在多媒體通信、移動云計(jì)算以及物聯(lián)網(wǎng)時(shí)代,數(shù)字圖像的內(nèi)容不再局限于自然圖像。近年來,一類由計(jì)算機(jī)渲染產(chǎn)生的顯示在各終端設(shè)備屏幕上的圖像逐漸增多,稱之為屏幕圖像（Screen Content Image,SCI）。研究表明,與自然圖像相比,屏幕圖像可以產(chǎn)生不同的圖像特征,在圖像處理的各種過程中會無法避免各種失真類型（如高斯噪聲、壓縮）的引入造成圖像質(zhì)量退化。由于現(xiàn)有的圖像質(zhì)量評估模型大多是針對自然圖像而開發(fā)的,然而無法對屏幕圖像的感知質(zhì)量進(jìn)行準(zhǔn)確的評價(jià)。因此如何對屏幕圖像進(jìn)行精確的質(zhì)量評價(jià)具有重要意義。本文根據(jù)人類視覺系統(tǒng)的感知特性和屏幕圖像本身的基本特性,提出了基于梯度域中邊緣特征的屏幕圖像質(zhì)量評估模型（EFGD）,該模型在梯度域中分別針對屏幕圖像亮度通道和色度通道,提取了邊緣銳度相似圖（ESM）、邊緣亮度對比度相似圖（EBCM）和邊緣色度相似圖（ECM）三種基本邊緣特征相似圖,并且采用能較好地表示屏幕圖像邊緣空間布局的梯度輪廓模型（GPS）來測量屏幕圖像的邊緣銳度。利用一種新的計(jì)算方法來捕捉屏幕圖像梯度圖的亮度和對比度變化（即邊緣亮度/對比度）。利用梯度域中色度通道的顏色矩來表示邊緣色... 

【文章來源】：青島大學(xué)山東省

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【部分圖文】：

眼球結(jié)構(gòu)圖

Ｉｍａｇｅ?Ｑｕａｌｉｔｙ?Ａｓｓｅｓｓｍｅｎｔ?Ｄａｔａｂａｓｅ）與?ＳＣＩＤ?［１７］（?Ｓｃｒｅｅｎ?Ｃｏｎｔｅｎｔ?Ｉｍａｇｅ）。它們是現(xiàn)階段能夠??公開獲得的專門對于屏幕圖像質(zhì)量評估的圖像數(shù)據(jù)庫。在這之中，ＳＩＱＡＤ數(shù)據(jù)庫包??含２０張參考屏幕圖像、９８０張失真屏幕圖像以及對應(yīng)的差異平均意見值。由圖３．３??可知，由于屏幕圖像的各種運(yùn)用場景與特性，參考圖像的文字和趨于具備各種大小??比例、位置關(guān)系以及組合形式，失真屏幕圖像主要包含７類比較普遍的失真種類對??于參考屏幕圖像展開質(zhì)量退化而得到，為區(qū)別噪音的影響水平，每類失真種類包含７??類失真級別。而這部分失真種類主要包含：髙斯噪聲（ＧａｕｓｓｉａｎＮｏｉｓｅ，ＧＮ）、高??斯模糊（Ｇａｕｓｓｉａｎ?Ｂｌｕｒ，ＧＢ?）、運(yùn)動模糊（Ｍｏｔｉｏｎ?Ｂｌｕｒ，ＭＢ?）、對比度變化（Ｃｏｎｔｒａｓｔ??Ｃｈａｎｇｅ，?ＣＣ）、ＪＰＥＧ?壓縮（ＪＰＥＧ）、ＪＰＥＧ２０００?壓縮（Ｊ２Ｋ）和分層式編碼壓??縮（Ｌａｙｅｒ?Ｓｅｇｍｅｎｔａｔｉｏｎ?ｂａｓｅｄ?Ｃｏｄｉｎｇ，ＬＳＣ）。ＳＣＩＤ?數(shù)據(jù)庫主要由?４０?張參考屏幕??圖像與１８００張相應(yīng)的失真屏幕圖像和主觀評價(jià)分值

?ｍｕ?？ａＳ?：－??圖３．?３?ＳＩＱＡＤ中２０張不同的參考屏幕圖像??測［４３］，［４５］時(shí)提供的展開性能評價(jià)的規(guī)范流程，此次探究選擇了一個(gè)包括５項(xiàng)??參數(shù)的非線性回歸公式，把客觀質(zhì)量預(yù)測融入主觀分?jǐn)?shù)中。??Ｚｉ?＝；７ｉ＋｛－－??：???ｍ?３－?（２）??２?ｌ?＋?ｅｘｐ＾＾－＾）］??在上述表達(dá)式內(nèi)，０，表示ＩＱＡ模型核算的失真ＳＣＩ感知質(zhì)量分?jǐn)?shù)，２，表示相應(yīng)??的映射分?jǐn)?shù)。為曲線擬合環(huán)節(jié)內(nèi)應(yīng)當(dāng)明確的５項(xiàng)參數(shù)。??在進(jìn)行擬合之后，一般會核算三個(gè)通用的性能評價(jià)原則。線性皮爾森相關(guān)系數(shù)??（Ｌｉｎｅａｒ?Ｐｅａｒｓｏｎ?Ｃｏｒｒｅｌａｔｉｏｎ?Ｃｏｅｆｆｉｃｉｅｎｔ，ＰＬＣＣ））主要用作評估客觀算法的精準(zhǔn)度，??１８??


本文編號：3400533