CN103269439A - 一种oct影像质量客观无参考型评价方法 - Google Patents

一种oct影像质量客观无参考型评价方法 Download PDF

Info

Publication number
CN103269439A
CN103269439A CN2013101893057A CN201310189305A CN103269439A CN 103269439 A CN103269439 A CN 103269439A CN 2013101893057 A CN2013101893057 A CN 2013101893057A CN 201310189305 A CN201310189305 A CN 201310189305A CN 103269439 A CN103269439 A CN 103269439A
Authority
CN
China
Prior art keywords
image
oct
objective
formula
evaluation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2013101893057A
Other languages
English (en)
Inventor
武薇
陈金龙
陆晓娟
王梦蕾
范影乐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN2013101893057A priority Critical patent/CN103269439A/zh
Publication of CN103269439A publication Critical patent/CN103269439A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Image Analysis (AREA)

Abstract

本发明涉及一种OCT影像质量客观无参考型评价方法。本发明将人眼视觉***的视觉感知特性与客观评价的统计模型相结合，以实现对OCT影像质量的客观评价。首先利用HVS感知特性中的掩盖效应，将基于梯度的亮度掩盖和空间复杂度掩盖模型引入模糊度评价中；其次将人类视觉对亮度变化的敏感度，和对比度敏感函数引入噪声评价统计模型中以评价噪声强度；此外，采用对比度噪声比实现对影像的对比度评价；最后将模糊度、噪声以及对比度评价相综合，以实现对OCT影像质量的客观评价。该发明能够实现对OCT影像质量的客观无参考型自动评价，在后续OCT影像的参数自动检测和分析中，可根据其影像质量评价结果，采取相应的检测和分析策略。

Description

一种OCT影像质量客观无参考型评价方法
技术领域
本发明属于医学图像处理领域，涉及一种OCT影像质量客观无参考型评价方法。
背景技术
光学相干断层扫描(Optical Coherence Tomography, OCT)成像具有成像速度快、高分辨率、非接触性，以及对操作者专业技能要求较低等优点，使其在临床诊断与研究中得到广泛的应用。对OCT影像质量的评价通常采取人工主观评价的传统方式，即依靠人工观察的方法对影像进行质量评价，不但费时费力，而且评价的结果容易受到评价环境和评价人员工作背景等因素的影响，可能并非是影像质量的客观反映。目前出现了一些OCT影像质量的客观评价方法，根据对原始影像的依赖程度，可将它们分为全参考型、部分参考型和无参考型。虽然这些方法具有简单，易于实现，物理意义明确等优点，且被广泛使用，但由于没有考虑人类的视觉感知以及图像本身的特点，往往不能反映人的视觉特性，因此其结果易与人的主观评价脱节。而普遍被接受的观点认为：一种OCT影像质量评价方法的有效性，决定于通过该方法获得的客观质量评价结果与人的主观感受是否一致。因此如何将影像质量的客观评价模型与视觉感知模型相结合，实现对影像质量的无参考型评价方法，从而进一步提高影像质量评价的准确性与可靠性，已成为OCT医学影像质量评价的关键所在。因而本发明提出了一种OCT影像质量客观无参考型评价方法。   发明内容
本发明考虑到：(1)传统的影像质量无参评价方法由于没有考虑影像本身的特点及人类的视觉心理感受，其评价结果难以满足与人的主观评价相一致的要求；(2)常用的评价方式基本只采用单一指标衡量各种影像的客观质量，往往只能反映影像的整体质量，不能反映其局部失真信息。因此，结合OCT图像自身的特点，联合客观统计评价方法与人眼视觉***(Human Visual System, HVS)的特性，本发明提出了一种OCT影像质量客观无参考型评价方法。
本发明是一种OCT影像质量客观无参考型评价方法，包括以下步骤：
步骤（1）利用HVS的视觉感知特性中的掩盖特性，结合影像梯度的亮度掩盖和空间复杂度掩盖模型计算局部边缘扩散度，用于影像模糊度客观质量评价。
步骤（2）利用对比度敏感度与噪声方差计算影像的噪声强度，用于对影像噪声强度的评价。
步骤（3）计算影像的对比度噪声比，用于评价OCT影像中细节的辨识情况，从对比度的角度进行评价。
步骤（4）综合局部边缘扩散度、噪声强度以及对比度噪声比三个评价参数对OCT影像质量进行客观的评估。
本发明有益效果为：
1、本发明通过引入HVS视觉感知特性中的掩盖特性，解决了OCT影像模糊度客观评价算法结果与视觉感知中的最小可观测到模糊度之间的矛盾，从而提高了影像模糊度客观评价与主观评价结果间的一致性。
2、本发明利用多评价指标综合衡量OCT影像的客观质量，不仅有利于反映影像的整体质量，也有利于反映其局部失真信息。
3、本发明充分考虑了OCT图像的自身特点，同时联合客观统计评价方法与HVS特征评价方法，提高了OCT影像质量评价结果的客观性、准确性与高效性。
具体实施方式
针对待分析的OCT影像I( i, j ) (                                               
Figure 2013101893057100002DEST_PATH_IMAGE002
，其中和
Figure 2013101893057100002DEST_PATH_IMAGE006
分别为OCT影像I的宽度和高度。变量i和j的取值范围下同，将不再特别说明) ，按以下四个步骤进行影像质量客观无参考型评价。
步骤（1）利用HVS的视觉感知特性中的掩盖特性，基于影像梯度的亮度掩盖和空间复杂度掩盖模型计算局部边缘扩散度。其具体步骤如下：
①采用Sobel梯度算子获得原始OCT影像I的梯度图
Figure 2013101893057100002DEST_PATH_IMAGE008
；
②对获得的梯度图
Figure 926296DEST_PATH_IMAGE008
根据式(1)计算局部亮度平均值
Figure 2013101893057100002DEST_PATH_IMAGE010
；
                   
