所有参与评价图像的数量。其中，和分别表示主观分数值和客观分数值分别按相同顺序排列后，对于第幅图像的成绩在各自序列中的序号。其中表示异常值个数，为所有测试图像数，异常值计算可以采用格拉布斯检验法狄克逊检验法和分布检验法等。本章小结本章对图像质量评价作了个系统性的介绍，并且简要叙述了几种基本方法的优缺点，同时本章介绍了个用于衡量图像质量评价系统性能的指标。主观图像质量评价虽然最能反映图像真正的质量，但是它在实际应用中费时费力，并不能广泛运用，只能作为客观评价的种参考。在大多数情况下，通常无法获得原始图像的全部信息或者部分信息，这局限性阻碍了全参考与部分参考图像质量评价的推广，正是由于这特点，无参考图像质量评价逐渐受到关注与重视。图像成像时均为从人体组织结构独立成像，并没有可参考的原始图像，因此无参考图像质量评价成为了本文的研究重点。所有的图像质量评价方法其最终目的是为了建立个与人眼视觉感受相致的系统，能实现简便快速实时的自动评价，使客观评价与人们的主观感受相致。随着图像质量评价的不断发展，肯定能够最终实现自动筛选海量图像中用于诊断的清晰图像。万方数据杭州电子科技大学硕士学位论文第章基于视觉感知特性的前房角图像质量评价青光眼是全球性的致盲眼病之，临床中通常通过观察测量前房角参数进行诊断。传统的前房角观测手段都有对医生专业技能要求高对受检者带来不适等缺点。成像具有非侵入性成像分辨率高速度快等优点而被广泛应用于临床诊断，而与其他相干成像类似，图像也会受到噪声等影响，除此之外图像中还会包含垂直反射带伪影等，导致图像不清晰而影响病症正确诊断。因此，对图像进行质量评价筛选清晰有效的病灶图像，能够有效提高诊断效率。当前的图像质量评价方法大多采用传统简单指标，忽略了医生关注点，往往较难与医生感受相致，如何将客观模型与视觉感知相结合，实现对图像质量的无参考评价，从而进步提高图像质量评价的准确性与可靠性，已成为医学图像质量评价领域具有迫切理论和应用需求的重要研究课题。人眼视觉特性概述任何图像的最终接受者是人眼，图像质量的好坏由人眼主观感受确定，因此建立的图像质量评价系统应当与主观感受相致。人眼是个构造极其复杂的器官，目前特性已经成为了热门话题，主要分为心理和物理效应，用于图像质量评价的特性有很多，主要有视觉感兴趣特性对比度敏感函数，视觉多通道和掩盖效应等，本章主要介绍视觉感兴趣特性对比度敏感度曲线以及灰度敏感性。人眼视觉感兴趣特性研究发现，人们在观察副图像时，根据其不同的关注点，往往只对图像中几个区域感兴趣，而剩余区域只贡献了很小的作用。在观察图像时要将兴趣域，与背景，区分对待。影响人类视觉感兴趣性的因素有很多，般可以分为低层次和高层次因素，其中低层次因素包括对比度。副图像中，人眼通常对对比度较高区域更感兴趣尺寸。般大面积区域有定的阈值比小面积区域更能引起视觉注意形状。狭长区域与具有相同对比度和尺寸的其他区域相比更引人注目。除此之外，人眼对兴趣区域的选择还受到图像亮度纹理结构方向颜色等影响。而高层次因素主要有主观认知自身经验教育背景等。通常包括图像位置。般人眼主要对图像中央的区域感兴趣前景背景。人眼视觉主要对前景区域感兴趣，而对背景内容容易忽视。人物。副图像中，人们往万方数据杭州电子科技大学硕士学位论文往十分关注出现在其中的人物形体上，包括人眼人脸手等肢体。此外，由于人的认知及图像用途不同，视觉注意力也会受到影响。如本章中所处理的前房角图像，医生只关注房角开合程度区域。对于视觉感兴趣区域的提取目前存在很多算法，主要可以分为基于灰度变化基于拐点和基于视觉注意的感兴趣区域提取。基于感兴趣作用这人眼特性，在进行图像质量评价时，应当将图像分为和区别对待，基于视觉感兴趣区域的图像质量评价方法的主要思想是将这两种不同区域设定相应的加权值得到对整幅图像的客观评价值，整幅图像的客观得分往往取决于，而失真程度对整体质量的影像则较小。例如，假设测试图像中只有个感兴趣区，其面积为，背景区，面积为，图像总面积为。则由此可定义个均方误差其中，分别为和的加权值和，分别为，处的原图与失真图的像素值，并满足，越大，则表示人眼对该区域的感兴趣程度越大。从满足条件中可以看出，当，或，时，就退化为，该方法与人类主观评价方法相符合。但由于不同的人对图像感兴趣区域的选取不致，图像中与的权值具有不确定性，还有些图像存在多个感兴趣区域，其权值也具有不确定性，该领域仍有许多问题有待研究，故该方法现在仍处于初级研究阶段。对比度敏感函数人眼对图像中不同频率成分的敏感程度不同，不同条件下的对比度敏感程度与空间频率之间的关系表达形式各异，最常用的如式所示其中，空间频率周期度分别为水平和垂直方向上的空间频率，曲线如图所示，由图中可以看出，横坐标在处处于峰值，两端呈现下降趋势，说明人眼对频率的敏感度具有带通特性，因此在图像质量评价时，应该将图像中不同频率成分区别对待。