如今,图像处理技术的应用已渗透到国民经济的各个行业中。在几乎所有的图像应用系统中,图像的质量评价都扮演着基石的角色。图像质量评价研究的最终目的是希望提出某些算法,这些算法可以对图像的质量进行自动评价,而且评价的结果能够和人的主观感受高度一致。目前的图像质量评价方法(尤其是无参考图像质量评价方法)对图像质量的评价能力还达不到和人的主观评测高度一致的程度。鉴于此,在本项目中,我们将致力于提出新的高性能的图像质量评价方法。拟提出的新方法将建立在视觉显著性和稀疏表示两个基础理论之上。这是由于一方面,图像的视觉显著性特征与人对图像的主观感知之间有着密切的联系;另一方面,稀疏表示理论是近年来发展起来的有效的图像表示和分类模型。我们将尝试把这两个理论有机结合,并有效地引入到图像质量评价领域中,来构建全新的高性能的图像质量评价方法。本项目的预期成果将在理论和应用两个方面极大地促进图像处理领域的发展。
英文主题词image quality assessment;visual saliency;sparse representation;natural scene statistics model;