Figure 2013101893057100002DEST_PATH_IMAGE012
                    (1)
其中：
Figure 2013101893057100002DEST_PATH_IMAGE014
；
当求取影像边界点的局部亮度平均值时，对
Figure 33317DEST_PATH_IMAGE008
采取周期扩展方式；
③对获得的局部亮度平均值根据式(2)计算得到亮度掩盖后的梯度图
Figure 2013101893057100002DEST_PATH_IMAGE016
；
                  
Figure 2013101893057100002DEST_PATH_IMAGE018
              (2)
其中
Figure 2013101893057100002DEST_PATH_IMAGE020
。
④根据式(3)空间复杂度掩盖模型计算得到梯度图。
                                       
Figure 2013101893057100002DEST_PATH_IMAGE024
                                   (3)
其中，
Figure 2013101893057100002DEST_PATH_IMAGE026
为OCT影像I的平均空间复杂度；a为掩盖后的梯度变化程度限制参数，令a = 0.5；为掩盖效果控制参数，可令；
Figure 2013101893057100002DEST_PATH_IMAGE032
表示像素点
Figure 2013101893057100002DEST_PATH_IMAGE034
在局部区域的空间复杂度，可由式(4)和式(5)计算得到：
                        
Figure 2013101893057100002DEST_PATH_IMAGE036
                    (4)
                                  
