隨著互聯(lián)網(wǎng)技術和云計算的快速發(fā)展,越來越多的屏幕圖像涌現(xiàn)在互聯(lián)網(wǎng)中,同時,基于智能終端的多媒體應用的快速發(fā)展也加快了屏幕圖像數(shù)據(jù)的產生。與傳統(tǒng)圖像類似,屏幕圖像在采集、傳輸、存儲等環(huán)節(jié)中會造成數(shù)據(jù)丟失,產生不同類別的失真。為了獲取更好的主觀視覺效果,需要設計客觀算法對屏幕圖像的視覺質量進行評價,同時對屏幕圖像處理系統(tǒng)性能進行評價和優(yōu)化。傳統(tǒng)的自然圖像視覺質量評價算法相對成熟,而針對屏幕圖像的視覺質量評價算法研究才剛開始。由于屏幕圖像展示出與自然圖像不一樣的視覺特性,且自然圖像視覺質量評價算法在預測屏幕圖像視覺質量時會產生較大的偏差,設計有效的屏幕圖像視覺質量評價算法是屏幕圖像處理領域亟需解決的問題。本文針對屏幕圖像視覺質量評價問題,進行了系統(tǒng)深入的研究工作,旨在通過研究人類視覺系統(tǒng)的感知特性來提升屏幕圖像質量預測精度、視覺特征表達能力和質量評價模型學習效率。本文的研究工作主要通過視覺特征提取、質量評價模型構建和客觀實驗驗證三方面展開。鑒于屏幕圖像主觀質量評價方法的高成本、非實時等缺點,我們針對屏幕圖像異于自然圖像的視覺特性（屏幕圖像包含文本區(qū)域和圖像區(qū)域）設計了一個全參考質量評價算法來... 

【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：147 頁

【學位級別】：博士

【部分圖文】：

圖像客觀評價方法的性能評價框架

華中科技大學博士學位論文29withDithering:CQD），每種失真類型有五個不同的連續(xù)失真等級。測試者通過使用相同的設備和觀看條件，給出失真圖像的主觀質量分數(shù)。該數(shù)據(jù)庫中的原始圖像如圖2.2所示。2.3屏幕圖像視覺質量評價模型研究一直以來，許多研究人員致力于研究屏幕圖像的視覺質量評價。根據(jù)技術的劃分，屏幕圖像質量評價研究分為傳統(tǒng)方法和機器學習方法。傳統(tǒng)方法主要體現(xiàn)于需要人工設計函數(shù)進行提取視覺特征，而機器學習方法需要設計搭建神經網(wǎng)絡框架，然后由神經網(wǎng)絡進行自動提取視覺特征。圖2.1SIQAD數(shù)據(jù)庫中原始屏幕圖像

華中科技大學博士學位論文30圖2.2SCID數(shù)據(jù)庫中原始屏幕圖像2.3.1基于傳統(tǒng)方法的屏幕圖像質量評價有參考屏幕圖像質量評價方法：在過去的幾十年中，客觀圖像質量評價領域取得了重大進展[74-78]，然而，大多數(shù)現(xiàn)有方法都是針對自然圖像進行設計的。屏幕圖像的圖像結構和統(tǒng)計特性通常與自然圖像不同，因此，現(xiàn)有的大多數(shù)客觀質量評價模型不適合運用于屏幕圖像的視覺質量評價。通常，色調不連續(xù)的計算機合成的圖像具有重復圖案、尖銳邊緣和細線以及少量顏色等特點，而自然圖像通常具有連續(xù)色調、平滑邊

【參考文獻】：
期刊論文
[1]顏色空間統(tǒng)計聯(lián)合紋理特征的無參考圖像質量評價[J]. 范賜恩,冉杰文,顏佳,鄒煉,石文軒.  光學精密工程. 2018(04)
[2]基于非零均值廣義高斯模型與全局結構相關性的BRISQUE改進算法[J]. 唐祎玲,江順亮,徐少平.  計算機輔助設計與圖形學學報. 2018(02)
[3]結合視覺注意力機制和圖像銳度的無參圖像質量評價方法[J]. 王凡,倪晉平,董濤,郭榮禮.  應用光學. 2018(01)
[4]無參考屏幕內容圖像質量評價[J]. 朱映映,曹磊,王旭.  軟件學報. 2018(04)
[5]采用邊緣信息的屏幕圖像質量評價[J]. 符穎,曾煥強,倪張凱,陳婧,蔡燦輝.  信號處理. 2017(04)
[6]廣義平均的全參考型圖像質量評價池化策略[J]. 劉國軍,高麗霞,陳麗奇.  光學精密工程. 2017(03)
[7]基于非局部結構張量的SSIM圖像質量評價方法[J]. 張文娟,張麗麗,王艷紅.  計算機應用研究. 2017(10)
[8]無參考圖像質量評價綜述[J]. 王志明.  自動化學報. 2015(06)



本文編號：3400126