| 内容提要: |
数字图像在获取、存储、传输、显示等过程中不可避免地会引入一些干扰因素, 如噪声、模糊、压缩等, 这些都会造成图像质量的下降，因此设计一个有效的图像质量评价算法在图像处理领域是很重要的。一般来说，无参考图像质量评价更有实际意义，是近些年来的研究热点。目前，很多无参考质量评价算法都是使用单一的边缘检测算子提取特征进行质量预测，然而仅使用单一的边缘算子很难反映出图像的全部特征。本次报告提出了一种联合多种边缘检测算子的无参考质量评价算法，同时考虑一阶和二阶边缘算子，避免了单一算子的局限性。该方法首先将彩色图像转换为灰度图像，然后计算灰度图像的梯度，相对梯度以及LOG特征。所使用的特征分为两部分，一部分提取相对梯度方向的标准差，另一部分利用条件熵来量化不同特征之间的相似性和相互关系，并且考虑到人眼特性进行多尺度计算，最后使用自适应增强(AdaBoost)神经网络进行训练和预测。在公共数据库LIVE和TID2008上进行实验，结果表明新方法对失真图像的预测评分与主观评分有较高的一致性，能很好地反映图像质量的视觉感知效果，仅使用10维特征，性能优于现有的主流无参考质量评价算法。 |