基于兴趣区域的无参考图像质量评价方法

doi:10.3778/j.issn.1002-8331.1704-0030

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (16): 169-175.DOI: 10.3778/j.issn.1002-8331.1704-0030

基于兴趣区域的无参考图像质量评价方法

文继李1，丁立新1，万润泽1，邹桢苹2

1.武汉大学计算机学院，武汉 430072
2.武汉大学经济与管理学院，武汉 430072

出版日期:2018-08-15 发布日期:2018-08-09

Non-reference image quality assessment method based on region of interest

WEN Jili1, DING Lixin1, WAN Runze1, ZOU Zhenping2

1.School of Computer Science, Wuhan University, Wuhan 430072, China
2.School of Economics and Management, Wuhan University, Wuhan 430072, China

Online:2018-08-15 Published:2018-08-09

摘要/Abstract

摘要： 为了评价不同失真类型图像的质量，提出了一种基于兴趣区域和自然图像统计特性的无参考图像质量评价方法。该方法对Itti模型进行改进，并利用改进的Itti模型提取失真图像的感兴趣区域和非感兴趣区域，在非下采样Contourlet域提取图像的统计特性，通过计算失真图像的不同区域与自然图像统计特性的差异来获得图像的质量分数。在LIVE数据集上与已有方法进行对比，实验结果表明，提出的方法和主观感知具有较好的一致性。

关键词: 兴趣区域, 非下采样Contourlet变换, 自然场景统计特性（NSS）

Abstract: In order to evaluate the quality of images with different distortion types, this paper proposes a non-reference image quality assessment method based on Regions of Interests（ROI） and Natural Scene Statistics（NSS）. Firstly, the existing Itti model is improved, and this improved Itti model is used to extract regions of both interests and non-interests from the distorted image. Secondly, the NSS of the image is extracted from the nonsubsampled contourlet domain. At last, the discrepancy between the NSS of the distorted image and that of the natural image is calculated as the quality score of the image. Comparing the proposed methods with existing methods on the LIVE dataset, experimental results show that the proposed method correlates well with human subjective perception.

Key words: Region of Interest（ROI）, nonsubsampled Contourlet transform, Natural Scene Statistics（NSS）

文继李1，丁立新1，万润泽1，邹桢苹2. 基于兴趣区域的无参考图像质量评价方法[J]. 计算机工程与应用, 2018, 54(16): 169-175.

WEN Jili1, DING Lixin1, WAN Runze1, ZOU Zhenping2. Non-reference image quality assessment method based on region of interest[J]. Computer Engineering and Applications, 2018, 54(16): 169-175.

[1]	韩晓微，韩震，岳高峰，崔建江. 救灾无人机的优化A*航迹规划算法[J]. 计算机工程与应用, 2021, 57(6): 232-238.
[2]	徐志京，汪毅. 青光眼眼底图像的迁移学习分类方法[J]. 计算机工程与应用, 2021, 57(3): 144-149.
[3]	王一凡，鲁慧民，高若然，李阳. 手指静脉图像感兴趣区域提取研究综述[J]. 计算机工程与应用, 2021, 57(13): 34-42.
[4]	李森森，吴清. 改进Mask R-CNN的遥感图像多目标检测与分割[J]. 计算机工程与应用, 2020, 56(14): 183-190.
[5]	郑浩，董明利，潘志康. 基于图像分类与多算法协作的目标跟踪算法[J]. 计算机工程与应用, 2018, 54(4): 185-191.
[6]	王烈，罗文，陈俊鸿，秦伟萌. 自适应PCNN与信息提取的红外与可见光图像融合[J]. 计算机工程与应用, 2018, 54(4): 192-198.
[7]	曾鸿军1，2，沈燕飞2，王毅1. 基于感兴趣区域的头像视频前处理方法[J]. 计算机工程与应用, 2017, 53(6): 188-192.
[8]	夏颖慧1，吴昊天2. 用于实现医学图像ROI对比度增强的可逆数据隐藏算法[J]. 计算机工程与应用, 2017, 53(18): 186-191.
[9]	谷志鹏，贺新光. 耦合边缘检测与优化的多尺度遥感图像融合法[J]. 计算机工程与应用, 2017, 53(11): 192-198.
[10]	宋建辉，甘晶，刘砚菊. 基于PCNN与区域特征的红外与可见光图像融合[J]. 计算机工程与应用, 2016, 52(8): 186-190.
[11]	刘万军，张洪伟. 改进颜色和小波变换纹理的图像检索方法研究[J]. 计算机工程与应用, 2016, 52(17): 181-186.
[12]	季云峰1，施之皓1，王朝立2，任杰1. 基于视频识别的乒乓球发球裁判系统实验研究 ——针对抛球高度和抛球角度问题[J]. 计算机工程与应用, 2016, 52(10): 207-212.
[13]	孟德欣，谢二莲. 基于Hough变换的汽车零件中圆形检测的改进算法[J]. 计算机工程与应用, 2015, 51(11): 172-174.
[14]	杨建慧，白超. àtrous小波-NSCT遥感图像融合[J]. 计算机工程与应用, 2013, 49(5): 170-173.
[15]	杨晓，刘俊杰，杨学友. 基于ROI编码的任意尺寸测量图像的压缩方法[J]. 计算机工程与应用, 2013, 49(4): 14-17.

基于兴趣区域的无参考图像质量评价方法

Non-reference image quality assessment method based on region of interest

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics