摘要
上世纪，照相机发明以来，人类进入了视觉信息时代。同时，伴随着多媒体技术以及手机等新型手持设备的发展，如何为用户提供高质量的视觉信息成为了一个研究热点。数字图像是日常生活中应用最广泛、最高效的信息媒介之一。然而数字图像在获取、压缩、传输、增强以及重构等过程中不可避免的会受到失真的影响。图像失真造成了图像视觉质量的下降，影响用户的观看体验，如何正确的评价图像质量以符合人眼视觉感知的需求应运而生。最符合人眼视觉效果的图像质量评价方法是通过专业评价人员进行主观评价。但是图像质量主观评价具有耗时高、耗费大和不具备实时性的缺点。而图像质量客观评价方法通过合理算法使计算机设备能够自动精确的预测符合人眼视觉效果的图像质量。因此图像质量客观评价方法更适合实际运用。论文主要聚焦全参考图像质量评价和无参考图像质量评价方法。同时针对遥感图像特点构建了遥感图像主观评价数据库进行图像客观评价方法的测试验证。 具体而言，论文工作的主要成果与所提方法贡献如下: (1)提出了三种全盲图像质量评价方法:1）提出基于图像灰度波动的全盲图像质量评价方法(Completely blind image quality assessment based on gray-scale fluctuations，GFQA);2)提出了基于图像灰度波动和分形维数分析的全盲图像质量评价方法(Completely blind image quality assessment via image gray-scale fluctuations and fractal dimension analysis，BVGF);3)提出基于潜在语义分析的全盲图像质量评价方法(Blind image quality assessment via probabilistic latent semantic analysis,BVLS)。其中，GFQA方法通过灰度波动图中特定灰度波动值存在的概率来对图像客观质量进行预测。BVGF方法在GFQA方法的基础上引入分形维数的概念，将分形维数特征和灰度波动特征相结合共同进行图像质量评价。基于潜在语义分析的全盲图像质量评价方法提取图像中质量相关特征并引入概率潜在语义分析(probabilistic latent semantic analysis，PLSA)的相关知识得到图像中不同语义主题的分布概率，建立“图像-潜在语义-视觉单词”的概率模型，最后根据失真图像和非失真图像之间的语义相似性来对失真图像进行质量预测。三种方法能够在不借助人眼主观质量评分及参考图像等额外信息的基础上来对图像给出准确的质量评判。在公开图像数据库的实验结果表明三种方法对图像质量的预测结果与人眼主观评价结果具有较高的一致性，并适用于多种图像失真类型。 (2)提出基于稀疏表示的无参考图像质量评价方法(No reference image quality assessment based on sparse representation，SR_IQA)。该方法首先通过特定的图像灰度波动分析基元得到图像对应的灰度波动图。接着，将得到的灰度波动图分为固定大小的小块，并将小块中灰度波动值拉伸为相同长度的列向量，通过稀疏表示得到对应的过完备字典。之后，计算失真图像对应的稀疏系数进而得到字典中不同单词在失真图像中的存在概率。最后，利用支持向量机(Support vector machine，SVM)回归模型建立单词存在概率和主观质量评价分值之间的联系，从而得到图像质量评价模型。实验结果表明，该方法在多个公开图像数据库上取得了较好的效果，能够适应多种图像失真类型且准确的预测图像质量。 (3)基于遥感图像可利用性的评价方法研究:1)提出基于图像可利用性的遥感图像主观评分数据库的构建方案;2）提出基于遥感图像可利用性的无参考图像质量评价方法(A usability-based no-reference Image quality assessment，UB_IQA)。基于图像可利用性的遥感图像主观评分数据库为相应的特性客观质量评价方法提供了可信的验证平台。基于遥感图像可利用性的无参考图像质量评价方法首先提取不同质量等级小图的图像尺度不变特征(Scale Invariant Feature Transform，SIFT)并通过K-Means聚类算法得到基本词库，之后计算训练集图像对应的特征单词直方图，在后采用支持向量回归的方法建立图像特征单词直方图和主观评分之间的联系以得到图像质量评价模型，最后通过得到的质量评价模型预测图像质量评分。在基于图像可利用性的遥感图像主观评分数据库的验证结果表明，该方法对图像可利用性评价结果与数据库主观评价结果有很高的一致性。 (4)提出基于图像空间结构信息的全参考图像质量评价方法(Image quality assessment via spatial structural analysis，SA_IQA)。该方法通过失真图像和参考图像之间灰度波动信息的变化来分析图像内空间结构信息的变化。该方法首先计算得到失真图像和参考图像之间的空间结构变化矩阵(Spatial structural information variation matrix，SSVM);之后基于SVM回归模型建立SSVM和人眼主观评价分值之间的联系得到图像质量评价模型;最后利用得到的图像质量评价模型预测图像质量。实验结果表明，SA_IQA方法适用于多种图像失真类型并适用于遥感图像质量评价。
NETL