Figure 2013101893057100002DEST_PATH_IMAGE038
                             (5)
其中，
Figure 2013101893057100002DEST_PATH_IMAGE040
为局部区域
Figure 2013101893057100002DEST_PATH_IMAGE042
中的像素点个数，
Figure 834362DEST_PATH_IMAGE042
为像素点
Figure 648735DEST_PATH_IMAGE034
梯度方向上的两个矩形区域
Figure 2013101893057100002DEST_PATH_IMAGE044
或
Figure 2013101893057100002DEST_PATH_IMAGE046
中的一个，其宽度和高度分别为常数(,
Figure 2013101893057100002DEST_PATH_IMAGE050
)和(
Figure 2013101893057100002DEST_PATH_IMAGE052
,
Figure 2013101893057100002DEST_PATH_IMAGE054
)。
⑤对图像梯度图
Figure 97296DEST_PATH_IMAGE022
中的每一列像素进行逐行扫描以获取位于边缘位置的像素。由于边缘指的是图像中像素的值有突变的地方，即一条边缘的两侧与其周围图像间的像素取值差异较大。因此，可以通过求取梯度图
Figure 426646DEST_PATH_IMAGE022
中局部亮度极值的方法，获取某一条边缘，并可确定固定的图像像素列上边缘亮度值最大的两个像素点e 1和e 2分别为边缘的两侧。
⑥通过计算e 1和e 2之间垂直方向上的像素个数，就可以得到位于该图像像素列上的边缘厚度，即局部边缘扩散度
Figure 2013101893057100002DEST_PATH_IMAGE056
。
步骤（2）利用对比度敏感度与噪声方差计算图像的噪声强度。其具体步骤如下：
①根据式(6)和(7)求取OCT影像I的对比度空间频率
Figure 2013101893057100002DEST_PATH_IMAGE058
；
                                             
Figure 2013101893057100002DEST_PATH_IMAGE060
                                         (6)
其中，
Figure 2013101893057100002DEST_PATH_IMAGE062
    (7)
其中，
Figure 2013101893057100002DEST_PATH_IMAGE064
和
Figure 2013101893057100002DEST_PATH_IMAGE066
的取值为大于等于1的整数；当求取影像边界点的
Figure 2013101893057100002DEST_PATH_IMAGE068
和
Figure 2013101893057100002DEST_PATH_IMAGE070
时，对I采取周期扩展方式。
②将空间频率
Figure 52975DEST_PATH_IMAGE058
按式(8)归一化得到
Figure 2013101893057100002DEST_PATH_IMAGE072
(i,j)
                                        
Figure 2013101893057100002DEST_PATH_IMAGE074
                                    (8)
其中，
Figure 2013101893057100002DEST_PATH_IMAGE076
为空间频率
Figure 659537DEST_PATH_IMAGE058
中的最小值，
Figure 2013101893057100002DEST_PATH_IMAGE078
为空间频率
Figure 29732DEST_PATH_IMAGE058
中的最大值。
③由归一化的频率
Figure 597111DEST_PATH_IMAGE072
按式(9)计算对比度敏感度权值矩阵
Figure 2013101893057100002DEST_PATH_IMAGE080
。
                  
Figure 2013101893057100002DEST_PATH_IMAGE082
                   (9)
④采用
Figure 2013101893057100002DEST_PATH_IMAGE084
的零均值方差矩阵J遍历原始OCT图像I，计算得到OCT影像I的噪声方差分布图
Figure 2013101893057100002DEST_PATH_IMAGE086
。其中，当求取影像边界点的噪声方差时，对I采取周期扩展方式。
Figure 2013101893057100002DEST_PATH_IMAGE088
⑤按式(10)计算基于HVS的含噪声水平
Figure 2013101893057100002DEST_PATH_IMAGE090
；
                                                                 (10)
其中，
Figure 835587DEST_PATH_IMAGE004
和
Figure 421289DEST_PATH_IMAGE006
分别为I的宽度和高度。
⑥由式(11)可求得噪声强度
Figure 2013101893057100002DEST_PATH_IMAGE094
                                        
Figure 2013101893057100002DEST_PATH_IMAGE096
                                        (11)
其中
Figure 2013101893057100002DEST_PATH_IMAGE098
为OCT影像I的灰度级数。
步骤（3）计算OCT影像I的对比度噪声比。其具体步骤如下：
①对OCT影像I进行分割。分割阈值为
Figure 2013101893057100002DEST_PATH_IMAGE100
，
Figure 2013101893057100002DEST_PATH_IMAGE102
为图像方差。
②按式(12)计算影像的对比度噪声比：
                                                                              (12)
其中
Figure 2013101893057100002DEST_PATH_IMAGE106
为OCT影像I中目标物体的平均灰度值，
Figure 2013101893057100002DEST_PATH_IMAGE108
为背景区域的平均灰度值；和
Figure 2013101893057100002DEST_PATH_IMAGE112
分别为相应的标准方差。
步骤（4）综合局部边缘扩散度、噪声强度以及对比度噪声比三个评价参数对OCT影像I的质量进行客观评估，根据式(13)得到OCT影像I的质量评估分值
Figure 2013101893057100002DEST_PATH_IMAGE114
：
                                    
