通用无参考图像和视频质量评价方法研究

如何客观评价图像和视频质量是目前图像和视频处理领域中的研究热点与挑战。近年来，全参考图像和视频质量评价取得了很多突出的成果，但无参考图像和视频质量评价仍然没有取得可喜的进展。本项目以解决无参考图像和视频质量评价问题为目标，有效提取与人类视觉系统相一致的图像和视频特征，如相位一致、结构信息、边缘统计、信息熵、能量、直方图分布及视频运动信息等，然后进行合理选择与组合，构建两类无参考的图像和视频质量评价模型。一类是针对指定蚀变类型（如JPEG、JPEG2000压缩编码、白噪声、高斯模糊和管道传输等）的无参考图像评价模型和针对指定视频蚀变（模糊、噪声、块效益和色彩失真等）的无参考视频质量评价模型。另一类是蚀变类型未知情况下融合集成的通用无参考图像和视频质量评价尺度。预期成果将更好地促进及应用于图像视频处理系统、视频质量监控、网络性能评测、消费媒体定级等领域。

如何客观评价图像/视频的质量是当前图像分析中的研究热点。通用无参考图像/视频质量评价更具实际意义，更是难点与挑战。本项目研究了两类问题：一类指定蚀变类型（如JPEG、JPEG2000、白噪声、高斯模糊等）图像/视频质量的无参考评价模型,一类未知蚀变类型图像/视频质量的无参考评价模型。.项目取得代表性成果如下：. （1）利用失真图像的熵和梯度幅值及其相位一致图像的均值和熵，构建了一种无需训练的无参考图像质量评价尺度。实验结果显示其性能优于PSNR及同类图像质量评价方法。. （2）研究发现，图像的奇异值倒数曲线近似幂函数曲线，随着图像失真程度的不同，奇异值倒数曲线的弯曲程度也不相同。根据这一特征，从面积和曲率两个角度，构造了基于奇异值倒数曲线的通用无参考图像质量评价指标。. （3）针对模糊和噪声图像，对图像先进行高斯低通滤波得到再模糊图像，再对图像进行奇异值分解，由构造的奇异值改变量来预测图像质量，建立了无参考模糊和噪声图像质量评价方法。. （4）针对多种混合失真类型，通过提取蚀变图像和其相位一致图像、相位一致协方差最大及最小图像的均值、梯度幅值、灰度-梯度共生矩阵和对比度敏感函数特征，建立了基于支持向量回归的混合失真类型图像质量的无参考评价方法。. （5）研究发现，不同失真类型和程度导致不同分辨率下视觉敏感系数的不同，利用失真条件下变化缓慢的高尺度子带能量预测理想图像的低尺度子带能量，然后通过预测值和实际值之间的能量差异来度量失真图像质量，建立了小波/轮廓波变换域自然场景统计模型的无参考评价方法。. （6）针对视频，首先将视频从YUV颜色空间转换到Lab空间，然后计算出视频图像的梯度信息，将其SSIM图划分成边缘、纹理和平滑区域，根据这三个区域加权获得视频的质量。最后融入时域信息，计算视频质量，提出一种时域联合的视频质量评价方法。. 项目针对已知、未知以及混合失真类型的图像/视频，构建了无需学习的通用无参考评价模型，以及基于机器学习的无参考评价模型，解决了图像质量的无参考评价问题，达到预期目标。项目成果可以应用于图像视频采集、处理系统优化、视频质量监控、网络质量测试、消费媒体定级等领域。