导读:本文包含了视觉相似度论文开题报告文献综述及选题提纲参考文献，主要关键词:SAR干扰评估,视觉纹理特征,视觉敏感性,结构相似度
视觉相似度论文文献综述
高超,张伟梁,王媛,谭道良[1]（2019）在《结合分层视觉特征和结构相似度的SAR干扰效果评估方法》一文中研究指出提出了一种结合分层视觉特征和结构相似度的SAR干扰效果评估方法。该方法以结构相似度为基础,通过视觉纹理特征模型对结构相似度进行修正。利用小波变换模型模拟人类视觉的多层处理机理,结合视觉敏感性模型得到SAR干扰效果的评估参数。通过与SSIM-V方法和SSIM-T方法对比实验可知,该方法在CC、RMSE、SROCC和OR等指标上都具有更优秀的干扰效果评估能力,在SAR干扰效果评估领域具有较大的应用前景。(本文来源于《电子信息对抗技术》期刊2019年01期）
王法强,张宏志,王鹏,邓红,张大鹏[2]（2019）在《计算机视觉中相似度学习方法的研究进展》一文中研究指出相似度学习方法通过学习合适的相似度度量以改进模型的分类或聚类效果。现有的研究表明,相似度学习方法在很多计算机视觉问题中起到重要的作用。近年来随着数据规模的急剧增大和应用领域的多样化,相似度学习问题发展了很多新的研究领域。本文介绍了近年来相似度学习问题的研究进展和发展过程,包括从传统的二元组和叁元组约束发展到新型相似度约束、从欧氏距离与马氏距离发展到新型相似度度量、从图像间的相似度学习发展到图像集之间的相似度学习、从单一模态相似度学习发展到跨模态相似度学习。最后本文展望了相似度学习未来可能的发展方向。(本文来源于《智能计算机与应用》期刊2019年01期）
刘伟,薄华[3]（2016）在《基于边缘显着区域和结构相似度的图像视觉效果评价》一文中研究指出图像的大部分结构信息都集中在了边缘,在进行边缘检测时滤除一些与图像计算不相关的信息,可减少计算中的数据量,使得计算更加便捷;在结构属性上也得到了很好的保留,因此边缘检测方法在图像视觉效果评估上是可行的。人眼对于一幅图像的视觉并不是每一个图像区域都具有同等的视觉重要性。可以建立一种数学方法,提取图像中的视觉重要区域,对这些区域进行视觉效果评价。选取基于结构相似度方法作为最终评价方法,得到了一种全参考图像质量评价算法。最后将实验结果与3个图像评价库的参考结果进行拟合,得到的结果与其他算法相比表明,该算法更加符合人眼的视觉效果特性。(本文来源于《微型机与应用》期刊2016年09期）
袁莉[4]（2016）在《基于视觉感知的梯度结构相似度图像质量评价方法》一文中研究指出图像质量是衡量图像处理算法性能好坏以及优化系统参数的重要依据,因此在图像采集、编码、传输等领域构建有效的图像质量评价方法具有重要意义。近年来,随着图像处理技术的快速发展,图像质量评价受到国内外学者和企业界的广泛关注,涌现出众多的图像质量评价算法,典型模型有基于人类视觉系统的质量评价模型和基于结构相似度的质量评价模型等。当前联合视频组已经将基于结构相似度的质量评价算法作为图像质量评价的重要指标,引入到新一代视频压缩编码标准H.264的校验模型中。图像质量评价分为主观和客观两种评价方法。其中,主观评价方法需要对多个测试图像进行多次反复实验,耗时长,成本高,可操作性差。而客观评价方法则具有低成本、操作简单和易于嵌入实现等优点,成为当前图像质量评价领域研究的重点。近年来基于人类视觉系统模型,提出了相关图像质量评价方法。结构相似方法主要基于光照与物体结构二者之间的独立性,将亮度和对比度从图像的结构信息中分离开来,结合图像的结构信息对其进行质量评价。该方法在一定程度上避开了图像内容的复杂性及多通道等问题,试图从整体上模拟人类视觉系统在抽取对象结构方面所表现出来的视觉功能与特性,且算法相对简单,便于嵌入实现。结构相似算法虽然能客观反映图像结构信息的变化,但是仍存在如下不足：首先,该算法仅关注图像的结构信息,而忽略了人类视觉系统的底层视觉特性,导致其在质量评价时有时与差分主观分数不一致：其次,该算法建模过程简单,没有模拟人类视觉系统的高层视觉特性,从而在评价失真严重的模糊图像时难以得到令人满意的效果。