您的位置: 专家智库 > >

江西省自然科学基金(20133BBE50029)

作品数:1 被引量:14H指数:1
相关作者:杨荣昌刘小平徐少平更多>>
相关机构:加拿大卡尔顿大学南昌大学更多>>
发文基金:江西省自然科学基金国家自然科学基金国家高技术研究发展计划更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 1篇中文期刊文章

领域

  • 1篇自动化与计算...

主题

  • 1篇视觉
  • 1篇梯度结构
  • 1篇图像
  • 1篇图像质量
  • 1篇图像质量评价
  • 1篇加权

机构

  • 1篇南昌大学
  • 1篇加拿大卡尔顿...

作者

  • 1篇徐少平
  • 1篇刘小平
  • 1篇杨荣昌

传媒

  • 1篇中国图象图形...

年份

  • 1篇2014
1 条 记 录,以下是 1-1
排序方式:
信息量加权的梯度显著度图像质量评价被引量:14
2014年
目的针对信息量加权结构化图像质量评价算法(Information Content Weighted SSIM)对图像局部失真度量能力的不足,提出了一种被称为信息量加权的梯度显著度图像质量评价改进算法(Information Content Weighted Gradient Salience SSIM)。方法该算法首先根据人眼视觉系统响应亮度刺激的韦伯定律,仅在空域内利用一次滤波快速计算出当前像素点与背景之间的对比度并将其非线性映射为该像素点的视觉显著度。然后,将视觉显著度与梯度特征结合后获得了一种新的被称为梯度显著度局部失真度量(GS-SSIM)并将其替换IW-SSIM算法中的SSIM局部结构化度量。结果在六大公开基准数据库上完成的大量对比实验表明:对于图像的各种噪声和模糊等类型失真,GS-SSIM较SSIM局部失真度量具有更高的评价准确率。与IW-SSIM算法和其他被广泛引用的图像质量评价算法相比,改进算法评价结果总体上与主观评价结果具有更高的一致性。结论视觉显著度与梯度特征相结合后所构成的结构化度量能够有效提高经典SSIM结构化度量对图像局部失真度量的准确性,未来可以考虑将人类视觉系统(HVS)的其他特性融入到图像质量评价算法中,以进一步提高算法的准确性。
徐少平杨荣昌刘小平
关键词:图像质量评价梯度结构
共1页<1>
聚类工具0