导读:本文包含了自然图像统计论文开题报告文献综述及选题提纲参考文献，主要关键词:质量评价,深度图,自然场景统计,无参考
自然图像统计论文文献综述
陈曦,李雷达,李巧月,韩习习,祝汉城[1]（2019）在《基于自然场景统计的深度图像质量无参考评价方法》一文中研究指出深度图在视角合成中起着很重要的作用,深度信息的错误易导致合成视角几何位置上的误差。由于很难获得完美的深度图,文中提出了一种基于自然场景统计的无参考型深度图质量评价方法。首先利用Canny算子检测出图像边缘并确定边缘失真区域,然后分别计算边缘失真区域的梯度幅值和高斯-拉普拉斯图像。无失真深度图的边缘失真区域的梯度幅值和高斯-拉普拉斯算子分别符合韦伯分布和非对称高斯分布;由于存在失真的深度图的这两个分布会发生不同程度的偏移,因此在5个尺度下提取这两个分布的共计30个参数构成了所提方法的特征。最后通过随机森林建立评价模型来评价深度图的质量。在公开数据库上进行的测试结果显示,所提方法与主观评价结果有着很好的一致性,而且其性能优于现有的图像质量评价方法。(本文来源于《计算机科学》期刊2019年06期）
肖勇旗[2]（2018）在《基于自然场景统计的无参考遥感图像质量评价》一文中研究指出无参考图像质量评价对遥感系统的设计和应用具有重大的意义。本文通过研究图像的自然场景统计特性,提出了针对单失真图像、单失真遥感图像和多失真遥感图像的无参考图像质量评价方法。(1)提出了基于多阶梯度统计特征的无参考图像质量评价方法。在图像的两个尺度上,分别提取叁阶梯度幅度特征、叁阶相对梯度方向特征、叁阶相对梯度幅度特征,由此构建出一个18维的图像特征向量。用已知失真图像特征矩阵、失真类型,训练AdaBoost BP神经网络判定图像失真类型;用已知失真图像特征矩阵、主观分数,训练AdaBoost BP神经网络判定图像失真程度。实验结果表明:该方法对于失真图像失真类型的判定准确率高,质量评分对于各种类型失真都有很好的主观一致性,鲁棒性好。该方法对失真图像的评价不依赖于特定的数据库,具有数据库独立性。该方法具有高的运行效率。(2)提出了基于梯度加权空域自然场景统计的无参考遥感图像质量评价方法。在遥感图像的叁个尺度上,分别提取图像局部归一化亮度特征和梯度加权的局部归一化亮度图的LBP(Local Binary Pattern)特征,由此构建出一个36维的图像特征向量。用已知失真图像特征矩阵、失真类型,训练SVM学习图像特征与失真类型之间的关系,得到SVM(Support Vector Machine)分类器;在得到SVM分类器基础上,用已知失真图像特征矩阵、主观分数,训练SVM学习图像特征与图像质量之间的关系,得到SVM评分器。实验结果表明:该方法对于失真遥感图像失真类型的判定准确率高,质量评分对于遥感图像中各种类型失真都有很好的主观一致性,鲁棒性好。该方法对失真图像的评价不依赖于特定的数据库,具有数据库独立性。该方法具有高的运行效率。(3)提出了一种基于深度卷积神经网络的无参考多失真遥感图像质量评价。首先对图像进行局部对比度归一化和分块处理,然后利用信息熵阈值去除信息含量较少的图像块,最后利用一个含有两个卷积层的深度CNN(Convolutional Neural Network)网络模型实现特征提取和图像质量评分。实验结果表明:该方法的质量评分对于多失真遥感图像以及普通的多失真图像均具有较好的主客观一致性,算法鲁棒性好。该方法对失真图像的评价不依赖于特定的数据库,具有数据库独立性。该方法具有高的运行效率。(本文来源于《南京航空航天大学》期刊2018-03-01）