针对上述问题,本文在结构相似度质量评价模型的基础上,改进了一种基于视觉感知梯度的结构相似度图像质量评价模型(MG_SSIM)。主要研究工作和特色如下：1)SSIM算法将重点放在图像结构信息的变化上,没有考虑人类视觉系统的相关特性,导致有时评价不太准确。所以,在SSIM算法基础之上,利用图像的误差可视性和内容可视性,对HVS的底层视觉特性进行建模,构造视觉感知函数,使评价效果更好的主观感受保持一致；2) SSIM算法是通过图像像素之间的从属关系来表征图像的结构信息,评价效果有时候与DMOS不一致。各向同性索贝尔算子的位置加权系数更加准确,在不同方向上检测边沿时,各向同性索贝尔算子梯度的幅度表现得更加一致,表征梯度的效果较好。所以,本文利用梯度图对结构分量重新定义,代替原SSIM中的对比度分量和结构分量,构造基于梯度的结构相似度模型,使评价效果更加准确。3)利用误差可视性和内容可视性构造视觉感知函数,作为权值应用到相似度函数中,并利用各向同性索贝尔算子对图像的结构分量重新定义,在此基础上,将二者综合构造新的结构相似度函数MG_SSIM。4)本文利用PSNR、SSIM、MG_SSIM叁种算法,对LIVE图像库中五种失真类型的图像分别做实验,将本文提出的算法MG_SSIM的实验效果与其余两种算法相比较,实验结果表明,MG_SSIM模型比SSIM、PSNR更符合人眼的视觉特性,能更好的与DMOS保持一致,对受损严重的模糊图像的评价也较SSIM、 PSNR准确。(本文来源于《安徽大学》期刊2016-03-01）
孙梦丹[5]（2015）在《视觉复杂度和相似度对视觉搜索作业中眼控突显技术的影响》一文中研究指出视觉信息的有效呈现是工程心理学的关键问题之一,在视觉显示技术和眼控技术的基础上形成的眼控突显技术是针对该问题而提出的一种新的显示技术。为了进一步探究眼控突显技术的规律特点,本研究考察视觉复杂度和相似度对视觉搜索作业中眼控突显的影响作用。本研究共有叁个实验组成:实验一采用数字和词语为视觉搜索材料,研究刺激的不同复杂度对眼控突显技术的影响作用。实验二采用高低相似度词语为视觉搜索材料,研究刺激的不同相似度对眼控突显技术的影响作用。实验叁在前两个实验的基础上,将眼控突显技术应用于实际搜索情境(电子地图),研究眼控突显对地图搜索绩效和工作负荷的影响作用。由实验结果得出以下几个主要结论:1、眼控突显能显着地提高视觉搜索绩效;2、视觉复杂度会影响视觉搜索作业中眼控突显技术的作用;3、视觉相似度会影响视觉搜索作业中眼控突显技术的作用;4、在地图搜索作业中,眼控突显会导致更高的工作负荷;基于本研究结果,我们提出了眼控突显技术应用的若干设计原则:1.复杂性原则:眼控突显技术适合应用在包含高视觉复杂度内容的显示界面;2.相似性原则:眼控突显技术适合应用在包含高视觉相似度内容的显示界面;3.工作负荷原则:应用眼控突显技术要注意其对工作负荷的影响(本文来源于《浙江理工大学》期刊2015-12-10）
李崇飞,高颖慧,卢凯,曲智国[6]（2013）在《基于结构相似度的视觉显着性检测方法》一文中研究指出基于Koch神经生物学框架和结构相似度理论,提出了一种新的视觉显着性检测方法。该方法利用结构相似度对人类视觉系统的高层次抽象,通过新的Center-Surround算子(自相似算子)对自然图像的显着程度进行度量,建立了多特征视觉显着性模型。该模型避免了对视觉系统建模时的复杂性问题,通过结构相似度的黑匣子效应对视觉系统进行抽象,同时利用Koch神经生物学框架的特征融合理论加强提取效果。实验结果表明,该方法可以有效检测自然图像的显着区域,提取的显着区域对比度较高,并且可以克服Itti方法中由于邻近插值导致的马赛克现象,在显着区域边缘提取和抗噪等方面性能也较好。(本文来源于《计算机工程与科学》期刊2013年10期）
