以像素值为基础的传统图像质量评价方法有其固有局限性,如对图像结构的忽视及对完全参考图像的需求等。为解决这些问题,该文研究了图像的奇异值向量对图像结构的表征能力,提出了基于视觉权重的奇异值分解和均值偏差率的部分参考图像质量评价方法BWSVD(Block Weighted Singular Value Decomposition)。首先,将图像分成8×8大小的图像块,再利用其奇异值向量差值和均值偏差来定量描述图像畸变程度,并结合人眼视觉敏感性为每个图像块赋予一个视觉权重。最后,利用the Live Image Quality Assessment Database,Release2005中的227幅不同压缩倍率的JPEG2000降质图像进行实验,并与PSNR,RMSE,UQI,MSSIM,MSVD等算法进行了对比,实验表明,该文算法对压缩图像质量评价具有更好的稳定性,同时体现了更好的主客观评价一致性。
针对基于像素值的图像质量评价方法忽视图像结构信息和需要完全参考图像等问题,提出了一种基于Contourlet域奇异值分解CW-SVD,部分参考图像质量评价方法(contourlet weighted singular value decomposition)。在Contourlet域中,利用奇异值向量对图像结构的表征能力,结合人眼视觉敏感性确定每个子带的视觉权重,得到每个子带的评价测度,再综合得出图像的最终评价指标。实验表明,该方法应用于4种类型的降质图像质量评价时,比峰值信噪比(PSNR、MSSIM)等算法具有更好的稳定性和更好的主客观评价一致性。
