【摘要】：視覺作為人類最重要的感知機(jī)制之一,構(gòu)成了人類日常生活中百分之八十以上的信息來源。億萬年間,視覺幫助人類學(xué)習(xí)關(guān)鍵知識、理解生存環(huán)境,成就今天高度發(fā)達(dá)的現(xiàn)代社會。上世紀(jì),自照相機(jī)的發(fā)明,人類社會跨入了視覺信息的時代。近幾十年來,數(shù)字圖像逐漸成為日常生活中應(yīng)用最廣泛、最高效的信息媒介之一。學(xué)術(shù)界為求圖像的高保真、高質(zhì)量開展了大量研究。然而伴隨著圖像的采集,傳輸、處理以及存儲等過程,圖像不可避免地遭受不同類型、不同程度的失真。因此,為減弱圖像失真、優(yōu)化圖像處理系統(tǒng)、提高用戶觀看體驗,圖像質(zhì)量評價的需求應(yīng)運(yùn)而生�；谌祟惛兄c視覺計算,本文旨在:1)基于視覺系統(tǒng)與高層感知機(jī)制,提供就圖像質(zhì)量評價全面且深入的分析與研究;2)建立符合人類主觀質(zhì)量認(rèn)知的客觀圖像質(zhì)量評價準(zhǔn)則及相關(guān)方法。為此,本文系統(tǒng)并全面地探討了影響人類視覺質(zhì)量感知的各方面因素,深入地分析了針對圖像質(zhì)量具有敏感性的各類圖像特征指標(biāo)�？紤]人類定性質(zhì)量評價現(xiàn)象、結(jié)合人類視覺注意機(jī)制、引入無監(jiān)督視覺質(zhì)量特征學(xué)習(xí)理論,本文創(chuàng)新地提出了若干突破性思路,建立了新穎的圖像質(zhì)量客觀評價體系與方法,探索了圖像質(zhì)量評價領(lǐng)域的未來研究方向。具體而言,本文所提方法與主要貢獻(xiàn)如下:1)提出了一種基于模糊分類的部分參考型圖像質(zhì)量評價方法。通過引入人類對圖像質(zhì)量感知的定性評價準(zhǔn)則,結(jié)合模糊集合理論,針對通信系統(tǒng)特定應(yīng)用環(huán)境,本章提出了一種快速、有效的部分參考型圖像質(zhì)量評價方法。該方法將圖像質(zhì)量空間等分為若干模糊集合,借助小波域自然場景統(tǒng)計特征,訓(xùn)練基于人工神經(jīng)網(wǎng)絡(luò)的模糊分類器。待測圖像質(zhì)量得分由模糊集合及其對應(yīng)隸屬度去模糊求得。在通用數(shù)據(jù)庫上充分的實驗結(jié)果驗證了該方法的有效性與準(zhǔn)確性,并且與同類典型方法相比具有一定優(yōu)越性。2)提出了一種基于深度學(xué)習(xí)網(wǎng)絡(luò)的無參考型圖像質(zhì)量評價方法。人類視覺系統(tǒng)具有典型的深度層級結(jié)構(gòu),因而產(chǎn)生復(fù)雜的非線性映射。傳統(tǒng)機(jī)器學(xué)習(xí)理論受限于學(xué)習(xí)層數(shù)過少,無法準(zhǔn)確刻畫高度的非線性結(jié)構(gòu),因此在建模人類視覺系統(tǒng)上捉襟見肘。本章結(jié)合深度學(xué)習(xí)網(wǎng)絡(luò),探索了圖像質(zhì)量的自然語言定性描述規(guī)則,建立了統(tǒng)一的深度學(xué)習(xí)圖像質(zhì)量評價模型。具體而言,利用小波域自然場景統(tǒng)計特征,待測圖像經(jīng)由判別性深度學(xué)習(xí)網(wǎng)絡(luò)被分為“優(yōu)秀”、“好”、“良”、“差”以及“極差”五類。結(jié)合貝葉斯理論,創(chuàng)新地設(shè)計了圖像質(zhì)量綜合模塊,得到了包括圖像質(zhì)量定性描述、定量評價以及質(zhì)量分布的圖像質(zhì)量分層描述規(guī)則以迎合不同應(yīng)用場合需求。