目录第一章引言 11.1图像质量评价的定义 11.2研究对象 11.3方法分类 21.4研究意义 3第二章历史发展和研究现状 42.1基于手工特征提取的图像质量评价 42.1.1基于可视误差的“自底向上”模型 42.1.1.1Daly模型 42.1.1.2Watson’sDCT模型 52.1.1.3存在的问题 52.1.2基于HVS的“自顶向下”模型 52.1.2.1结构相似性方法 62.1.2.2信息论方法 82.1.2.3存在的问题 92.2基于深度学习的图像质量评价 102.2.1CNN模型 102.2.2多任务CNN模型 122.2.3研究重点 15第三章图像质量评价数据集和功能指标 163.1图像质量评价数据集简介 163.2图像质量评价模型功能指标 17第四章总结与展望 194.1归纳总结 194.2未来展望 19参考文献 21第一章引言随着现代科技的发展,诸如智能手机,平板电脑和数码相机之类的消费电子产品快速普及,已经产生了大量的数字图像。
作为一种更自然的交流方式,图像中的信息相较于文本更加丰富。
信息化时代的到来使图像实现了无障碍传输,图像在现代社会工商业的应用越来越广泛和深入,是人们生活中最基本的信息传播手段,也是机器学习的重要信息源。
图像质量是图像系统的核心价值,此外,它也是图像系统技术水平的最高层次。
但是,对图像的有损压缩、采集和传输等过程会很容易导致图像质量下降的问题。
例如:在拍摄图像过程中,机械系统的抖动、光学系统的聚焦模糊以及电子系统的热噪声等都会造成图像不够清晰;
在图像存储和传输过程中,由于庞大的数据量和有限通讯带宽的矛盾,图像需要进行有损压缩编码,这也会导致振铃效应、模糊效应和块效应等图像退化现象的出现。
所以,可以说图像降质在图像系统的各个层面都会很频繁地出现,对图像质量作出相应的客观评价是十分重要且有意义的。
为了满足用户在各种应用中对图像质量的要求,也便于开发者们维持、控制和强化图像质量,图像质量评价(ImageQualityAssessment,IQA)是一种对图像所受到的质量退化进行辨识和量化的
1