汪亚芳[3]（2017）在《基于视觉特性和NSS（自然场景统计特性）的立体图像质量评价》一文中研究指出近年来,立体图像技术发展迅速。它们不仅能使人产生立体感,同时能给观看者带来真实的临场感,因此受到越来越多的学者的研究与关注。立体图像质量的好坏直接影响着观看者的观看感受,如何有效的评价立体图像的质量成为当前发展立体技术的重要课题。本论文以立体技术相关研究为基础,旨在设计一种既符合人类立体感知系统又能有效反映立体图像质量的评价方法。本论文主要从两方面考虑立体图像质量的评价。一方面是能够反映图像失真程度的内容质量。由于人类视觉系统会有选择的接收和处理能反映图像质量的特征,为此本论文以DCT变换和小波变换技术为手段,分析原始图像和失真图像的统计特性,并在此基础上提取特征向量。另一方面是基于双目视觉感知、深度感知等的立体感知特性。由于人类是立体图像的最终接收者,因此立体图像质量的评价应该以立体感知系统为基础,符合人类感知立体图像的相关特性。为此,本论文在视差理论的基础上建立了能直观反映人类立体感的深度感知图。同时,立体图像的感知是双眼相互作用的结果,基于这种考量,本论文分别以左右视图作为参考图像,利用交互滤波器对左右视图进行滤波,结合双目和差理论,建立基于交互滤波的双目和差图。本论文在LIVE立体图像库和MCL立体图像库上进行实验,得到的结果证明了基于立体感知特性和自然场景统计特性的立体图像质量评价方法与主观评价方法的高度一致性。(本文来源于《天津大学》期刊2017-12-01）
马彤彤[4]（2017）在《基于图像结构信息和自然场景统计的图像质量客观评价》一文中研究指出随着互联网技术的迅速发展和普及,以图像和视频为主的多媒体内容日益增多,为了满足人们的视觉享受,需要不断提高图像处理系统的性能。图像质量是衡量图像处理系统性能和优化图像处理系统参数的重要指标。本文提出叁个图像质量评价模型,并与人类主观感受取得了较好的一致性。混合失真图像质量评价是图像质量评价领域的重点和难点,基于高阶相位一致性,本文提出了一种混合失真无参考图像质量评价方法。首先,计算高阶相位一致性用于捕捉图像结构信息,应用灰度共生矩阵分别提取了4阶相位一致性图像的统计特征;然后,在分析相邻阶相位一致性的相关性及相邻阶相位一致性局部熵的相关性的基础上,分别计算了相邻阶相位一致性及其局部熵的互信息和交叉熵;最后,利用支持向量回归机建立回归模型并进行质量预测。无参考图像质量评价方法无法利用参考图像的任何信息,提取与人类视觉系统(HVS)一致的图像特征是解决无参考图像质量评价问题的重要方法。基于此,提出了一种通用型的无参考图像质量评价方法。首先,由于HVS对图像的结构特征非常敏感,计算了图像的梯度和小波变换,并且利用灰度共生矩阵提取梯度图和小波变换子图的统计特征。考虑到人眼视觉的方向敏感性以及观看距离对图像感知的影响,分别在4种间隔距离下计算图像结构特征图的水平和垂直两个方向的灰度共生矩阵。然后,每个灰度共生矩阵中提取四个特征值并组成图像的特征向量。最后,通过建立回归模型对图像质量进行预测。本文还提出了一种基于图像纹理特征的无参考图像质量评价方法。本方法首先对图像进行小波变换分解和局部二值模式(LBP)特征图提取,然后计算小波子图和局部二值模式特征图的灰度共生矩阵,并将得到的灰度共生矩阵的特征参数作为图像的特征向量,利用支持向量回归模型对图像的特征向量以及主观分值进行网络训练,获得图像的特征向量与主观质量分数之间的映射关系模型,最后利用这个模型对图像的质量进行预测。实验结果表明,本文所提出方法的评价结果性能优于现有图像质量评价方法,与主观评价结果一致性好,能准确反映人类对图像质量的视觉感知。(本文来源于《天津大学》期刊2017-11-01）