灰度敏感特性和等认为图像灰度不同也会影响人眼观察，般而言，其对高低亮度区万方数据杭州电子科技大学硕士学位论文域并不敏感，而对中等灰度敏感度最强。根据这亮度非线性特征，可近似地用式进行建模，其中，代表坐标为，处灰度值代表坐标为，处人眼敏感度。图的归化空间频率特性曲线前房角图像特点前房角是种新型的光学成像系统，比传统的在成像速度与灵敏度上更具优势，其能对更多的眼部微观解剖结构成像，展现更多的诊断参考信息。青光眼诊断时，可以通过观察测量前房角的开放程度，从而对该类眼病进行排查和诊断。临床中对前房角的开放程度的评估参数有前房角宽度房角开放距离以及小梁网与虹膜间的面积等，这些用于诊断的解剖特征信息均集中于角膜与虹膜的夹角附近。如图所示为前房角的结构示意图，其中，线小梁网角膜与虹膜间的夹角区域均为医生诊断时的关注区域。考虑到人眼的感兴趣作用特性，在进行前房角图像质量评价前，需要将生物组织信息集中区域作为人眼感兴趣区域，与非感兴趣区域区分看待，因此，本章中首先需要提取感兴趣区域。由于图像相干成像特点而导致的图像失真，感兴趣区域的提取受到诸多限制，本章中首先对所有前房角图像进行预处理，进而准确定位前房角解剖特征信息区域，然后再对前房角万方数据杭州电子科技大学硕士学位论文图像作质量评价。图前房角结构示意图图常见前房角成像图常见的前房角成像如图所示。其中，图中白色小块部分为成像时的伪影图中为垂直反射带，造成这失真的原因是由于光信号过度反射成像形成的图中夹角区域成暗区域，这是因为巩膜组织具有较强的反射能力，因此造成夹角区域成像较弱图前房角信息不全，对于此类图像是由于眼睫毛或遮挡造成图中左上角角膜区域与背景难以区分，这般是因为成像角度偏差造成图有明显的噪声，且角膜与虹膜区域存在连续的强噪声带。小梁网线角膜巩膜突虹膜万方数据硕士学位论文题目面向青光眼计算机辅助诊断的眼部图像质量评价研究研究生陆晓娟专业控制理论与控制工程指导教师范影乐教授完成日期年月万方数据杭州电子科技大学硕士学位论文面向青光眼计算机辅助诊断的眼部图像质量评价研究研究生陆晓娟指导教师范影乐教授年月万方数据，万方数据杭州电子科技大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。申请学位论文与资料若有不实之处，本人承担切相关责任。论文作者签名日期年月日学位论文使用授权说明本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即研究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证毕业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文学校可以公布论文的全部或部分内容，可以允许采用影印缩印或其它复制手段保存论文。保密论文在解密后遵守此规定论文作者签名日期年月日指导教师签名日期年月日万方数据杭州电子科技大学硕士学位论文摘要青光眼是全球三大致盲性眼病之，其对人眼旦产生不可逆转的伤害时，将最终导致失明。虽然此类眼病引起的视功能损伤是不可逆的，但如果及早发现并积极治疗，大部分患者仍可终生维持视觉功能。因此，青光眼的早期发现早期诊断和早期治疗显得尤为重要。光学相干断层扫描，作为种眼科成像手段，其具有的非接触性高分辨率快速成像等特点决定了该技术在眼科领域的重要地位。但是方面鉴于该方法的相干成像原理，图像必定会受到噪声影响，导致图像清晰度下降，最终影响医生对病症临床诊断的准确率和效率。另方面眼部图像作为种海量数据，如果根据医生临床经验进行图像质量的有效性刷选，评价过程将具有明显的主观性和低效性。因此通过计算机自动筛选清晰有效的图像，将能够显著降低医生的误诊率和工作强度。本文正是在这样的背景下，展开了对眼部图像质量评价的研究。针对现有的图像质量评价方法与人的主观感受相悖问题，论文中首先提出了种基于人眼视觉视觉系统，的前房角图像质量评价方法其次，针对传统图像质量评价指标单，忽视图像结构信息这问题，本文引入了另个评价指标，即分形维数，并对这指标的计算作了改进在此基础上，考虑到单分形维数评价的不足，又引入复杂性测度作为评价补偿。论文的主要内容分为以下几个部分提出了种基于的前房角图像质量评价方法。通过将传统的图像质量评价指标，包括对比度模糊度和信噪比，与人眼视觉系统特性中的感兴趣作用原理灰度敏感特性以及对比度敏感曲线相结合建立模型，同时由医生制定前房角图像质量评价标准并给出相应的得分，最后将三参数与主观得分进行线性拟合，得到客观评价模型。实验结果表明，加入了人眼视觉特性后的评价方法与主观结果更为致。考虑到传统质量评价指标单，忽略图像结构信息的问题，从非线性角度引入了分形维数评价指标，从局部与全局相似性角度对图像质量进行评价。文中针对传统分形维数计算时只考虑图像像素点灰度极值，忽略中间灰度级像素点的不足进行了改进，实验结果表明其改进