針對屏幕內(nèi)容圖像的無參考評價算法
隨著多客戶端交互多媒體應用的快速發(fā)展，屏幕內(nèi)容圖像（Screen content image，SCI）的分發(fā)和處理與日俱增．圖像質(zhì)量評價課題的研究是其它許多應用的基礎。至今圖像質(zhì)量評價課題研究的重點是傳統(tǒng)自然圖像。因此針對屏幕圖像質(zhì)量評價的研究就變的非常迫切和必要．客觀圖像質(zhì)量評價算法的提出的基礎建立在標準圖像質(zhì)量評價數(shù)據(jù)庫上．本文首先構(gòu)建了一個大規(guī)模的屏幕內(nèi)容圖像質(zhì)量評價數(shù)據(jù)庫（lmmersive Media Laboratory screen contentlmage quality database，IML-SCIQD）.IML-SCIQD數(shù)據(jù)庫包含參考圖像25張以及經(jīng)過10種失真處理的1250張失真圖像，以建立的IML-SCIQD數(shù)據(jù)庫為基礎，考慮到屏幕內(nèi)容圖像圖像區(qū)域和文本區(qū)域的視覺感知差異，在基于自然場景統(tǒng)計的無參考方法的啟發(fā)下。本文提出了針對屏幕內(nèi)容圖像的無參考評價算法（Natural Scene Statistics based No Reference Screen Content Image Quality Assessment metric，NSNRS）.NSNRS算法首先分別計算圖像區(qū)域和文本區(qū)域的質(zhì)量分數(shù)。再將這兩個區(qū)域的質(zhì)量分數(shù)結(jié)合起來得到整幅失真圖像的質(zhì)量分數(shù)．該算法與其它12種經(jīng)典的客觀評價算法，包括全參考算法，部分參考算法與無參考算法，在IML-SCIQD數(shù)據(jù)庫和SIQAD數(shù)據(jù)庫上進行了性能測試和對比，結(jié)果表明本文提出的算法優(yōu)于經(jīng)典的的無參考評價算法：就整個數(shù)據(jù)庫而言。本文提出的算法可以達到與全參考方法相當?shù)男阅堋?/p>
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
針對屏幕內(nèi)容圖像的無參考評價算法下載
相關電子資料下載
- 研究人員利用人工智能提升超透鏡相機的圖像質(zhì)量 141
- 友思特技術(shù) | 清晰又精巧：無需犧牲質(zhì)量所收獲的高壓縮比圖像 171
- 環(huán)形光源讓圖像質(zhì)量瞬間提升，一探究竟！ 718
- 谷歌推出圖像生成新工具ImageFX，提升圖像質(zhì)量 385
- 分辨率是什么設備的主要性能 528
- 如何使用超低噪聲電源提高超聲系統(tǒng)的圖像質(zhì)量 860
- AHD攝像頭與CVBS的區(qū)別 8029
- 陣列型光場相機實現(xiàn)圖像遮擋物移除實驗研究 208
- 關于圖像傳感器圖像質(zhì)量的四大誤區(qū)！你踩過幾個坑？ 292
- 影響圖像質(zhì)量的因素有哪些方面 575