论文部分内容阅读
图像能够传递各种各样的信息,随着互联网时代的迅猛发展,人们对图像这一重要信息载体的需求越来越多,要求也越来越高。由于在传输或者压缩的过程中不可避免地出现各种程度的失真,这就需要更加精准和高效的评价体系和评价方法来对图像的质量做出评价。图像质量评价主要有主观评价和客观评价两种方法,本文研究的是通过数学建模的客观方法对图像的相似度作出量化分析。本文所做工作如下:(1)相位信息可以很好地检测图像特征,基于特征相似性的图像质量评价方法(FSIM)以相位信息和梯度强度为特征提取图像的纹理结构特征,但是在检测图像阶跃边缘时存在一定的局限性,而对称相位一致性(SPC)可以更好地还原图像边缘特征。由此提出一种将FSIM与对阶跃边缘敏感的对称相位一致性相结合,并利用各向同性Sobel算子计算其梯度幅值的新方法——对称特征相似度(SFSIM)。该方法利用SPC通过相位相邻像素响应的符号确定对称相位的特征和更加准确的各向同性Sobel算子加权系数,能够很好地监测和定位尖锐的图像边缘特征。在国际标准图像数据库中对不同失真类型的图像进行仿真实验,比较相关指标参数,实验结果表明,在保留原始方法优良性能的基础上,SFSIM对比较尖锐的图像边缘特征和高斯模糊图像具有更高的敏感性,质量评价效果更优。(2)医学图像处理是将计算机和各种医学影像设备相结合,该处理系统的信息主体是图像,而图像质量就是衡量这个系统的主要指标。核磁共振(MRI)图像可以比较清晰地显示正常组织细胞和肿瘤细胞在影像学上的差异。通过超像素分割的方法将脑部MRI图像按照像素块的不同进行分割,由于人脑在结构上是左右对称的,将左脑和右脑对称部位的像素块分别进行通过方法SFSIM进行相似度的比较得到量化的数值,对质量评价结果进行对比分析可以判断该MRI图中出现病癌变的部位,有利于提高医生判断病人脑部癌变部位的准确性。