基于自然图像统计和视觉去冗余机制的彩色图像质量评价

Image quality assessment (IQA) constrains the research and development of many image processing algorithms. However, most of IQA researches focus on evaluating the quality of gray scale images. The inadequate research of the quantitative relation between color and quality makes color IQA remain an unresolved problem. Moreover, the research approach of IQA is restricted by feature extraction strategies to some extent, which makes the research and algorithms more difficult. To solve above problems, the chromatic regularities of natural image statistics will be exploited by dictionary learning methods because statistical information of natural images can reveal the response properties of the human visual system (HVS). In order to find the quantitative relation between color and quality, the color perception model is constructed through simulating the color opponent mechanisms by using the statistical structure of color natural images. In addition, redundancy reduction is a primary function of the early visual system, so IQA research problem can be changed from feature extraction to redundancy reduction problem by modeling and analyzing the redundancy reduction mechanism of the HVS. The redundancy reduction model can be obtained by manifold learning theories. Finally, a color IQA framework is proposed by combining the color perception model and redundancy reduction model. This new framework will accelerate the immature color IQA research. Moreover, the theories about the visual perception model and redundancy reduction model will provide new ideas for the IQA research.

图像质量评价制约着诸多图像处理算法的研究与发展。然而，多数质量评价研究针对灰度图像展开，由于色彩与质量间的定量关系研究不足，导致彩色图像质量评价研究相对滞后，同时目前的质量评价研究在一定程度上受到特征提取思路的影响而变得愈加困难。为此，本项目拟借助自然图像统计理论利用字典学习策略发掘图像样本的色彩统计规律，并以此模拟视觉系统的色彩感知特性，建立色彩感知模型，实现色彩信息与图像质量间的定量分析。此外，初级视觉系统的主要功能是去除输入信号的冗余信息，因此拟分析和模拟视觉去冗余机制，利用流形学习思想构建去冗余模型，将特征提取问题变为冗余去除问题，通过去除与视觉感知无关的信息辅助图像质量评价研究。最终，通过融合色彩感知模型和去冗余模型构成彩色图像质量评价算法框架。该算法框架将对尚未成熟的彩色图像质量评价研究起到关键的促进作用，色彩感知模型和去冗余模型的提出也将为图像质量评价研究提供新思路。

图像质量评价是图像处理研究中的关键一环，许多图像处理算法（如图像压缩、图像恢复等等）都需要借助质量评价算法来判断其性能。如果质量评价方法不准确，许多图像处理算法将不能真实地反映其性能，图像处理研究也将极大地受到制约，并可能向错误的方向发展。目前，多数评价算法都只能计算灰度图像的质量，另有少数算法通过色彩空间变换来解决彩色图像的质量评价问题，但其性能和效率都难尽如人意。本课题旨在利用自然图像统计和视觉去冗余机制来构建图像质量评价算法和相关理论模型，以期更好地解决彩色图像质量评价问题。为了得到与视觉感知一致的质量评价结果，需将图像信号变换到符合视觉感知规律的空间内再进行计算，因此，本项目拟建立色彩感知模型和去冗余模型来模拟视觉系统的色彩感知特性和去冗余机制，最终，彩色图像质量评价算法模型将通过融合以上两个模型得到。这一思路同时考虑到了视觉系统的色彩感知和去冗余机制，通过实验验证，这一思路能准确地评价彩色图像质量。本课题获得的研究发现主要包括四个方面：1）完成了基于色彩感知与视觉去冗余机制的彩色图像质量评价模型，为彩色图像质量评价研究提供了新的研究方案和思路；2）设计完成了一系列有效的彩色图像质量评价算法，进一步推动了彩色图像质量评价研究；3）提出了快速图像质量评价的研究模型和相关研究方案，初步设计完成了快速质量评价算法，进一步扩大质量评价算法的应用范围；4）利用图像质量评价研究获得的理论和成果辅助其他图像处理研究，促进了学科的交叉，取得了一定的创新成果。课题组在自然基金资助期内按项目书的计划和方案完成了研究工作，并取得了一定的成果。课题组成员在项目执行期内共发表学术论文13篇，其中SCI检索论文12篇，中文核心论文1篇；获得河南省科技进步奖二等奖1项、三等奖1项；申请发明专利1项。