基于海量图像数据的无参考图像质量评价研究-王森.docx

《基于海量图像数据的无参考图像质量评价研究-王森.docx》由会员分享，可在线阅读，更多相关《基于海量图像数据的无参考图像质量评价研究-王森.docx（60页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、硕士学位论文 基于海量图像数据的无参考图像质量评价 研究 NO-REFERENCE IMAGE QUALITY ASSESSMENT BASED ON MASS IMAGE DATA 王森 哈尔滨工业大学 2014年 6月 国内图书分类号： TP391.4 国际图书分类号： 681.39 学校代码： 10213 密级：公开 工 学 硕 士 学 位 论 文 基于海量图像数据的无参考图像质量评价 研究 硕 士 研 究 生 ： 王 森 导 师 ： 姜 峰 副 教 授 申请学位 ：工 学 硕 士 学科 ：计算机科学与技术 所在单位 ：计算机科学与技术学院 答 辩 日 期 ： 2014年 6月 授予学位

2、单位 ：哈尔滨工业大学 Classified Index: TP391.4 U.D.C: 681.39 Dissertation for the Master Degree in Engineering NO-REFERENCE IMAGE QUALITY ASSESSMENT BASED ON MASS IMAGE DATA Candidate： Sen Wang Supervisor： Academic Degree Applied for ： Speciality: Affiliation: Associate Prof. Feng Jiang Master of Engineering

3、 Computer Science and Technology School of Computer Science and Technology Date of Defence: June, 2014 Degree-Conferring-Institution: Harbin Institute of Technology 摘要 图像数据在获取、存储、传输和处理的过程中不可避免地会遇到质量退化 的问题，这将影响人们对图像信息的理解和应用。因此，图像的质量评价显得 必不可少。由于人是图像信息的最终接收者，所以其图像质量感受即主观感受 被作为图像质量评价的衡量标准。图像质量的主观感受评价过程被

4、称为主观图 像质量评价，具有费时、费力的局限性。这导致它只能作为客观评价方法的衡 量标准却不能应用在实时的系统中，因此众多的研宄者不断地致力于寻找与主 观感受一致的客观图像质量评价方法。在客观评价方法中又可根据是否需要原 始参考图像分为全参考方法、半参考方法和无参考方法。其中无参考图像质量 评价方法应用最广泛。 本文提出了一种独立于失真类型的无参考图像质量评价方法即一般意义上 的无参考方法：在海量的图像数据库中检索与当前失真图像高度相似的图像作 为参考，利用成果显著的全参考图像质量评价方法估计出当前失真图像的质量 评分。通过大量的实验验证，本文所提出的方法不仅可以克服现有一般意义上 的无参考方

5、法的局限性，同时还能取得与主观质量感受较高的一致性。 总的来说， 本文的主要贡献有以下三个方面： (1) 提出了一种基于遗传算法的图像对齐方法。通过 SIFT特征点的提取 和匹配，获得了一定数量的 SIFT匹配对。再利用遗传算法找到这些匹配对中正 确的四个匹配对，从而计算出正确的变换矩阵，实现图像对齐。 (2) 给出了主流块匹配度量准则在各种噪声下的稳定性分析。由于图像质 量评价中面对的是失真图像，因此在做局部块匹配时需要考虑块匹配度量准则 在噪声下的稳定性，从而可以选取最稳定的度量准则来实现块匹配。 (3) 提出了一种基于海量图像数据的无参考失真度量算法。现有的一般意 义上的无参考算法具有如

6、下的局 限性： a)需要大规模含有主观评分的训练集。 b)训练数据依赖。 c)无法提供质量分布图。由于受到海量图像数据处理应用的 启发，本文创新性地提出利用全参考方法来解决无参考问题。该方法可以从根 本上规避基于回归模型学习的无参考方法的缺陷。 关键词：图像质量评价；无参考；相似图像；图像检索；图像对齐 Abstract Image data usually suffer distortion inevitably in the process of acquisition, storage, transmission and processing and this makes it hard

7、 to understand and exploit the image information. Obviously, the work of image quality assessment is an essential work. Since the human beings are the ultimate observers of the images, so the human perceptual quality is regarded as the criterion of image quality assessment methods. The process of pe

8、rceptual quality estimation which is named subjective image quality assessment is very expensive and time-consuming. As a result, it cannot directly used in real-time system. So a lot of researchers devote themselves to the work of objective quality assessment. The objective assessment methods can b