Figure 2013101893057100002DEST_PATH_IMAGE116
                                   (13)
其中权值
Figure 2013101893057100002DEST_PATH_IMAGE118
，
Figure 2013101893057100002DEST_PATH_IMAGE120
和
Figure 2013101893057100002DEST_PATH_IMAGE122
均为常数，满足
Figure 990416DEST_PATH_IMAGE118
+
Figure 232041DEST_PATH_IMAGE120
+
Figure 320214DEST_PATH_IMAGE122
=1。
Figure 26002DEST_PATH_IMAGE056
为局部边缘扩散度，
Figure 672753DEST_PATH_IMAGE094
为噪声强度，
Figure 2013101893057100002DEST_PATH_IMAGE124
为对比度噪声比。

Claims (5)

1. 一种OCT影像质量客观无参考型评价方法，其特征在于该方法包括如下步骤：
步骤（1）利用HVS的视觉感知特性中的掩盖特性，结合影像梯度的亮度掩盖和空间复杂度掩盖模型计算局部边缘扩散度，用于影像模糊度客观质量评价；
步骤（2）利用对比度敏感度与噪声方差计算影像的噪声强度，用于对影像噪声强度的评价；
步骤（3）计算影像的对比度噪声比，用于评价OCT影像中细节的辨识情况，从对比度的角度进行评价；
步骤（4）综合局部边缘扩散度、噪声强度以及对比度噪声比三个评价参数对OCT影像质量进行客观的评估。
2.根据权利要求1所述的一种OCT影像质量客观无参考型评价方法，其特征在于：所述的步骤（1）具体是：
①采用Sobel梯度算子获得原始OCT影像I的梯度图                                               
Figure 2013101893057100001DEST_PATH_IMAGE002
；
②对获得的梯度图
Figure 462893DEST_PATH_IMAGE002
根据式(1)计算局部亮度平均值
Figure 2013101893057100001DEST_PATH_IMAGE004
；
    
Figure 2013101893057100001DEST_PATH_IMAGE006
   (1)
其中，
Figure 2013101893057100001DEST_PATH_IMAGE008
为矩阵；当求取影像边界点的局部亮度平均值时，对梯度图
Figure 930257DEST_PATH_IMAGE002
采取周期扩展方式；
③对获得的局部亮度平均值根据式(2)计算得到亮度掩盖后的梯度图
Figure 2013101893057100001DEST_PATH_IMAGE010
；
    
Figure 2013101893057100001DEST_PATH_IMAGE012
  (2)
其中
Figure 2013101893057100001DEST_PATH_IMAGE014
；
④根据式(3)空间复杂度掩盖模型计算得到梯度图
Figure 2013101893057100001DEST_PATH_IMAGE016
；
    
Figure 2013101893057100001DEST_PATH_IMAGE018
 (3)
其中，
Figure 2013101893057100001DEST_PATH_IMAGE020
为OCT影像I的平均空间复杂度；a为掩盖后的梯度变化程度限制参数；
Figure 2013101893057100001DEST_PATH_IMAGE022
为掩盖效果控制参数；
Figure 2013101893057100001DEST_PATH_IMAGE024
表示像素点
Figure 2013101893057100001DEST_PATH_IMAGE026
在局部区域的空间复杂度，可由式(4)和式(5)计算得到：
    
