随着互联网的高速发展,图像数据因其表达直观、内容丰富和易于分享的优点,逐渐成为了信息分享、信息传播和情感表达的重要的媒介。图像数据的广泛应用给图像系统中的各个处理过程,如图像存储、图像传输、图像分析和图像显示等都提出了新的挑战。在这些处理环节中,图像不可避免的受噪声干扰,造成图像视觉信息的衰退。由于图像的最终感知者是人,图像信息的衰退会降低人的视觉体验,因此图像质量成为了判断图像处理技术优劣的重要标准。对图像质量进行自动、有效和准确的评价对图像处理技术有着重要的指导意义。本文围绕人类视觉系统感知特性和全参图像质量评价进行了分析和组织,研究了人类视觉系统对于图像内容和图像结构的感知特性及其对图像质量评价的影响。主要的工作和创新点包括以下几点:(1)提出了一种基于图像分解的结构相似度模型IDSSIM(Image decomposition-based structural similarity index)。心理学研究表明人类视觉系统对不同区域的敏感度不同,根据这一理论,本文首先使用基于全变分流(TV-flow)的图像分解算法将图像分解为两个独立的部分:边缘图像和纹理图像。边缘图像主要保留了图像的边缘信息,而纹理图像保留了图像的纹理细节,本文提出在这两部分上使用不同的特征来计算相似度。具体来说,在边缘图像上,采用梯度来计算局部失真,在纹理图像上,采用像素强度和对比度来估计局部失真,结合这两部分的质量评价结果得到图像的局部质量评分,最后将边缘图像信息作为权重函数合并局部质量评分得到整体评分。在五个公开的用于图像质量评价的数据集上的实验结果验证了所提方法的有效性。(2)提出了一种基于全局统计和局部结构信息的全参图像质量评价算法。在传统的全参图像质量评价方法中,参考图像的质量被认为是最好的,忽略了某些失真类型会增强图像质量的情况。因此,现有的图像质量评价方法很难对质量增强的图像进行评价。针对这一问题,提出了结合全局统计和局部结构信息的图像质量评价方法,使用图像低频熵和均值来计算全局统计相似度,结合基于主要结构的局部结构相似度对图像质量进行评价。在四个公开的图像质量评价数据库上的实验表明,本文提出的基于显著结构的相似度模型性能达到当前图像质量评价的先进水平,同时本文提出的基于全局统计特征的质量评价模型能在不影响对传统失真类型评价的前提下,可有效的提高对对比度失真类型的评价精确度。(3)提出了一种基于扩散速度的结构相似度算法DSSIM(Diffusion Speed Structure Similarity)。基于人类视觉系统对结构信息的高度敏感性,结构信息被广泛的应用在全参图像质量评价中。然而,现有的图像结构特征提取算子大都是基于块的,如梯度、对比度等,在这些相似度模型中,每个图像块的相似度值是独立的,忽略了邻域图像块的变化。人类视觉系统对图像退化的感知不仅与局部结构(块内)退化有关,同时也与局部结构邻域(块间)紧密相关。利用这一特性,本文提出了一种基于扩散速度的结构相似度算法,该方法同时考虑了块间和块内关系。具体来说,本文使用扩散速度来描述块间相关信息,然后将扩散速度作为一种视觉特征来计算图像相似度。此外,本文使用梯度相似度来估计块内结构信息退化。在融合阶段,扩散速度被作为权重函数来确定图像区域的重要程度。在四个公开的用于图像质量评价的数据集上验证了本文方法的有效性。(4)将图像质量评价应用于快速响应(Quick Response,QR)码美化算法,提出了一种基于图像质量的QR码美化优化方法。该方法包括两个阶段,一个是基于图像显著结构和半色调图像的图像块加权处理,该方法将给定的彩色图像进行显著性检测和半色调处理,得到相应的显著图像和半色调图像,然后根据显著图像和半色调图像上的网点分布,对QR码的模块分布进行优化。另一个阶段是码字分布优化,在这个阶段中,使用图像质量评价得分作为标准进行优化。实验表明,所提出的方法能有效地提升QR码的视觉效果,提升视觉美感。