文献阅读笔记11 基于特征提取的图像质量评价及计算机辅助诊断

基于特征提取的图像质量评价及计算机辅助诊断

---

（浙江大学硕士学位论文，戴行，平面图像质量）

基于特征提取的图像质量评价及计算机辅助诊断（浙江大学硕士学位论文，戴行）
提到了局部二值模式，介绍了自然场景统计，算法性能评价，乳腺钙化点检测和图像质量评估的联系。

图像特征
图像的特征是图像某种性质的特殊表达形式。这种性质可以反映图像内容的形状、纹理以及图像质量等，而特征表现这些性质的方式可以是统计概率分布，也可以是计算机编码的形式。而图像的特征提取是指计算机通过提取图像信息的手段来决定图像中的每个像素点是否属于同一类型的图像特征。特征提取的结果是将图像中的像素点分为不同的子集。特征提取是数字图像以及利用数字图像实现相应功能之间重要的连接桥梁，

特征提取知识
利用自然场景统计(Natural Scene Statistic，NSS)特性，是假设其无失真图像是一个“自然场景”图像，这些算法则是对“自然场景”图像的建模统计，即假设待评价的失真图像都会因为失真而是的图像变得“不自然”，失真程度用其“不自然”的程度来表征，而失真图像的“不自然”的程度可以通过建立特定的模型对“自然”图像的特征进行统计对比来得到。也就是说所提取的特征必须反映自然场景统计特性之一，当有失真产生，会对特征反映这种自然场景统计特性产生影响，通过量化这种影响程度，达到测量失真程度的目的，从而能对图像的质量进行评价。
自然场景统计特性包括自相似性和尺度不变性，非高斯性，以及边缘主导特性，通过对这些自然场景统计特性的特征提取，可以有效地量化失真对这些自然场景统计特性带来的“不自然”的影响。

LIVE图像预处理
由于LIVE数据库中的图像尺寸大小不一，对于长宽无法被32整除的图像，通过插值处理将其放大至32的整数倍。将所划分的各个图像块进行比对度增益控制的局部做除归一化处理。

算法性能评价
为评估本文提出的方法，采用国际视频图像质量评价组织【14】提出的针对图像质量评价算法的3项测试指标：
1)主客观分数间的相关系数(Correlation Coefficients，cc)，用于评估客观分数的预测准确性，其值在0到1之间，CC越接近l说明数据一致性越好。
2)均方根误差(Root Mean Square Error,RMSE)，用于衡量拟合过程的准确程度，其值非负，RMSE值越小说明主客观分数之间符合的越好，当RMSE值为0时，说明主客观完全一致。
3)主客观分数间Spearman排序相关系数(Spearman Rank-Order Correlation Coefficients，SROCC)，用于测量预测的单调性，其值在0到1之间，SROCC越接近1说明数据单调性越好。