层次视觉特征是计算机视觉系统从环境中获取信息并做出反应的重要依据．考虑到低层次视觉特征包含了图像亮度变化、分布和组织等重要信息，视觉特征差异就反映了图像内在结构的变化．利用人眼视觉感知的局部性与非均匀的特点，分别在角点和边缘特征域测量参考图像和测试图像的相似度，并将其合并为对图像整体质量的度量．在IVC、TID2008、Tomaya-MICT、LIVE和CSIQ图像数据库上，对基于低层次视觉特征的图像质量评价方法和传统的PSNR、SSIM、IFC和VIF方法进行了性能比较．实验表明，基于低层次视觉特征的图像质量评价方法在整体性能上要远远优于PSNR和SSIM方法，并且能够与公认性能较好的、基于自然场景统计的IFC和VIF方法相媲美．

关键词: 图像质量, 人眼视觉感知, 角点, 边缘

Abstract:

Low level features are widely used in computer vision for acquiring information from outside circumstance and responding to it. Considering that low level features provide a rich source of information about luminance distribution, object organization and foreground/background configuration, their difference reflects the structural change of images. Based on the fact that the human vision system always focuses on the local neighborhoods around gazing positions, similarity between corner and edge of images is estimated locally and combined into an image quality metric, namely low-level features based similarity measure (LFSIM). Extensive experiments based upon five publicly-available image databases with subjective ratings demonstrate that LFSIM performs much better than traditional peak signal noise ratio (PSNR) and structural similarity measure (SSIM), and is even competitive to the state-of-the art image quality assessment algorithms information fidelity criteria (IFC) and visual information fidelity (VIF), which are developed on the basis of natural scene statistics.

Key words: image quality, visual perception, corner, edge

中图分类号:

TN911.73

崔力;陈玉坤;韩宇. 视觉相似性图像质量评价方法[J]. J4, 2012, 39(4): 155-160.

CUI Li;CHEN Yukun;HAN Yu. Visual similarity index for image quality assessment[J]. J4, 2012, 39(4): 155-160.

参考文献

［1］ Lin W S, Kuo J C C. Perceptual Visual Quality Metrics: a Survey［J］. Journal of Visual Communication Image Representation, 2011, 22(4): 297-312.
［2］ Wang Z, Bovik A C. Reduced-and No-reference Image Quality Assessment［J］. IEEE Signal Processing Magazine, 2011, 28(6): 29-40.
［3］王体胜, 高新波, 路文, 等. 一种新的部分参考型图像质量评价方法［J］. 西安电子科技大学学报, 2008, 35(1): 101-109.
Wang Tisheng, Gao Xinbo, Lu Wen, et al. A New Method for Reduced-reference Image Quality Assessment［J］. Journal of Xidian University, 2008, 35(1): 101-109.
［4］ Naranjan D V, Thomas D K, Wilsons S G, et al. Image Quality Assessment Based on a Degradation Model［J］. IEEE Trans on Image Processing, 2000, 9(4): 636-650.
［5］ Chandler D M, Hemami S S. VSNR: a Wavelet-based Visual Signal-to-noise Ratio for Natural Images［J］. IEEE Trans on Image Processing, 2007, 16(9): 2284-2298.
［6］ Wang Z, Bovik A C, Sheikh H R, et al. Image Quality Assessment: from Error Visibility to Structural Similarity［J］. IEEE Trans on Image Processing, 2004, 13(4): 600-612.
［7］ Zhang L, Zhang L, Mou X Q, et al. FSIM: a Feature Similarity Index for Image Quality Assessment ［J］. IEEE Trans on Image Processing, 2011, 20(8): 2378-2386.
［8］ Sheikh H R, Bovik A C, Veciana G D. An Information Fidelity Criterion for Image Quality Assessment using Natural Scene Statistics［J］. IEEE Trans on Image Processing, 2005, 14(12): 2117-2128.
［9］ Sheikh H R, Bovik A C. Image Information and Visual Quality［J］. IEEE Trans on Image Processing, 2006, 15(2): 430-444.
［10］ Wang Z, Li Q. Information Content Weighting for Perceptual Image Quality Assessment［J］. IEEE Trans on Image Processing, 2011, 20(5): 1185-1198.
［11］ Kovesi P. Phase Congruency Detects Corners and Edges［C］//The Australian Pattern Recognition Society Conference. Sydney: IEEE, 2003: 309-318.
［12］ Ninassi A, Callet P L, Autrusseau F. Subjective Quality Assessment-IVC Database［DB/OL］. ［2011-10-2］. http://www2.irccyn.ec-nanates.fr/ivcdb/.
［13］ Ponomarenko N, Lukin V, Zelensky A, et al. TID2008-a Database for Evaluation of Full Reference Visual Quality Assessment Metrics［J］. Advances of Modern Radioelectronics, 2009(10): 30-45.
［14］ Horita H, Shibata K, Kawayoke Y, et al. MICT Image Quality Evaluation Database［DB/OL］. ［2011-10-2］. http://mict.eng.u-toyama.ac.jp/mictdb.html.
［15］ Sheikh H R, Wang Z, Cormack L, et al. Live Image Quality Assessment Database Release 2［DB/OL］. ［2011-10-2］. http://live.ece.utexas.edu/research/quality/subjective.htm.
［16］ Larson E C, Chandler D M. Categorical Image Quality (CSIQ) Database ［DB/OL］. ［2011-10-2］. http://vision. okstate.edu/csiq.