Figure 2013101893057100001DEST_PATH_IMAGE028
    (4)
     (5)
其中，
Figure 2013101893057100001DEST_PATH_IMAGE032
为局部区域
Figure 2013101893057100001DEST_PATH_IMAGE034
中的像素点个数，为像素点
Figure 340400DEST_PATH_IMAGE026
梯度方向上的两个矩形区域
Figure 2013101893057100001DEST_PATH_IMAGE036
或
Figure 2013101893057100001DEST_PATH_IMAGE038
中的一个，其宽度和高度分别为常数(
Figure 2013101893057100001DEST_PATH_IMAGE040
,
Figure 2013101893057100001DEST_PATH_IMAGE042
)和(,
Figure 2013101893057100001DEST_PATH_IMAGE046
)；
⑤对图像梯度图
Figure 537420DEST_PATH_IMAGE016
中的每一列像素进行逐行扫描以获取位于边缘位置的像素；由于边缘指的是图像中像素的值有突变的地方，即一条边缘的两侧与其周围图像间的像素取值差异较大；因此，可以通过求取梯度图中局部亮度极值的方法，获取某一条边缘，并可确定固定的图像像素列上边缘亮度值最大的两个像素点e 1和e 2分别为边缘的两侧；
⑥通过计算e 1和e 2之间垂直方向上的像素个数，就可以得到位于该图像像素列上的边缘厚度，即局部边缘扩散度
Figure 2013101893057100001DEST_PATH_IMAGE048
。
3.根据权利要求1所述的一种OCT影像质量客观无参考型评价方法，其特征在于：所述的步骤（2）具体是：
①根据式(6)和(7)求取OCT影像I的对比度空间频率
Figure 2013101893057100001DEST_PATH_IMAGE050
；
    
Figure 2013101893057100001DEST_PATH_IMAGE052
 (6)
其中，
Figure 2013101893057100001DEST_PATH_IMAGE054
    (7)
其中，
Figure 2013101893057100001DEST_PATH_IMAGE056
和的取值为大于等于1的整数；当求取影像边界点的
Figure 2013101893057100001DEST_PATH_IMAGE060
和
Figure 2013101893057100001DEST_PATH_IMAGE062
时，对I采取周期扩展方式；
②将空间频率
Figure 135247DEST_PATH_IMAGE050
按式(8)归一化得到
Figure 2013101893057100001DEST_PATH_IMAGE064
(i,j)
    
Figure 2013101893057100001DEST_PATH_IMAGE066
  (8)
其中，
Figure 2013101893057100001DEST_PATH_IMAGE068
为空间频率
Figure 9400DEST_PATH_IMAGE050
中的最小值，
Figure 2013101893057100001DEST_PATH_IMAGE070
为空间频率
Figure 243067DEST_PATH_IMAGE050
中的最大值；
③由归一化的空间频率
Figure 777953DEST_PATH_IMAGE064
按式(9)计算对比度敏感度权值矩阵
Figure 2013101893057100001DEST_PATH_IMAGE072
       (9)
④采用的零均值方差矩阵J遍历原始OCT图像I，计算得到OCT影像I的噪声方差分布图
Figure 2013101893057100001DEST_PATH_IMAGE078
，其中，当求取影像边界点的噪声方差时，对I采取周期扩展方式；
⑤按式(10)计算基于HVS的含噪声水平
Figure 2013101893057100001DEST_PATH_IMAGE080
；
    
Figure 2013101893057100001DEST_PATH_IMAGE082
   (10)
其中，和分别为影像I的宽度和高度；
⑥由式(11)可求得噪声强度
Figure 2013101893057100001DEST_PATH_IMAGE088
       (11)
其中
Figure 2013101893057100001DEST_PATH_IMAGE092
为OCT图像I的灰度级数。
4.根据权利要求1所述的一种OCT影像质量客观无参考型评价方法，其特征在于：所述的步骤（3）具体是：
①对OCT影像I进行分割，分割阈值为
Figure 2013101893057100001DEST_PATH_IMAGE094
，
Figure 2013101893057100001DEST_PATH_IMAGE096
为图像方差；
②按式(12)计算影像的对比度噪声比
    
