云南省高层次科技人才培引工程(KKSY201203030)
- 作品数：3 被引量：21H指数：2
- 相关作者：易三莉苗莹邵党国贺建峰钱洁更多>>
- 相关机构：昆明理工大学更多>>
- 发文基金：云南省高层次科技人才培引工程国家自然科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 结合梯度信息的特征相似性图像质量评估被引量：19
- 2015年
- 目的图像的边缘信息对于图像质量的评估非常重要。基于底层特征的图像质量评估算法(FSIM),虽然考虑了图像的底层特征,但该算法对边缘信息的识别能力不理想。针对以上问题,将FSIM算法与对边缘信息更敏感的梯度结构相似度(GSSIM)算法相结合得到一种既符合人眼视觉系统特点又能有效识别图像边缘的新的图像质量评估算法(FGSIM)。方法该算法将FSIM算法的相位一致性部分与GSSIM算法的提取图像信息的部分相结合从而得到一种新的图像质量评估算法FGSIM。其中,采用相位一致性表示图像的特征,用于保持评估算法接近人类视觉系统的特点,提取图像信息的部分通过图像的梯度来实现,用于更有效的识别图像边缘。结果分别使用FSIM、GSSIM以及FGSIM算法对不同运动模糊程度、不同高斯模糊程度以及不同高斯噪声的图像进行质量评估,将得到的数据用曲线图表示,从图中可以看出:在运动模糊实验中,随图像模糊程度的增大,FGSIM算法的数值由0.894 3下降到0.344 3,变化更加明显,对运动模糊表现出更好的敏感性;在高斯模糊和高斯噪声实验中,FGSIM算法数值变化的程度虽然不如GSSIM算法好,但相较FSIM算法有一定的提高。FGSIM算法在公共测试图像库中与FSIM、GSSIM算法进行实验比较,FGSIM算法的散点图较FSIM算法稍差些,但与GSSIM算法相比具有非常大的改进,其散点图比GSSIM更为集中。采用较为常用的衡量评估方法性能的指标:皮尔逊相关系数、斯皮尔曼秩相关系数、KROCC和均方根误差对评估算法的性能进行衡量,数据显示,FGSIM算法的性能比GSSIM算法好。结论实验结果表明,FGSIM算法是一种既符合人眼视觉系统特点又能有效识别图像边缘的新的图像质量评估算法,该算法对边缘信息的识别能力更强,对图像质量的变化更加敏感。
- 苗莹易三莉贺建峰邵党国
- 关键词：图像质量评估梯度特征结构相似度边缘信息
- 一种在扩散加权图像降噪中的算法
- 2014年
- 扩散加权图像中的噪声为莱斯噪声并且图像本身含有丰富的边界信息,因而要求对DWI图像有效降噪的同时,能够较好地保留图像的边界信息。由于BEMD算法可将图像分解为细节图像及余项图像,其所分解的细节图像包括DWI图像的边界信息以及主噪声,而余项图像则描述图像的趋势信息。因此,提出一种将二维经验模态分解算法与改进的维纳滤波器相结合的降噪算法,并将该算法应用于DWI图像的降噪中。通过实验,将所提出的算法与其他算法应用于DWI图像的降噪处理,并通过对结果的分析比较证明所提出的算法能够更有效地对DWI图像进行降噪处理。
- 易三莉贺建峰邵党国刘正刚
- 关键词：二维经验模态分解
- 基于感兴趣区域的边缘结构相似度图像质量评估被引量：3
- 2015年
- 目前常用的评估算法忽视了图像中携带重要信息的边缘特征。基于感兴趣区域的双尺度边缘结构相似度算法虽然考虑了边缘信息的重要性,但对边缘信息的识别效果不理想。针对以上问题,提出边缘结构相似度图像质量评估算法,将图像分为感兴趣区域与不感兴趣区域,分别用边缘结构相似度算法和结构相似度算法对2种区域进行质量评估,并实现加权组合。实验结果表明,该算法对边缘信息的识别能力更强,对图像质量的变化更加敏感。
- 易三莉苗莹钱洁郭贝贝相艳
- 关键词：图像质量评估边缘信息三次B样条结构相似度感兴趣区域
