专利名称：基于非张量积小波滤波器的部分参考图像质量评价方法
基于非张量积小波滤波器的部分参考图像质量评价方法技术领域
本发明属于图像处理技术领域，尤其涉及一种基于信息论的、利用非张量积小波滤波器的部分参考型图像质量评价方法。
背景技术：
随着互联网技术的发展，图像在人们的日常生活中扮演着原来越重要的角色。然而在图像的压缩、传输、处理与复制过程中，图像很容易发生失真，因此如何精确地评价图像质量已成为图像处理与压缩领域的研究热点。
客观图像质量评价方法主要分为全参考图像质量评价(full-reference, FR)，无参考图像质量评价(no-reference，NR)和部分参考图像质量评价 (reduced-reference, RI )。其中FR方法虽然较为精确，但并不是非常实用，因为该方法需要利用参考图像(即原始图像)来评价失真图像的质量分数，而在有些情况下参考图像并不容易得到；NR方法虽然不需要利用参考图像，但该方法通常只适用于某些特定的失真，因此并不具有普适性；而RR方法只需要利用参考图像的一部分特征信息，该方法在FR与NR 方法之间取得了良好的平衡，适用性更广。
因此，很多学者提出了一些新的RR方法来评价图像质量。Wang et al. ( Z. Wang, Ε. P. Simoncelli, Reduced-reference image quality assessment using a wavelet-domain natural image statistic model, in Proc. SPIE, Human Vision and Electronic Imaging, 5666 (1) (2005) 149-159.)提出了一种基于小波域统计特性的RR 方法，该方法利用了 GGD (General Gaussian Density)函数来模拟小波系数的边缘分布。该方法虽然取得了良好的效果，然而需要处理的数据量和计算量相对较高。Lin et al (L. Ma, S. N. Li，F. Zhang，and K. N. Nganj “Reduced-reference image quality assessment using reorganized DCT-based image representation,，，IEEE Trans. Multimedia.， 13 (4) (2011)拟4-拟9.)提出了一种新的RR方法，在该方法中，CBD (City Block Distance)被用于计算参考图像和失真图像的系数分布距离。Q. Li(Q. Li，md Ζ. Wang, Reduced-reference image quality assessment using divisive normalization-based image representation, IEEE J. Selected Topics in Signal Process. , 3 (2) (2009) 202-211.)提出了一种基于 DNT(divisive normalization transform)的部分参考图像质量评价方法，虽然该方法提高了预测精确度，但是仍然有着庞大的计算量。发明内容
本发明方法的目的是针对现有图像质量评价方法的不足，提供一种基于信息论、 利用非张量积小波滤波器的部分参考图像质量评价方法。
本发明方法具体实施步骤是步骤(1).输入参考图像R和失真图像D。
步骤O).建立一组非张量积小波滤波器(NPWFB , non-tensor productwaveletfilter banks) M = [M^rnl,^m5).非张量积小波滤波器i=的建立步骤如下对任意给定正整数值Z，
权利要求
1.基于非张量积小波滤波器的部分参考图像质量评价方法，其特征在于它包括以下步骤步骤(1)输入参考图像R和失真图像D ；步骤(2)建立一组非张量积小波滤波器(
全文摘要
本发明公开了一种基于非张量积小波滤波器的部分参考图像质量评价方法。现有图像的压缩、传输、处理与复制过程中，图像很容易发生失真。本发明方法具体实施包括如下步骤(一)输入参考图像和失真图像；(二)建立非张量积小波滤波器，对参考图像和失真图像分别进行处理；(三)求出参考图像和失真图像的信息熵；(四)求出参考图像和失真图像的信息差异VD；(五)建立质量评价函数VQ，得出失真图像的质量分数。本发明利用非张量积小波滤波器提取视觉特征，并基于参考图像和失真图像的信息熵来建立图像质量评价函数，评价结果符合人类视觉主观认识。
文档编号G06T7/00GK102496162SQ20111043250
公开日2012年6月13日 申请日期2011年12月21日 优先权日2011年12月21日
发明者丁勇, 夏禹, 张晓濛, 张渊, 李楠, 王肖宁, 谢鹏宇 申请人:浙江大学