實驗證明其性能優(yōu)于同類經(jīng)典方法,同時驗證了基于分類的質(zhì)量評價模型較基于回歸的方法具有更好的小樣本魯棒性以及建模人類感知的合理性。3)提出了一種基于信息散度的視覺顯著性檢測方法服務(wù)于后續(xù)質(zhì)量評價研究。視覺顯著性檢測通過有效降低視覺冗余信息、強(qiáng)調(diào)視覺重要區(qū)域從而改變?nèi)祟愐曈X質(zhì)量感知結(jié)果�；谛畔⒉町悓�(dǎo)致視覺顯著性這一假設(shè),本章設(shè)計了信息散度針對信息差異的描述規(guī)則,提出了一種有效的兩步法框架用于視覺顯著性檢測。其中,首先利用獨(dú)立成分分析,結(jié)合高斯差分濾波,有效地獲得圖像的稀疏特征;其次,結(jié)合貝葉斯驚奇模型分析計算圖像的信息散度,進(jìn)而得到圖像的顯著性度量。多種數(shù)據(jù)庫上的大量實驗結(jié)果表明此方法較同類典型方法具有更好的主客觀一致性。4)提出了一種視覺顯著性引導(dǎo)的無參考型圖像質(zhì)量深度評價方法。受視覺注意機(jī)制影響人類質(zhì)量感知啟發(fā),本章結(jié)合了信息散度視覺注意模型和圖像質(zhì)量深度學(xué)習(xí)網(wǎng)絡(luò)模型,提出了一種統(tǒng)一、有效的無參考型圖像質(zhì)量評價模型。首先,利用視覺顯著性加權(quán)的小波域自然場景統(tǒng)計特征訓(xùn)練深度學(xué)習(xí)質(zhì)量評價網(wǎng)絡(luò);分類結(jié)果連同置信概率輸入基于貝葉斯理論的圖像質(zhì)量綜合模塊;最終輸出圖像質(zhì)量分層描述結(jié)果。實驗驗證了所提方法在通用數(shù)據(jù)庫上的有效性,證實了視覺注意的引入對圖像質(zhì)量評價的促進(jìn)作用。5)提出了一種視覺顯著性引導(dǎo)的圖像質(zhì)量特征學(xué)習(xí)方法�，F(xiàn)有圖像質(zhì)量評價模型大多手動設(shè)計與微調(diào)圖像質(zhì)量特征,其費(fèi)時費(fèi)力且極大限制了圖像質(zhì)量評價方法的靈活性與適用性。為解決這一問題,本章提出了一種視覺顯著性引導(dǎo)的無監(jiān)督質(zhì)量特征學(xué)習(xí)方法。具體而言,首先利用信息散度檢測視覺顯著區(qū)域;進(jìn)而結(jié)合獨(dú)立成分分析,設(shè)計了圖像質(zhì)量特征的全局編碼方法。所得特征用于無參考型圖像質(zhì)量深度評價方法,在通用數(shù)據(jù)庫上取得了與典型方法相當(dāng)?shù)脑u價性能,驗證了該特征學(xué)習(xí)方法對圖像質(zhì)量編碼與表示的有效性。本文通過探索基于人類感知和視覺計算的圖像質(zhì)量評價模型以及相關(guān)領(lǐng)域的研究方法,嘗試回答計算機(jī)視覺領(lǐng)域的基本問題之一:人類是如何“看”的。通過跨學(xué)科地結(jié)合神經(jīng)心理學(xué)、生理學(xué)、機(jī)器學(xué)習(xí)等領(lǐng)域最新研究成果,本文所涉及方法,從部分參考型圖像質(zhì)量評價,到無參考型質(zhì)量評價模型,進(jìn)而深入基于視覺注意的質(zhì)量描述,從不同角度、不同方向,系統(tǒng)全面地分析了基于人類感知和視覺計算的圖像質(zhì)量評價領(lǐng)域。文中所提新方法、新觀點(diǎn)為圖像質(zhì)量評價領(lǐng)域的未來研究方向提供了一定的參考和有益的借鑒。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
，

本文編號：2523059