Figure 2013101893057100001DEST_PATH_IMAGE098
 (12)
其中
Figure 2013101893057100001DEST_PATH_IMAGE100
为OCT影像I中目标物体的平均灰度值，
Figure 2013101893057100001DEST_PATH_IMAGE102
为背景区域的平均灰度值；
Figure 2013101893057100001DEST_PATH_IMAGE104
和分别为相应的标准方差。
5.根据权利要求1所述的一种OCT影像质量客观无参考型评价方法，其特征在于：所述的步骤（4）具体是：
综合局部边缘扩散度、噪声强度以及对比度噪声比三个评价参数对OCT影像I的质量进行客观评估，根据式(13)得到OCT影像I的质量评估分值
Figure 2013101893057100001DEST_PATH_IMAGE108
    
Figure 2013101893057100001DEST_PATH_IMAGE110
   (13)
其中权值
Figure 2013101893057100001DEST_PATH_IMAGE112
，
Figure 2013101893057100001DEST_PATH_IMAGE114
和
Figure 2013101893057100001DEST_PATH_IMAGE116
均为常数，满足
Figure 395797DEST_PATH_IMAGE112
+
Figure 321028DEST_PATH_IMAGE114
+
Figure 933886DEST_PATH_IMAGE116
=1，
Figure 808432DEST_PATH_IMAGE048
为局部边缘扩散度，
Figure 155100DEST_PATH_IMAGE088
为噪声强度，为对比度噪声比。
CN2013101893057A 2013-05-21 2013-05-21 一种oct影像质量客观无参考型评价方法 Pending CN103269439A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2013101893057A CN103269439A (zh) 2013-05-21 2013-05-21 一种oct影像质量客观无参考型评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2013101893057A CN103269439A (zh) 2013-05-21 2013-05-21 一种oct影像质量客观无参考型评价方法

Publications (1)

Publication Number Publication Date
CN103269439A true CN103269439A (zh) 2013-08-28

Family

ID=49013044

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2013101893057A Pending CN103269439A (zh) 2013-05-21 2013-05-21 一种oct影像质量客观无参考型评价方法

Country Status (1)

Country Link
CN (1) CN103269439A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103927753A (zh) * 2014-04-21 2014-07-16 中国人民解放军国防科学技术大学 一种基于多尺度重组dct系数的图像绝对模糊度估计方法
CN104717387A (zh) * 2013-12-12 2015-06-17 精工爱普生株式会社 图像评价装置以及图像评价程序
CN105139394A (zh) * 2015-08-19 2015-12-09 杭州电子科技大学 结合仿射重建和噪声散点直方图的噪声图像质量评价方法
CN109308692A (zh) * 2018-07-30 2019-02-05 西北大学 基于改进Resnet与SVR混合模型的OCT图像质量评价方法
CN109447942A (zh) * 2018-09-14 2019-03-08 平安科技（深圳）有限公司 图像模糊度确定方法、装置、计算机设备及存储介质
CN109754390A (zh) * 2018-12-11 2019-05-14 西北大学 一种基于混合视觉特征的无参考图像质量评价方法
WO2023134047A1 (zh) * 2022-01-12 2023-07-20 广州永士达医疗科技有限责任公司 一种oct主机的成像质量检测方法及装置
CN116703908A (zh) * 2023-08-04 2023-09-05 有方（合肥）医疗科技有限公司 成像***的测试方法、装置及成像***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101877127A (zh) * 2009-11-12 2010-11-03 北京大学 基于梯度剖面的图像无参考质量评价方法及***
CN102984540A (zh) * 2012-12-07 2013-03-20 浙江大学 一种基于宏块域失真度估计的视频质量评价方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101877127A (zh) * 2009-11-12 2010-11-03 北京大学 基于梯度剖面的图像无参考质量评价方法及***
CN102984540A (zh) * 2012-12-07 2013-03-20 浙江大学 一种基于宏块域失真度估计的视频质量评价方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
田媛: "《灰度图像无参考质量评价方法研究》", 《中国科学院研究生院博士学位论文》 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104717387A (zh) * 2013-12-12 2015-06-17 精工爱普生株式会社 图像评价装置以及图像评价程序
CN104717387B (zh) * 2013-12-12 2019-06-11 精工爱普生株式会社 图像评价装置以及图像评价方法
CN103927753B (zh) * 2014-04-21 2016-03-02 中国人民解放军国防科学技术大学 一种基于多尺度重组dct系数的图像绝对模糊度估计方法
CN103927753A (zh) * 2014-04-21 2014-07-16 中国人民解放军国防科学技术大学 一种基于多尺度重组dct系数的图像绝对模糊度估计方法
CN105139394A (zh) * 2015-08-19 2015-12-09 杭州电子科技大学 结合仿射重建和噪声散点直方图的噪声图像质量评价方法
CN109308692A (zh) * 2018-07-30 2019-02-05 西北大学 基于改进Resnet与SVR混合模型的OCT图像质量评价方法
CN109308692B (zh) * 2018-07-30 2022-05-17 西北大学 基于改进Resnet与SVR混合模型的OCT图像质量评价方法
CN109447942B (zh) * 2018-09-14 2024-04-23 平安科技（深圳）有限公司 图像模糊度确定方法、装置、计算机设备及存储介质
CN109447942A (zh) * 2018-09-14 2019-03-08 平安科技（深圳）有限公司 图像模糊度确定方法、装置、计算机设备及存储介质
CN109754390A (zh) * 2018-12-11 2019-05-14 西北大学 一种基于混合视觉特征的无参考图像质量评价方法
CN109754390B (zh) * 2018-12-11 2023-04-07 西北大学 一种基于混合视觉特征的无参考图像质量评价方法
WO2023134047A1 (zh) * 2022-01-12 2023-07-20 广州永士达医疗科技有限责任公司 一种oct主机的成像质量检测方法及装置
CN116703908A (zh) * 2023-08-04 2023-09-05 有方（合肥）医疗科技有限公司 成像***的测试方法、装置及成像***
CN116703908B (zh) * 2023-08-04 2023-10-24 有方（合肥）医疗科技有限公司 成像***的测试方法、装置及成像***