王经谊[7]（2012）在《基于人类视觉特性的结构相似度图像质量评价》一文中研究指出随着网络及数字技术的发展,数字图像已广泛深入人们的日常生活,成为信息传递的重要载体。然而在现实生活中,由于各种因素的影响会使图像产生失真,影响传递的信息的质量,因此开展图像质量评价技术的研究,具有十分重要的现实意义。主观评价方法是最准确的评价方法,但是耗时耗力,并且过程十分繁琐,因此在实际中很难应用。均方差和峰值信噪比等传统的客观评价方法不符合人的主观感受。一些简单地模拟人眼功能的图像质量评价方法能够较好地反映人的主观感受,但是人类视觉特性十分复杂,且目前的研究尚不够深入,所以其发展受到很大的限制。Zhou Wang等人提出了一种基于结构相似度的图像质量评价方法,该方法简单高效,在主客观一致性方面取得了更好的效果。本文在深入研究人类视觉特性和结构性相似理论等地基础上,提出一种基于人类视觉特性的结构相似度图像质量评价方法。通过小波变换将原始图像和待测图像分解为不同频带和方向上的子带图像,分别计算各个对应子带图像的结构相似度值,并利用对比度敏感函数曲线计算人眼对每幅子带图像的敏感度,最终将所有图像的相似度值加权处理得到一个综合的测度值。通过仿真分析,结果表明本文提出的方法比传统的客观评价方法和基于结构相似度的评价方法更有效,其客观评价结果与人的主观感受具有更高的一致性。(本文来源于《南京理工大学》期刊2012-02-01）
任仙怡,刘秀坚,胡涛,张基宏[8]（2011）在《基于视觉注意机制与区域结构相似度的图像融合质量评价》一文中研究指出针对目前图像融合质量客观评价与主观评价结果一致性不高的问题,结合人类视觉注意机制和区域计算方法对EFQI指标进行改进,提出了一种基于视觉注意机制(VAM)与区域结构相似度的图像融合质量评价指标。该指标充分考虑了人类视觉感兴趣区域和人眼对区域信息敏感的特性,使用方差显着图与视觉显着图相结合的加权方法对图像中的显着区域赋予更大的权值,并采用更符合人类视觉特性的区域计算方法求取融合结果图像和源图像在各区域上的结构相似度以评价融合质量。用该指标评价10种不同融合算法的融合结果图像并与主观评价结果进行相关性分析,分析结果表明该方法相比传统的评价指标能更有效地反映融合图像质量,与主观评价结果一致性更高。(本文来源于《计算机应用》期刊2011年11期）
张晓琳,刘直芳,代金波,寇勇,陈志猛[9]（2011）在《基于视觉感知的梯度结构相似度图像质量评价》一文中研究指出在SSIM算法的基础上,结合亮度和对比度掩蔽等视觉感知信息构造视觉感知(visual perception)函数,提出基于视觉感知的梯度结构相似度评价方法VI_GSSIM(visual perception and gradient based SSIM)。该方法通过图像质量与图像内容和失真类型的相关性,结合图像的误差可视性与内容可视性构造视觉感知函数,对HVS底层视觉系统建模;同时利用梯度重新定义结构信息,得到基于视觉感知的梯度结构相似度模型,对图像进行质量评价。实验结果表明,提出的VI_GSSIM算法比SSIM更符合人眼的视觉特性,尤其适合评价降质较严重的图像。(本文来源于《计算机应用研究》期刊2011年06期）
东野升云[10]（2011）在《多尺度分析与相似度的立体视频人类视觉评价模型的研究》一文中研究指出立体视频的质量评价是感知与显示的基础,也是立体视频系统设计的依据。立体视频质量的主观评价方法虽然能够与人的主观感知结果一致,但因其稳定性差,可移植性差,耗时长,费用高,在实际应用中会受到很大的限制。而现有的客观评价方法主要考虑了图像信息的损失程度,很少关注立体图像的主观感知,因而不能真实地反映视频质量的优劣。随着立体视频技术的不断发展,如何有效地评价立体视频的质量将是一个研究热点和难点。首先,简单介绍了立体视频质量的主客观评价方法,并对几种典型的客观评价模型进行了分析;然后,详细分析了人类视觉系统的基本特性以及小波变换理论。