张婉怡[5]（2017）在《基于视觉感知和自然场景统计的图像质量评价方法研究》一文中研究指出图像质量评价技术可以对接收到的图像进行有效的评价,避免因图像失真造成的损失。本文利用人眼视觉感知特性和图像自然场景统计特性,提出了客观图像质量评价方法。(1)提出了一种基于视觉感知的单失真全参考图像质量评价方法。利用人眼对于图像边缘极为敏感的视觉系统感知特性,按感知重要性构造区域掩膜对图像进行分割,经方向性对比度敏感函数滤波,计算参考图像和失真图像分割区域的加权信噪比,构造出一个与人眼主观感受相一致的客观图像质量评价指标。实验结果表明:该方法对于失真图像的评价结果具有高度的主观一致性。(2)提出了一种基于视觉互信息的混合失真全参考图像质量评价方法。首先通过可控金字塔分解和对比度敏感函数模拟人眼的多通道特性和对比度敏感特性,对参考图像和失真图像进行视觉预处理。接着对参考图像构建高斯尺度混合模型,对失真图像构建包含信号衰减和附加噪声的图像失真模型。然后对参考图像和失真图像构建视觉失真模型。最后计算经上述模型传递后参考图像和失真图像之间的互信息,从而构造出混合失真图像全参考质量评价指标。实验结果表明,该方法对混合失真图像质量评价结果的主观一致性均高于现有评价方法。(3)提出了一种基于AdaBoost_BP神经网络的小波域无参考图像质量评价方法。在小波域对失真图像小波子带系数进行广义高斯模型拟合,提取小波域图像自然场景统计特征;提取小波子带局域熵均值和偏度作为小波域信息熵特征。联合这两种特征构建出一个36维图像特征向量。用已知失真图像特征矩阵、失真类型和主观分数训练AdaBoost_BP神经网络图像失真分类器和图像质量评分器,通过训练学习,实现了无参考图像的质量评分和失真类型判定。实验结果表明,该方法对于失真类型的判定准确率高,质量评分对于各种类型失真都有很好的主观一致性。(本文来源于《南京航空航天大学》期刊2017-03-01）
贾惠珍[6]（2016）在《基于视觉特性和自然场景统计特性的图像质量评价研究》一文中研究指出图像质量评价在图像处理中占据着非常重要的位置。图像质量评价主要分为主观质量评价和客观质量评价,由于主观质量评价耗时、昂贵且在实时图像处理系统中不便于集成,因此研究简单、可靠、高效又与人类视觉特性相一致的客观质量评价方法成了图像质量评价研究中的重点和热点。本文在分析当前质量评价方法所存在的不足以及技术难点的基础上,针对全参考图像质量评价中的特征提取和合并策略以及无参考图像质量评价中的特征提取问题进行了相关研究。本文所做的主要工作和创新性成果如下:(1)提出一种基于全局视觉显着性和局域对比度的有参考图像质量评价方法。首先分别计算参考图像和失真图像局域对比度相似度图和全局视觉显着相似度图,然后采用标准方差加权合并策略来得出整幅图像的质量测度,在叁大数据库(LIVE、TID2008、CSIQ)以及遥感专家评分库上的实验显示,所提出的算法快速高效,比较适用于实时图像质量评价系统。(2)提出一种基于梯度幅度相似性和全局自然场景统计模型的无参考图像质量评价方法。首先提取归一化后系数的统计模型参数作为自然场景统计特征,提取基于邻域梯度相似度的统计特征作为相关感知特征。采用支持向量回归来构建图像特征与人的主观分数的映射关系,进而根据所提取失真图像的特征来预测图像质量。实验结果显示所提算法预测的质量分数与人的主观分数具有较高的一致性,鲁棒性较好,运行时间较短,综合性能较好。(3)提出了一种基于互补感知特征和局域自然场景统计模型特征相结合的无参考图像质量评价方法。首先在空间域上提取显着分块的36个自然统计特征,然后提取基于相位一致性熵、基于相位一致性均值、梯度均值以及失真图像的熵四个感知特征,最后采用支持向量机回归的学习方式来构建图像特征与人的主观分数的映射关系,进而根据所提取失真图像特征预测图像质量。实验表明所提算法具有较高的评价准确率,符合人眼对失真图像的主观感受。(4)提出一种基于深度学习的无参考图像质量评价方法。首先对图像进行局域归一化,然后采用两阶段的主成分分析网络来自动提取特征,最后采用支持向量回归进行构建质量评价模型,用训练后的模型来预测图像质量分数。通过实验验证所提算法预测的质量分数与人的主观一致性比较高。(本文来源于《南京理工大学》期刊2016-11-01）