[1]	赵辉,冯南之,王泉,万波,王静. 面向边缘计算平台的半线上任务动态调度方法[J]. 西安电子科技大学学报, 2021, 48(6): 8-15.
[2]	王汝言,吴和,崔亚平,吴大鹏,张鸿. 超密集网络中多基站博弈边缘卸载策略[J]. 西安电子科技大学学报, 2021, 48(4): 1-10.
[3]	马悦,张玉梅. 面向多接入边缘计算的VNFM分布式部署方案[J]. 西安电子科技大学学报, 2021, 48(4): 20-26.
[4]	凌敏,罗影,袁亮,靳传学. 一种面向智慧交通的车联网网络流量估计方法[J]. 西安电子科技大学学报, 2021, 48(3): 40-48.
[5]	陆金文,闫华,殷红成,张磊,董纯柱. 用于三维散射中心SBR建模的边缘绕射修正[J]. 西安电子科技大学学报, 2021, 48(2): 117-124.
[6]	张文柱,曹琲琲,余静华. 移动边缘计算中一种多用户计算卸载方法[J]. 西安电子科技大学学报, 2020, 47(6): 131-138.
[7]	陆继翔,方博雅. 移动边缘计算的多用户计算卸载研究及实验[J]. 西安电子科技大学学报, 2020, 47(4): 78-85.
[8]	孙骞,张家瑞,高岭,王宇翔,杨建锋. 一种改进的边缘层节点健康态势预估方法[J]. 西安电子科技大学学报, 2020, 47(3): 32-39.
[9]	王忍,王翊,胡艳军,蒋芳,许耀华. 超密集异构网络中过载MEC服务器的协作卸载[J]. 西安电子科技大学学报, 2020, 47(2): 126-134.
[10]	刘建歌, 慕德俊. 一种SAR影像冰水边缘线提取算法[J]. 西安电子科技大学学报, 2018, 45(6): 106-111.
[11]	崔华;袁超;魏泽发;李盼侬;宋鑫鑫;纪宇;刘云飞. 利用FCM对静态图像进行交通状态识别[J]. 西安电子科技大学学报, 2017, 44(6): 79-84.
[12]	路文;李帅;徐红强;何立火. 一种利用像素局部相关性的图像质量评价方法[J]. 西安电子科技大学学报, 2017, 44(1): 94-99.
[13]	蔺素珍;王栋娟;钟家让;朱小红;张商珉. 利用曲率特征虚拟拼接青铜器小碎片的方法[J]. 西安电子科技大学学报, 2016, 43(6): 141-146.
[14]	刘娟妮;周诠. SMVQ索引分类编码无损信息隐藏算法[J]. 西安电子科技大学学报, 2016, 43(5): 128-132+146.
[15]	何嘉懿;廖桂生;杨志伟;孙存光. 一种参数化轨迹增强的TBD算法[J]. J4, 2015, 42(6): 17-22.

视觉相似性图像质量评价方法

Visual similarity index for image quality assessment

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10