基于稀疏表示的无参考图像质量评价方法及其应用

基于稀疏表示的无参考图像质量评价方法及其应用

ID:35068728

大小:3.05 MB

页数:72页

时间:2019-03-17

基于稀疏表示的无参考图像质量评价方法及其应用_第1页
基于稀疏表示的无参考图像质量评价方法及其应用_第2页
基于稀疏表示的无参考图像质量评价方法及其应用_第3页
基于稀疏表示的无参考图像质量评价方法及其应用_第4页
基于稀疏表示的无参考图像质量评价方法及其应用_第5页
资源描述:

《基于稀疏表示的无参考图像质量评价方法及其应用》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类号TP391.4密级公开UDC004.93学位论文编号D-10617-308-(2016)-02077重庆邮电大学硕士学位论文中文题目基于稀疏表示的无参考图像质量评价方法及其应用英文题目No-referenceImageQualityAssessmentMethodbasedonSparseRepresentationandItsApplication学号S130201080姓名闫亚星学位类别工学硕士学科专业计算机科学与技术指导教师陈乔松副教授完成日期2016年5月30日重庆邮电大学硕士学位论文摘要摘要图像在采集、分析、传输、处理和重建过程中,都很容

2、易产生失真现象。为了保持、控制、和增强图像质量,对于图像处理系统来说,能够识别和量化图像质量等级就显得尤为重要。全参考(Full-Reference,FR)质量评价算法必须仰赖于参考图像的全部内容信息,半参考(Reduced-Reference,RR)质量评价算法则需要从原始图像中提取出部分特征。但在实际应用当中,无法或很难完全获得完美、无失真的图像。使得无参考(No-Reference,NR)质量评价算法的研究成为目前研究的热点、难点。作为一种新兴表示信号,稀疏表示受大脑皮层的视觉感知,对自然图像能够进行稀疏编码,从而使高维数据转换为低维数据,最终达到

3、简化信号处理的目的。其最重要的思想是,训练样本中同类的样本子空间能够线性表示测试集中的图像,而且此时系数将稀疏分布在训练样本中。当前,设计一个准确、高效且与HVS(HumanVisualSystem)相符的无参考图像质量评价体系仍然是困难的。本文提出了一种基于稀疏表示的NR质量评价算法以及其在手机屏幕显示效果上的应用,主要工作为:根据视觉特征,引入稀疏表示理论,设计了一种基于稀疏表示的无参考图像质量评价模型。该模型提取图像中的空域统计特征,构建稀疏特征字典,从而对测试集图像进行稀疏编码,利用稀疏系数来得到最终测试图像的质量。实验表明,由本质量评价模型得到

4、的客观质量分数与图像对应的主观质量分数能够很好地保持一致性。为了研究本文提出的无参考质量评价模型在手机屏幕显示效果上的应用,提出了一种基于移动终端上的内容自适应背光控制技术。首先,采用上述的质量评价模型对所选取图像进行质量筛选;接下来,根据人眼视觉注意机制,提取图像中的ROI(RegionofInterest),对ROI中的内容信息分析并提取出具有代表性的图像特征;然后由人眼视觉实验得到最适宜的屏幕亮度,对图像特征和最适宜屏幕亮度之间建立回归模型,通过回归模型得到测试图像对应的屏幕背光亮度。实验表明,该方法可以根据屏幕显示的图像内容有效地调整屏幕背光的亮

5、度。关键词:图像质量评价,稀疏表示,背光控制,ROII重庆邮电大学硕士学位论文AbstractAbstractItiseasyforimagestoproducedistortionintheprocessofcollection,analysis,transmission,processingandreconstruction.Andit’sparticularlyimportantforimageprocessingsystemtoidentifyandquantifytheimagequalitylevel.FR(Full-Reference)im

6、agequalityevaluationmethodiscompletelydependentontheoriginalimageinformationwhileRR(Reduced-Reference)imagequalityevaluationmethodneedstoextractsomefeaturesfromtheoriginimage.Butitisdifficulttogetperfectanddistortion-freeimagesinpracticalapplication.SotheresearchofNR(No-Reference

7、)imagequalityevaluationalgorithmbecomesahotanddifficultsubject.Asanewrepresentationsignal,sparserepresentationisaffectedbythevisualperceptionofthecerebralcortexandcanbeusedforsparsecoding,sothatthehighdimensionaldataisconvertedtolowdimensionaldata,andfinallyachievethepurposeofsim

8、plifyingthesignalprocessing.Themostimpor

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。