陈勇,帅锋,樊强[7]（2016）在《基于自然统计特征分布的无参考图像质量评价》一文中研究指出针对目前的无参考评价方法无法准确反映人类对图像质量的视觉感知效果,该文提出一种基于自然统计特征分布(DIstribution Characteristics of Natural statistics,DICN)的无参考图像质量评价方法。其原理是用小波变换将图像分解为低频子带和高频子带部分,再将高频子带部分分成8′8的小块,提取每一子块的幅值和信息熵,并分别计算其分布直方图均值和斜度作为特征,利用支持向量回归思想对特征进行训练,建立5种不同失真类型的质量预测模型。在此基础上,采用支持向量机针对图像特征构造分类器并进行失真判断以确定不同失真的权重,结合5种失真评价模型可得到自然统计特征分布的无参考评价模型。实验结果分析表明,该算法的评价效果优于现有的经典算法,与主观评价具有较好一致性,能够准确反映人类对图像质量的视觉感知效果。(本文来源于《电子与信息学报》期刊2016年07期）
马允,王晓东,章联军[8]（2016）在《基于空域自然场景统计的无参考立体图像质量评价模型》一文中研究指出针对现有的评价方法大都将图像变换到不同的坐标域问题,提出一种基于空域自然场景统计(NSS)的通用型无参考立体图像质量评价模型。在评价中为了更好地结合人类双目视觉特性,将左右图像融合成一幅独眼图;评价模型首先统计独眼图归一化亮度(CMSCN)系数分布规律,进而对独眼图提取空域自然场景统计特征;其次,统计视差图归一化亮度(DMSCN)系数的分布规律,并对用光流法得到的视差图提取同样的特征;最后,通过支持向量回归(SVR)建立立体图像特征信息与主观评价值(DMOS)之间的关系,从而预测得到图像质量的客观评价值。实验结果表明,该评价模型对立体数据测试库进行评价,其Pearson线性相关系数(PLCC)和Spearman等级相关系数(SROCC)值均在0.94以上;对于非对称立体图像库,PLCC和SROCC值分别接近0.91和0.93。该模型能够很好地预测人眼对立体图像的主观感知。(本文来源于《计算机应用》期刊2016年03期）
罗晓梅[9]（2016）在《基于自然场景统计的无参考图像质量评价算法研究》一文中研究指出人们主要通过图像信息来获得对外部世界的反馈,也成为人们进行交流的主要方式。但图像在获取和传输时由于物理设备的差异以及图像在加工和重构过程中由于图像处理算法的不同,都会影响图像的质量。故首要问题是对失真图像质量进行有效评价。全参考图像质量评价,部分参考图像质量评价以及无参考图像质量评价是失真图像质量评价的叁个主要方法。由于无法明确图像在获取,传输及存储的过程中引入何种失真类型,故在实际应用中图像的原始信息很难获得,针对此问题,图像质量评价中的无参考图像质量评价算法无需借助任何原始参考图像信息对失真图像质量进行评价。本文针对自然图像无参考型质量评价方法这一科学问题进行了深入研究。BIQI算法是基于两步的、模块化的无参考图像质量评价算法,BIQI算法首先对失真图像进行小波变换以获得子带因子,再采用广义高斯分布模型对获取的子带因子进行参数化。获得的参数在3个尺度,3个方向组成一个18维向量,图像的特征向量采用该18维向量表示。再采用支持向量机及特征向量对图像库中的失真图像(JPEG2000,JPEG,WN,G Blur,FF)进行分类;最后使用特征向量同带有径向基核函数的支持向量机拟合来计算图像质量。但是该方法对于评价JPEG2000压缩失真图像和快速衰减Fast Fading失真图像与主观得分DMOS差距较大；而且与全参考图像质量评价算法PSNR相比并不优。