为了有效得评价模糊图像的质量分数,提出了一种基于显著性的无参考模糊图像质量评价方法。该方法首先通过改进的的显著值将图像分为显著块和非显著块,并舍弃非显著块;然后,根据模糊检测概率计算块的整体模糊,此外为了在评价过程中引入图像的结构细节信息,将标准差作为块的细节模糊;最后,对整体模糊和细节模糊进行几何融合得到块的质量分数,从而将人眼视觉信息与图像结构细节信息相融合,并利用改进的显著值对其所在的块进行加权,最终得到模糊图像质量评价方法。试验结果显示在LIVE、TID2013、CSIQ三大数据库上,该方法的评价效果都具有较好的准确性与预测性。该算法利用的图像信息相对比较全面,主要适用于纹理信息比较丰富的模糊图像。 人眼对图像显著区域更加敏感［4］，且上述算法忽略了图像的结构细节信息，使得评价结果相对比较片面。针对该问题，本文在CPBD的基础上提出了一种基于显著性的模糊图像质量评价方法本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/。模糊图像质量评价-数控滚圆机电动液压滚弧机折弯机张家港滚圆机滚弧机折弯机该方法首先对图像分块并利用图像显著性选择图像的显著块来替换边缘块，针对显著块，分别用模糊检测概率和方差衡量图像的整体模糊和细节模糊，并通过几何融合得到显著块的模糊质量分数。最后利用改进的显著值对块进行加权得到最终评价结果。2本文算法2．1本文评价算法原理本文算法的原理图如图1所示，首先对图像进行64×64分块。针对块，利用改进的图像显著性计算方法计算块显著值，并通过阈值T选择图像显著块。然后，在模糊检测和方差的的基础上，分别计算显著块的整体模糊度量和细节模糊度量，并通过几何融合得到块的模糊评价分数。最后，利用块的显著值对块模糊分数进行加权得到最终模糊评价结果。图1算法原理图2．2图像显著值计算的改进张玲提出的SDSP算法［8］结构简单且计算速度较快。但通过模拟人眼的注意机制发现，与位置特征相比较，人眼对亮度对比度特征更加敏感［9］。基于此特性，本文利用对比度显著特征代替SDSP算法中的位置显著特征，并对三种控制显著性的特征设置调节因子，改进后的SDSP算法如公式(为频域特性，SC(ei)为位置显著值，SL(ei)为亮度对比度显著值，在ＲGB颜色空间上，模糊图像质量评价-数控滚圆机电动液压滚弧机折弯机张家港滚圆机滚弧机折弯机本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/