1. 研究目的与意义
人类从外界感知的信息中有80%以上来自于视觉，可见视觉信息在我们日常生活中的重要性。在当今信息数字化时代，随着传感器技术和网络多媒体技术的不断发展，数字图像在我们生活中的方方面面体现出越来越重要的作用，与此同时人们也能够通过各种途径方便地获取图像和视频等视觉信息。因此，如何获取和应用高质量的数字图像的问题也就越来越重要。而在图像的获取、处理、传输等一系列环节中，都不可避免地出现各种不同类型的失真，如何评价图像的质量也尤为重要。这将是本论文将要研究的内容之一——图像质量评价。视觉质量评价研究是最近几年在多媒体处理领域出现的新兴研究方向，涌现了包括ssim、vif、vsnr等出色的算法。
另一方面，随着信息技术的迅猛发展，人们希望利用计算机来处理和分析日益膨胀的图像数据，并从中便捷地获取有用的信息。但是现在视觉计算模型跟不上需求。人们希望机器像人一样快速而准确地处理这些数据，并希望得到想要的信息，基于此目的，视觉显著性的计算模型研究应运而生。视觉显著性是人类视觉系统用于指引注意力分配和视觉认知过程的生理机制，人类的视觉注意机制能够将有限的认知资源聚集于场景中重要的刺激而抑制那些不重要的信息。视觉显著性计算模型正是通过数学模型模拟和仿真人类视觉机理，从而能够快速而有效的处理视觉数据，是解决现在计算视觉中许多难题的途径。现有的显著性检测的方法有基于层次的、基于频谱的、基于熵的和基于图像对比度的方法。
基于以上图像质量评价和显著性模型这两方面所介绍的背景内容，本毕业设计将对现有的视觉质量评价方法和显著性模型进行融合研究，建立融合模型，实现融合效果的比较。该融合模型将结合人眼视觉注意机制，将显著性视觉模型应用于视觉质量评价研究。这将有望更加准确地反映人类主观感受，而且对于其它领域如图像视频编解码，感兴趣目标检测等将有重要的实践意义。
2. 研究内容和预期目标
一．研究内容
本毕业设计将要研究的是在基本的质量评价方法上结合视觉注意机制，得出比较合适的融合方法。
第一部分，对图像质量的评价，可以分为主观评价方法和客观评价方法。人眼是图像的最终感知者和评价者，所以图像质量最可靠的评价方法是人直接观察。图像质量主观评价方法分为两种，即绝对评价和相对评价。图像质量客观评价方法通过建立数学模型对图像的质量进行定量评价，同时通过各种方式使预测得到的质量分数与人的主观感觉尽可能的一致。现有的客观图像质量评价方法，根据对参考图像的依赖程度，可分为全参考型（fr）、部分参考型（rr）和无参考型（nr）。本论文将用到的评价方法是全参考型图像质量评价方法，全参考型质量评价方法的原理是通过利用原始图像的信息，通过计算原始图像与失真图像之间的区别，并综合这些误差获得对失真图像质量的进行综合评价。本毕业设计将用的是全参考型中的ssim模型，分析算法并通过实例论证。
3. 研究的方法与步骤
在经过一系列的资料和相关书籍查找下，首先了解了与本论文相关的一些基础理论知识，在此前提下，本论文选择拟介绍并选取一种图像质量评价的经典方法，即全参考图像质量评价——ssim。还将介绍和选取图像的视觉显著性模型理论和方法研究——侯晓迪的谱残差方法（sr算法），提取图像的全局显著图。
视觉显著性是人眼视觉系统处理信息过程中一种显著的心里调节机制特性，可以表示人眼对图像中不同区域的重视程度，是最基本的人类视觉特性之一。在此理论介绍的基础上本毕业设计将提出一种融合模型，初步考虑将sr模型与ssim模型进行相乘融合，并用matlab将这种融合模型实现出来，实验得出的结果与之前的ssim图、sr显著图的结果进行对比分析，通过比较得出实验结论。
1.介绍全参考图像质量评价算法——ssim。
4. 参考文献
[1]刘志伟,周东傲,林嘉宇.基于图像显著性检测的图像分割[j].计算机工程与科学,2016,38(1):144-147.[2]孟莎莎,饶兰香.基于多重特征信息的图像显著性检测方法[j].计算机应用与软件,2016,33(9):190-194.[3]陈南而,陈莹.采用背景和中心先验的图像显著性检测[j].小型微型计算机系统,2016,37(10):2371-2374.[4]张旭东,吕言言,缪永伟,等.结合区域协方差分析的图像显著性检测[j].中国图象图形学报,2016,21(5):605-615.[5]沈军民,李俊峰,戴文战.结合结构信息和亮度统计的无参考图像质量评价[j].电子学报,2016,44(4):804-812.[6]潘强,印鉴.基于多分辨率分解无参考模糊图像质量评价[j].控制工程,2016,23(7):1143-1148.[7]丰明坤,赵生妹,孙丽慧,等.基于局部高斯加权融合的图像质量评价[j].计算机工程,2016,42(8):237-242.[8]徐海勇,郁梅,骆挺,等.基于非负矩阵分解的彩色图像质量评价方法[j].电子与信息学报,2016,38(3):578-585.
[9]高尚兵,严云洋,宗慧.基于显著性区域的图像分割[j].微电子学与计算机.2011年10期.
[10]薛松，李芳.基于自然场景统计的无参考图像质量评价[j].四川兵工学报,2014,04期.
5. 计划与进度安排
2.20--3.12，熟悉课题背景，查阅资料，完成开题。
3.13--4.20，开展课题工作，完成课题的主要实验工作。
4.21--5.20，撰写毕设论文初稿。
