-
公开(公告)号：CN103996192A
公开(公告)日：2014-08-20
申请号：CN201410199362.8
申请日：2014-05-12
Applicant: 同济大学
Abstract: 本发明所示的基于高质量自然图像统计量学习模型的无参考图像质量评价方法：首先从高质量自然图像的第一图像块中学习多元高斯模型所对应的参数；对于测试图像，先将其分割成等大小的第二图像块，并提取每一个第二图像块的多元高斯模型；使用巴氏距离确定多元高斯模型之间的距离，从而确定失真图像质量块的质量；利用视觉显著性线性加权所有失真图像块的质量，最终得到测试图像的客观评价分数，其可较好地克服了现有评价方法泛化能力弱的问题，满足实际应用对无参考图像质量评价方法的要求。
-
公开(公告)号：CN104021545A
公开(公告)日：2014-09-03
申请号：CN201410198105.2
申请日：2014-05-12
Applicant: 同济大学
IPC: G06T7/00
Abstract: 一种基于视觉显著性的全参考彩色图像质量评价方法，(1)对于参考图像f(1)和失真图像f(2)分别确定视觉显著图VS1(x)和VS2(x)，、梯度图G1(x)和G2(x)、黄蓝对比色度分量M1(x)和M2(x)、红绿对比色度分量N1(x)和N2(x)；(2)结合VS1(x)、VS2(x)、G1(x)、G2(x)、M1(x)、M2(x)、N1(x)、N2(x)确定局部质量图S(x)；(3)将VS1(x)和VS2(x)中较大值作为权值函数，得到f2最终质量VSI，局部质量评级过程中，利用视觉显著性与图像质量关系，引入彩色图像色度分量；确定失真图像的质量分数的过程中，使用视觉显著性作为权重函数，得到失真图像的客观评价质量，提高了全参考图像质量评价方法的准确性。
-
公开(公告)号：CN103996192B
公开(公告)日：2017-01-11
申请号：CN201410199362.8
申请日：2014-05-12
Applicant: 同济大学
Abstract: 本发明所示的基于高质量自然图像统计量学习模型的无参考图像质量评价方法：首先从高质量自然图像的第一图像块中学习多元高斯模型所对应的参数；对于测试图像，先将其分割成等大小的第二图像块，并提取每一个第二图像块的多元高斯模型；使用巴氏距离确定多元高斯模型之间的距离，从而确定失真图像质量块的质量；利用视觉显著性线性加权所有失真图像块的质量，最终得到测试图像的客观评价分数，其可较好地克服了现有评价方法泛化能力弱的问题，满足实际应用对无参考图像质量评价方法的要求。
-
-
Search Results
3
records
(took 0.013 seconds)