Similar Documents

Publication Publication Date Title
CN103269439A (zh) 一种oct影像质量客观无参考型评价方法
JP6999812B2 (ja) 骨年齢評価と身長予測モデルの確立方法、そのシステム及びその予測方法
CN105825503B (zh) 基于视觉显著性的图像质量评价方法
CN104680524B (zh) 一种叶类蔬菜病害诊断方法
CN104363815B (zh) 图像处理装置以及图像处理方法
CN105678700B (zh) 基于预测梯度的图像插值方法及***
WO2022057897A1 (zh) 胶囊内窥镜无参考图像评价方法、电子设备及介质
El Meslouhi et al. Automatic detection and inpainting of specular reflections for colposcopic images
Hatanaka et al. Vertical cup-to-disc ratio measurement for diagnosis of glaucoma on fundus images
JP6814799B2 (ja) 涙液状態評価方法およびその装置
CN104244802A (zh) 图像处理装置、图像处理方法以及图像处理程序
CN102567734B (zh) 基于比值的视网膜细小血管分割方法
CN103674857A (zh) 基于机器视觉的牧草饲料检测***和方法
CN106483130A (zh) 一种水稻病害的检测方法及其自动检测装置
CN107578399B (zh) 基于边界特征分割的全参考图像质量评价方法
CN109871852B (zh) 一种无参考色调映射图像质量评价方法
CN105976351A (zh) 基于中央偏移的立体图像质量评价方法
CN105427306A (zh) 皮肤光泽度的图像分析方法和装置
CN108898569A (zh) 一种针对于可见光和红外遥感影像的融合方法及其融合结果评价方法
JP5253284B2 (ja) 爪甲色素線条鑑別閾値の導出方法
CN103544695A (zh) 一种高效的基于博弈框架的医学图像分割方法
CN106462926A (zh) 健康度判定装置以及健康度判定***
CN109859157B (zh) 基于视觉注意特征的全参考图像质量评价方法
US20160345887A1 (en) Moisture feeling evaluation device, moisture feeling evaluation method, and moisture feeling evaluation program
CN103955921B (zh) 基于人眼视觉特征和分块分析法的图像噪声估计方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20130828