本文在研究BIQI无参考图像质量评价算法的基础上,针对JPEG2000类型失真图像和Fast Fading类型失真图像质量评价问题,在进行深入研究与分析后,本文提出基于自然场景统计的无参考图像质量评价算法。主要工作和取得的成果如下：(1)基于小波域的自然场景统计无参考图像质量评价算法。将BIQI算法中评价JPEG2000压缩失真图像质量这一模块,采用基于小波域的自然场景统计评价方法,该方法预测图像质量是通过比较失真图像与参考图像之间的偏离程度来进行。采用该算法获取每个子带中的2个阈值,并以此获得4个经验概率,分别对应位于4个象限的预测系数对。最后采用加权求和方式得到最终的JPEG2000压缩失真图像质量。(2)基于空域的自然场景统计无参考图像质量评价算法。将BIQI算法中评价Fast Fading失真图像质量这一模块,采用基于空域的自然场景统计评价方法。图像失真情况由局部归一化亮度因子中的NSS特性来度量,再通过GGD和AGGD中提取的18个参数来评估,由于在不同尺度上,失真对图像的影响是不同的,因此在2个尺度上,一共可以提取36个参数,最后Fast Fading失真图像的质量由SVM和SVR拟合得出。(3)本文中的图像数据库采用LIVE图像数据库,该图像库由JPEG2000(1-227), JPEG (1-233), WN (1-174), G blur (1-174)和Fast Fading (1-174)共5类982幅失真图像以及29幅未失真原始参考图像组成,在Matlab2013a环境下进行实验,实验结果表明：改进后的算法在评价LIVE整个数据库中982幅失真图像时,优于原BIQI算法,特别是提高了对JPEG2000和Fast Fading失真类型图像的评价质量,更加接近于人类主观得分DMOS值。(本文来源于《安徽大学》期刊2016-03-01）
任玉玲[10]（2015）在《基于自然场景统计特性的图像质量评价》一文中研究指出图像是一种视觉符号,是人类对客观对象的感知所形成的一种具有高度相似性和极度生动性的可视化描述。然而,图像在采集、压缩、处理、传输和复原的过程中由于失真的存在使其产生信息损失,进而严重影响人们的视觉感受。因此,需要设计出高效的图像质量评价算法,为图像处理算法的参数优化、图像分析系统的性能评估和图像识别设备的质量检测提供重要的指标和依据,从而向人们提供高质量的图像信息。本文针对失真会改变图像的自然场景统计特性这一点进行了深入研究。主要的研究内容概括如下:(1)提出了基于剪切波Shearlet变换的图像质量评价方法。结合Shearlet变换对视觉信息的稀疏表示能力和人类视觉系统对多媒体视觉信息的感知特性来描述因信息损失而导致的图像感知质量的变化。实验结果表明了所提算法获得的客观质量评价结果与人类对测试图像观测过程中所给出主观值具有较高的一致性。(2)提出了基于广义高斯模型的图像质量评价方法。该方法根据广义高斯分布模型来计算无信息损失图像样本的Shearlet系数分布模型参数,并以此分布模型作为无信息损失图像的标准分布。然后通过计算失真图像的Shearlet系数分布参数相对于标准分布参数的差异来获得失真图像的质量分数。实验结果表明所提方法预测结果的合理性和有效性。(3)提出了基于视觉感知的拍摄图像质量评价方法。从拍摄图像的失真本质出发,用色调和饱和度的统计特征来描述图像的色彩均匀程度,用亮度的统计特征来表征图像的曝光程度,用灰度图像的梯度信息来衡量图像像素点之间结构信息的变化,进而预测出拍摄图像的质量好坏。在拍摄图像数据库上的实验结果表明所提方法能够较好的反映人类视觉感知图像时的真实感受。上述研究从失真图像进行质量分数的预测时需要参考图像的部分信息,到预测过程完全不需要参考图像信息;从人为加工的失真图像数据库到多相机拍摄的失真图像数据进行算法设计。实际应用性逐渐增强,理论由浅入深,对基于自然场景统计特性的图像质量评价方法进行了深入的研究。(本文来源于《西安电子科技大学》期刊2015-12-01）
自然图像统计论文开题报告
（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：
无参考图像质量评价对遥感系统的设计和应用具有重大的意义。本文通过研究图像的自然场景统计特性,提出了针对单失真图像、单失真遥感图像和多失真遥感图像的无参考图像质量评价方法。(1)提出了基于多阶梯度统计特征的无参考图像质量评价方法。在图像的两个尺度上,分别提取叁阶梯度幅度特征、叁阶相对梯度方向特征、叁阶相对梯度幅度特征,由此构建出一个18维的图像特征向量。用已知失真图像特征矩阵、失真类型,训练AdaBoost BP神经网络判定图像失真类型;用已知失真图像特征矩阵、主观分数,训练AdaBoost BP神经网络判定图像失真程度。实验结果表明:该方法对于失真图像失真类型的判定准确率高,质量评分对于各种类型失真都有很好的主观一致性,鲁棒性好。该方法对失真图像的评价不依赖于特定的数据库,具有数据库独立性。该方法具有高的运行效率。(2)提出了基于梯度加权空域自然场景统计的无参考遥感图像质量评价方法。在遥感图像的叁个尺度上,分别提取图像局部归一化亮度特征和梯度加权的局部归一化亮度图的LBP(Local Binary Pattern)特征,由此构建出一个36维的图像特征向量。用已知失真图像特征矩阵、失真类型,训练SVM学习图像特征与失真类型之间的关系,得到SVM(Support Vector Machine)分类器;在得到SVM分类器基础上,用已知失真图像特征矩阵、主观分数,训练SVM学习图像特征与图像质量之间的关系,得到SVM评分器。实验结果表明:该方法对于失真遥感图像失真类型的判定准确率高,质量评分对于遥感图像中各种类型失真都有很好的主观一致性,鲁棒性好。该方法对失真图像的评价不依赖于特定的数据库,具有数据库独立性。该方法具有高的运行效率。(3)提出了一种基于深度卷积神经网络的无参考多失真遥感图像质量评价。首先对图像进行局部对比度归一化和分块处理,然后利用信息熵阈值去除信息含量较少的图像块,最后利用一个含有两个卷积层的深度CNN(Convolutional Neural Network)网络模型实现特征提取和图像质量评分。实验结果表明:该方法的质量评分对于多失真遥感图像以及普通的多失真图像均具有较好的主客观一致性,算法鲁棒性好。该方法对失真图像的评价不依赖于特定的数据库,具有数据库独立性。该方法具有高的运行效率。
（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。
自然图像统计论文参考文献
[1].陈曦,李雷达,李巧月,韩习习,祝汉城.基于自然场景统计的深度图像质量无参考评价方法[J].计算机科学.2019
[2].肖勇旗.基于自然场景统计的无参考遥感图像质量评价[D].南京航空航天大学.2018
[3].汪亚芳.基于视觉特性和NSS（自然场景统计特性）的立体图像质量评价[D].天津大学.2017
[4].马彤彤.基于图像结构信息和自然场景统计的图像质量客观评价[D].天津大学.2017
[5].张婉怡.基于视觉感知和自然场景统计的图像质量评价方法研究[D].南京航空航天大学.2017
[6].贾惠珍.基于视觉特性和自然场景统计特性的图像质量评价研究[D].南京理工大学.2016
[7].陈勇,帅锋,樊强.基于自然统计特征分布的无参考图像质量评价[J].电子与信息学报.2016
[8].马允,王晓东,章联军.基于空域自然场景统计的无参考立体图像质量评价模型[J].计算机应用.2016
[9].罗晓梅.基于自然场景统计的无参考图像质量评价算法研究[D].安徽大学.2016
[10].任玉玲.基于自然场景统计特性的图像质量评价[D].西安电子科技大学.2015