改进Itti模型的无参考图像质量评估方法

“本文介绍了一种基于兴趣区域的无参考图像质量评价方法，旨在评估不同失真类型的图像质量。该方法改进了Itti模型，用于识别失真图像的兴趣区域和非兴趣区域，并在非下采样Contourlet域分析图像的统计特性。通过对失真图像与自然图像统计特性的差异计算，得出图像质量分数。实验结果表明，此方法与主观感知的一致性较好。” 在图像处理和计算机视觉领域，图像质量评价是一项关键任务，分为主观评价和客观评价。客观评价方法由于其自动化、实时性和可重复性，受到了广泛关注。根据对原始图像信息的依赖程度，客观评价算法主要分为全参考、部分参考和无参考三类。全参考算法利用原始图像和失真图像的全部信息来评估质量，如PSNR和SSIM等指标。然而，在实际应用中，原始图像往往不可用，这时无参考图像质量评价（NR-IQA）变得尤为重要。 本文提出的无参考图像质量评价方法侧重于处理各种常见的图像失真，如噪声、模糊和压缩失真。作者改进了Itti模型，这是一个基于视觉注意理论的模型，通常用于模拟人类视觉系统的注意力机制。通过改进后的模型，可以更准确地识别失真图像中的关键区域，即兴趣区域和非兴趣区域。接下来，研究者在非下采样Contourlet变换域中提取图像的统计特性，这是一种多分辨率、多方向的图像分析工具，能够有效地捕捉图像的边缘和纹理信息。 在统计特性分析过程中，失真图像的各个区域与自然图像的统计特性进行比较，计算两者之间的差异。这种差异反映了失真对图像整体质量的影响，从而生成了图像的质量分数。实验部分，该方法在LIVE数据集上与其他已知的无参考图像质量评价方法进行了比较，结果显示，所提方法与人的主观感知有较高的一致性，这意味着它能有效地模拟人类对图像质量的感知。 这篇论文的研究贡献在于提出了一种新的、基于兴趣区域的无参考图像质量评价方法，这种方法结合了视觉注意力模型和图像统计特性分析，对于在没有原始参考图像的情况下评估图像质量具有实用价值。未来的研究可能包括进一步优化Itti模型，扩大实验数据集以验证方法的普适性，以及探索如何将这种方法应用于更广泛的图像处理和通信场景。