基于局部结构张量的无参考型图像质量评价方法
邵宇* 孙富春 刘莹
(清华大学计算机科学与技术系 北京 100084)
A No-reference Image Quality Assessment Method Using Local Structure Tensor
Shao Yu Sun Fu-chun Liu Ying
(Department of Computer Science and Technology, Tsinghua University, Beijing 100084, China)
摘要 该文提出一种基于局部结构张量奇异值分解的无参考型图像质量评价方法，由于图像局部结构张量能反映图像几何结构，因此利用张量特征值之间的关系来度量图像噪声与模糊水平，将两个度量结合得到图像质量的综合评价。通过分析仿真图像和实际图像的质量评价结果，该方法能同时度量因噪声和模糊造成失真后的图像质量。与图像质量评价数据库的主观评价结果比较表明，该文方法与主观评价结果相关性强，能很好地反映图像质量的视觉感知效果，并且易于实现。
关键词 ：
图像质量评价 ,
奇异值分解 ,
局部结构张量 ,
无参考型
Abstract ：A new image quality metric is proposed, it can be used to predict the no-reference image quality. Based on the Singular Value Decomposition (SVD) of the local structure tensor of the image, the noise and blur level is measured using the characteristic of singular value. The performance of the method is evaluated with a publicly available database of images and their quality score. The results show that the proposed no-reference method for the quality prediction of noise and blur images has a comparable performance to the leading metrics available in literature, and also that the method is easier to implement.
Key words ：
Image Quality Assessment (IQA)
Singular Value Decomposition (SVD)
Local structure tensor
No- reference
收稿日期: 2012-01-10
通讯作者:
邵宇
E-mail: shaoyu2011@foxmail.com
[1]
季正燕,陈辉,张佳佳,李帅,陆晓飞. 一种基于奇异值分解的解相干算法
[2]
周伟力,贺前华,王亚楼,庞文丰. 基于自适应逼近残差的稀疏表示语音降噪方法
[3]
叶茂,刘文芬. 基于快速地标采样的大规模谱聚类算法
[4]
丁勇,李楠. 基于高维度特征分析的非局部图像质量评价方法
[5]
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
[6]
徐海勇,郁梅,骆挺,吕亚奇,蒋刚毅. 基于非负矩阵分解的彩色图像质量评价方法
[7]
陈昌川,周杨,张天骐. TDDM-BOC信号组合码序列及信息序列盲估计
[8]
孙彦景, 杨玉芬,刘东林, 施文娟. 基于内在生成机制的多尺度结构相似性图像质量评价
[9]
陈勇, 樊强,帅锋. 基于小波分析的图像稀疏保真度评价
[10]
丰明坤,赵生妹, 邢超. 基于视觉显著失真度的图像质量自适应评价方法
[11]
查翔,倪世宏, 张鹏. 一类非线性信号去噪的奇异值分解有效迭代方法
[12]
李银伟, 陈立福, 韦立登, 彭青, 向茂生. 基于多普勒域多通道的机载合成孔径雷达自聚焦算法
[13]
王录涛, 王微, 金钢. 基于Hankel-SVD的非平稳超声血流成像杂波抑制技术研究
[14]
蒋平,张建州. 基于局部最大梯度的无参考图像质量评价
[15]
沈斌, 王建新. 基于奇异值分解的直扩信号伪码序列及信息序列盲估计方法
2012, Vol. 34 