9、e classified into full reference (FR) ones, reduced reference (RR) ones, and no reference (NR) ones according to whether the reference image is available. By the way, the no-reference image quality assessment approaches are the most widely used ones. This paper proposes a general-purpose no-referenc

10、e image quality assessment method: we first retrieve numerous highly correlated images in a large image database as reference. Then we exploit the success of full-reference methods to estimate the quality of the degraded image. By a large number of experiments, the proposed method can overcome the d

11、rawbacks of existing general-purpose no-reference methods and delivers a highly consistency with human subjective evaluation. In general, the main contribution of this paper can be summarized as the following three aspects: (1) An image alignment method based on genetic algorithm is proposed here. T

12、hrough the extraction and matching of SIFT feature points, we can achieve a plenty of SIFT matching pairs. Then we will implement genetic algorithm to find the correct four matching pairs and calculate the correct transformation matrix. Finally, we can achieve the correct image alignment. We have gi

13、ven the experimental results of the performance of the mainstream block matching metrics under various noise situations. Due to the degradation image in this application, so here we need to analysis the stability of block matching metrics and choose the best one to finish the patch matching work. (3

14、) A novel mass image data based no-reference distortion metric is proposed here. The most existing no-reference methods have several limitations as bellow: a) These methods always need a large human scored image database for training. b) Training data dependence. c) They cannot provide local quality

15、 map. As inspired by the success of the processing of massive image data, we put forward using full reference method to solve the no-reference problem. So our method can fundamentally avoid the limitations of existing regression model based no-reference methods. Keywords: Image quality assessment (I

16、QA), No-reference (NR), Correlated images, Retrieval, Image alignment 目录 摘要 . I ABSTRACT . II 第 1 章绪论 . 1 1.1课题背景 . 1 1.2研究的目的和意义 . 1 1.3图像质量评价的理论基础 . 2 1.3.1图像质量评价的分类 . 2 1.3.2图像质量评价算法的评价标准 . 3 1.4本文的组织结构 . 5 第 2章图像质量评价方法概述 . 7 2.1引言 . 7 2.2全参考图像质量评价方法概述 . 7 2.2.1自下而上的策略 . 7 2.2.2自上而下的策略 . 9 2.3无参考

17、图像质量评价方法概述 . 10 2.3.1针对特定失真类型的无参考方法 . 10 2.3.2不依赖失真类型的无参考方法 . 11 2.4本章小结 . 12 第 3章基于遗传算法的图像对齐方法 . 13 3.1引言 . 13 3.2图像对齐的理论基础 . 13 3.2.1图像对齐的基本定义 . 13 3.2.2空间几何变换 . 13 3.3图像对齐方法概述 . 15 3.3.1基于图像空间域的方法 . 16 3.3.2基于图像变换域的方法 . 17 3.3.3基于信息论的方法 . 17 3.3.4基于特征点匹配的方法 . 18 3.4基于遗传算法的图像对齐方法的研宄意义 . 21 3.4.1算法

18、原理 . 21 3.4.2算法局限性及解决思路 . 23 3.5基于遗传算法的图像对齐方法 . 25 3.5.1算法框架及优化目标的选取 . 25 3.5.2图像特征点检测及匹配 . 26 3.5.3图像变换模型估计 . 27 3.5.4图像变换 . 29 3.6实验结果及分析 . 29 3.7本章小结 . 30 第 4章基于海量图像数据的无参考失真度量算法 . 31 4.1引言 . 31 4.2问题定位及方法动机 . 31 4.3 MIDDM算法框架 . 33 4.4特征提取 . 34 4.5图像检索 . 35 4.6全局图像对齐 . 36 4.7局部块匹配 . 37 4.8图像质量估计 .

19、 38 4.9实验结果及分析 . 40 4.9.1图像库 . 40 4.9.2质量评价方法的度量准则 . 41 4.9.3实验结果 . 41 4.10本章小结 . 44 结论 . 45 参考文献 . 46 攻读学位期间发表的论文及其它成果 . 50 哈尔滨工业大学学位论文原创性声明和使用权限 . 51 致谢 . 52 第 1章绪论 随着图像数据的丰富以及随之而来的图像处理应用的增多，图像处理基础 工作一一图像质量评价越来越受到人们的重视。本章着重概述了图像质量评价 的研宄背景，以及图像质量评价的研宄目的和意义。最后，本文初步的讲解了 图像质量评价领域的基本理论知识。 1.1课题背景 图像是人类

20、传播和获取信息的重要途径之一。它具有一个典型的特点一一 极其丰富的信息。即使是同一幅图像在不同的应用场景和不同的观察者眼中都 可能找到不同的信息内容。因此在图像的传输、存储、显示和处理中都要确保 其信息的充分性和准确性。然而，由于各种不可避免的因素影响，图像很容易 产生退化问题。这将对图像的信息内容价值大打折扣。此时，在图像相关领域 建立可靠的图像质量评价机制就显得格外重要。 图像质量评价 （ Image Quality Assessment， IQA)的主要研宄内容是需要找 到一种客观的评价算法能与人 眼主观质量感受相一致。这其中需要利用到人类 视觉系统 （ Human Vision Sys

21、tem， HVS)的知识。例如视觉掩盖效应 1、视敏 度 2、最小可觉差 3等。而人类视觉系统是一个极其复杂且还没有被人类自身完 全了解的系统。因此，图像质量评价还出于研宄的初级阶段，需要做的工作还 很多。 随着社交网站和智能手机的快速发展，人们可以随时随点的分享图片。海 量的图像数据遍布整个网络空间。不言而喻，图像大数据时代已经来临。这就 使寻找一种实时的、准确的、有效的图像质量评价算法变得更加重要。传统的 无参考图像质量评价常常使用结合特征提取和回归学习的模型。但这样的方法 显然无法满足对各种数据集都有稳定的性能。新的问题环境，给我们以新的启 示，也更需要我们用新的思路去解决。如何利用好

22、“ 海量 ” ，如何有效的利用这 个 “ 大 ” 去解决问题，这才是大数据时代需要我们解决的思维起点。 1.2研究的目的和意义 图像信息很容易在获取、传输、处理、存储的过程中发生退化现象，这就 导致图像信息带给最终的观察者的视觉效果非常差。图像质量评价的目的就是 要快速的、准确的给出这种退化程度，从而人们可以评价图像处理的性能或者 当前图像信息的有效性等。人作为图像最终的观察者，所以人的主观质量感受 被当作图像质量评价的衡量标准。既然人的主观感受都可以作为质量评价的衡 量标准，那为什么不直接采用主观感受评分作为最终图像的质量评价结果呢？ 当然最理想的是直接使用主观评价方法，但是主观评价方法具有

23、费时费力的缺 陷。因此，图像质量评价还需要找到一种自动的、快速的客观图像质量评价算 法。在客观图像质量评价方法中，又可根据是否有当前失真图像的原始参考图 像分为全参考方法、半参考方法和无参考方法。其中无 参考方法应用场景不受 局限，因此应用最广泛。 随着社交网络的快速兴起，互联网中随处可见海量的图像数据。人们越来 越亟需解决各种图像的理解和应用。这就使图像质量评价的应用越来越广泛。 利用图像质量评价的机制可以在视频的编解码中比较各个编解码器环节的性 能，从而达到优化编解码器的目的。在网络媒体的应用中，终端用户体验可以 通过视频质量评价得到。总结起来，主要表现为： (1) 用于评价各种图像处理算

24、法的性能。如果没有一个合理的质量评价标 准，很多图像处理应用研宄无法健康的发展。 (2) 用于动态实时检测图像的质量。例如在视频码流 分配时，实时给出当 前视频帧质量是很重要的。 (3) 便于图像应用系统的参数调整和选择，使系统可以达到更高的性能。 图像质量评价的作用不仅仅限于此。任何图像应用场景中，只要需要给出 图像质量好坏，就需要图像质量评价。而且，这种评价有时需要具有非常高的 与主观人眼质量感受的一致性，这样才能达到一种公信力，一种真正意义上的 衡量标准。 1.3图像质量评价的理论基础 1.3.1图像质量评价的分类 首先要明确一个概念一一图像质量是什么？图像质量主要包括图像信息的 逼真度和可懂度。这俩个方面都将影响到人眼获取图像信息的充分性和准确性。 在图像的采集到应用各个环节都可能导致这俩个因素的退化。因此，人们一直 希望找到一种定量的方法，可以作为图像应用各环节设计的依据。 图像质量评价方法首先可以分为主观质量评价和客观质量评价。图像主观 质量评价是指在评测环境中，多名评测人员主观打分，最后综合起来得到图像 的主观评分。图像客观质量评价是指利用评测算法按照理论设定的评测机制对 图像分析自动得出图像的质量评分。由于主观质量评价需要耗费大量的人力、 物力和时间，所以不能简单的直接应用 在实时的系统中。因此，大量的图像领