人类视觉关于图像质量感知模型的研究

我们提出假设：人类视觉关于共同性和差异性的感知能力可能同样存在于早期视觉阶段，因此视觉关于图像质量差异的感知由早期视觉功能完成，在此基础上提出了形式简洁的NSE图像质量评估模型，现有的实验表明该模型优于国际上已有的图像质量评估方法，同时该模型也是国际上第一个完全基于早期视觉计算模型的图像质量感知模型。本项目将在神经生理学和心理学的基础上，研究构造更加完善的NSE计算模型，解决参数选择问题；在信号处理理论的框架下说明NSE计算模型和其它图像质量评估方法的关系；研究视觉感知意义下完美早期视觉特征的表现方式；在此基础上研究全参考、部分参考和无参考图像质量评估方法；研究非均匀退化机制下的图像质量评估方法。本项目的研究将丰富早期视觉计算模型的内容，获得视觉感知早期视觉特征的机制和评估图像质量的模型，开发准确高效的图像质量评估工程技术。

本项目从自然图像的特性和人类视觉的早期视觉机理出发，研究各种不同给的图像差异感知模型的建立、用于感知模型验证的数据库的建立以及图像差异感知模型在图像/视频压缩编码中的应用。首先利用自然图像的早期视觉特性提出了各种图像差异模型，包括基于边缘不动点的全参考图像感知模型，基于特征相似性的全参考图像感知模型，基于自然图像边缘模式特性的几种部分参考感知模型，基于自然图像自相似性的部分参考和无参考图像感知模型，基于DNT变换独立统计性的无参考图像感知模型和基于主成分分析的无参考图像感知模型。为了充分的验证这些模型，我们建立的具有多种失真类型，多个失真等级的以及独特内容的图像质量感知主观数据库，从特定图像内容，特定图像失真类型，特定失真程度等不同方面研究各种图像感知模型在特性。在图像/视频压缩中，一个好的图像感知模型可以指导建立一个更加符合人类视觉感知的码率分配方案。本项目利用建立好的图像质量感知模型，应用在现有的图像/视屏压缩编码框架中，对其中的比特分配方案进行创新，得到更符合人类视觉感知的分配方案。