基于结构模型及统计模型的图像质量评价算法的研究

Technological advancement has greatly facilitated the acquisition and representation of visual signals, and those ubiquitous visual contents have shaped our ways of living. As limited by the process of sampling, compression, transmission and display, the images shown to the audiences always contain some degree of distortions. We can only quantify the quality of the system through measuring the provided subjective image qualities. Based on the previous work in human visual system modeling, this project will start with the research of structural and statistical image models. The major topics are: first, the problem of comparative quality assessment of two or more videos with different distortion yet without the original references. This research will provide theoretical basis for the comparative study of performances of different visual communication systems. Second, the problem of unified visual attention and image quality estimation based on statistical image models. This research will break the limit of existing separated attention and quality estimation to achieve higher overall performance. Third, the problem of algorithm optimization targeted image quality assessment, which will provide a practical and effective image quality metric as an objective function for various perceptual image processing algorithms. Based on the research into some fundamental problems in image quality assessment, this project aims to provide both theoretical and technical backups for the improvements of quality of service and quality of experience of the next generation visual communication systems.

科技的飞跃为图像信息的采集和重现带来了极大的便利，图像内容深刻地影响着人类的生活方式。由于图像和视频在采集、压缩、传输和显示等过程中不可避免地引入失真，导致图像质量的下降。通过对视觉信号主观质量的测量，我们才能够判断视觉通信系统性能的优劣，进而进行有针对性的改进和优化。本项目拟在申请人所获得全国百篇优秀博士论文的前期工作基础上，以图像结构模型及统计模型为新的起点和切入点,研究无参考条件下两路或多路失真图像质量的比较评价问题，为实际视频通信系统的性能评判提供理论支撑;研究基于图像统计模型的视觉注意力-图像质量一体化估计问题，突破目前视觉注意力及图像质量独立计算对算法性能的限制；研究面向算法优化的图像质量评价算法的设计问题，为以提升视觉质量为目的的图像处理算法提供有效可行的优化目标。本项目的成果有望为测量及提升新一代视觉通信系统的服务及感知质量提供重要基础理论依据与技术支撑。

项目以多媒体信号的感知质量评价及优化为核心，在7个相关领域开展了较为深入和系统的研究。在多媒体感知质量评价领域，建立了基于自由能模型的感知质量评价体系，研究了压缩图像质量评价，研究了观看环境对感知质量的定量影响，研究了针对多种显示设备和模式的感知质量分析，研究了面向图像采集设备的质量评价，研究了通用图像质量评价方法，建立了大规模主观质量评价数据库。项目在视觉显著性建模领域，研究了通用显著性计算方法，研究了各种视觉失真对显著性的影响，研究了人脸图像的显著性分析。项目在心理视觉调制显示领域，研究了视觉信号分解算法，研究了心理视觉调制显示技术在医学影像显示、影院防偷拍、保密照明、屏幕内容隐藏、新型投影等领域的应用。项目在计算视觉辅助领域，研究了面向视觉障碍人群的视觉增强技术。在机器视觉领域，研究了基于快速特征检测的图像匹配技术，研究了基于深度学习的影像组学用于脑胶质瘤生存期预测，研究了多模态呼吸监控技术，研究了非接触式高光谱食品特性检测，研究了监控影像数据的测试平台。在图像复原与增强领域，研究了基于自适应分段自回归模型的图像复原算法，研究了基于多项线性自回归模型的误码掩盖算法，研究了基于迭代最小二乘法的噪声估计模型，研究了图像广义均衡模型。在图像视频编码领域，研究了基于图像自适应下采样的视频编码方案，研究了标准格式兼容的流密码加密图像的编解码方案。.项目共发表论文82篇，其中SCI期刊论文30篇，IEEE会刊论文16篇，ESI高被引论文两篇。获得专利授权7项。部分研究成果获得转化及产业应用。项目研究成果获得国际会议最佳论文/竞赛奖3项，项目组成员因视觉质量评价方面的工作获得2016年度中国电子学会优秀博士学位论文奖。项目负责人获得自然科学基金优秀青年科学基金，入选国家万人计划青年拔尖人才。项目负责人作为第一完成人获得2017年度中国电子学会自然科学一等奖。项目负责人指导学生获得2017年挑战杯特等奖。