由于人是图像的最终接受者,所以评价视频质量优劣的关键在于其是否符合人类视觉系统的特性。本文在分析视觉非线性、对比敏感度、多通道结构和掩蔽效应等人类视觉特性的基础上,提出了基于多尺度分析和相似度的立体视频质量评价方法。算法的具体描述如下:1.基于人类视觉特性的立体视频质量客观评价方法。该评价方法是基于立体图像对的差值信息的。本算法分两个方面对立体视频的质量进行评价:立体视频质量评价和立体感质量评价。首先分别对立体视频序列每帧的视点对进行5级小波分解,将整个空间频带划分为6个部分,计算各个频率子带的相似度指标;利用对比敏感度特性对各个评价指标进行加权平均;最后通过融合左、右视图的评价指标获得最终的立体视频客观评价指标。其次通过对差值图像进行多尺度分析和相似度评价,获得立体感的评价指标。2.基于人类深度感知的立体视频质量客观评价方法。该评价方法是基于立体图像对的视差信息的。本文视差信息的提取是采用一维窗的立体匹配方法,它可以将匹配的范围限定在立体图像对对应的水平扫描线上,而且左、右视差信息通过一次扫描就可以同时获得,这大大减小了匹配的计算量,提高了匹配效率。对获得的视差图进行多尺度分析后,计算各尺度小波系数的相关度,获得视差信息的评价指标,最后通过对立体视频质量评价指标和视差信息评价指标进行融合得到了几个立体视频质量的评价指标。实验结果表明,本文提出的基于多尺度分析和相似度的立体视频质量评价算法易于实现,计算复杂度较低。本文算法在充分考虑视觉感知特性后所提出的客观评价指标与人类主观评价值的相关性要优于传统的PSNR方法,与人眼的视觉主观感受有更高的一致性,并且能够反映立体视频的质量以及立体感的优劣。(本文来源于《吉林大学》期刊2011-06-01）
视觉相似度论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
相似度学习方法通过学习合适的相似度度量以改进模型的分类或聚类效果。现有的研究表明,相似度学习方法在很多计算机视觉问题中起到重要的作用。近年来随着数据规模的急剧增大和应用领域的多样化,相似度学习问题发展了很多新的研究领域。本文介绍了近年来相似度学习问题的研究进展和发展过程,包括从传统的二元组和叁元组约束发展到新型相似度约束、从欧氏距离与马氏距离发展到新型相似度度量、从图像间的相似度学习发展到图像集之间的相似度学习、从单一模态相似度学习发展到跨模态相似度学习。最后本文展望了相似度学习未来可能的发展方向。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视觉相似度论文参考文献
[1].高超,张伟梁,王媛,谭道良.结合分层视觉特征和结构相似度的SAR干扰效果评估方法[J].电子信息对抗技术.2019
[2].王法强,张宏志,王鹏,邓红,张大鹏.计算机视觉中相似度学习方法的研究进展[J].智能计算机与应用.2019
[3].刘伟,薄华.基于边缘显着区域和结构相似度的图像视觉效果评价[J].微型机与应用.2016
[4].袁莉.基于视觉感知的梯度结构相似度图像质量评价方法[D].安徽大学.2016
[5].孙梦丹.视觉复杂度和相似度对视觉搜索作业中眼控突显技术的影响[D].浙江理工大学.2015
[6].李崇飞,高颖慧,卢凯,曲智国.基于结构相似度的视觉显着性检测方法[J].计算机工程与科学.2013
[7].王经谊.基于人类视觉特性的结构相似度图像质量评价[D].南京理工大学.2012
[8].任仙怡,刘秀坚,胡涛,张基宏.基于视觉注意机制与区域结构相似度的图像融合质量评价[J].计算机应用.2011
[9].张晓琳,刘直芳,代金波,寇勇,陈志猛.基于视觉感知的梯度结构相似度图像质量评价[J].计算机应用研究.2011
[10].东野升云.多尺度分析与相似度的立体视频人类视觉评价模型的研究[D].吉林大学.2011