一种基于非线性结构相似度偏差的有参图像的质量评估方法

文档序号:9288815
一种基于非线性结构相似度偏差的有参图像的质量评估方法
【技术领域】
[0001] 本发明属于图像处理领域,特别是一种基于非线性结构相似度偏差的有参图像的 质量评估方法。
【背景技术】
[0002] 在图像采集、存储、传递、处理和显示等每个阶段中都可能会引入不同的失真干 扰,这些失真干扰一般会造成图像质量的不同层次的下降,从而使得用户无法从众多的图 像中选取所需的图像,因此如何有效正确地评估一幅图像的质量越来越引起众多学者的关 注。目前评估图像质量方法主要有两大类:主观评估法和客观评估法。主观评估是通过多人 评估后得出,与人类视觉特性比较符合,但是它费时费力,受各类因素影响,并且成本高;而 客观评估法通过构建一些数学模型代替人类的视觉系统无需干预的对图像进行质量评估, 以达到尽可能和人的视觉主观评估结果一致,按照不同评估准则又可分为两种类型:带参 图像的评估法和无参图像的评估法。在很多应用中,无参图像虽然可以评估图像的质量,但 其应用范围较窄,要求较高,不适合在实际中应用,而参照图像可以提供更多有效的信息, 可以准确地评估图像的质量,应用范围比较宽,因此本发明重点研究了有参照图像的质量 评估。
[0003] 近年来,有参图像的质量评估研究领域异常活跃,学者们提出了不少的具有代 表性的质量评估算法,这些方法一般可粗分为两类:自底向上和自顶向下。自底向上是 指从人的视觉系统对图像质量评价模型进行构建,然后以此模型对退化图像进行质量评 估,如Masry提出了基于人类视觉多通道系统的图像质量评估模型,改善了基于单通道的 视觉系统模型,提高了图像质量的评估能力(M.A. Masry and S.S. Hemami. A metric for continuous quality evaluation of compressed video with severe distortions. Signal processing-image communication. 2004 :133-146.) a Wang 等人依据人类视觉 系统对退化图像和参照图像差进行感知量化后进行评估(Z. Wang and A. C.Bovik,Modern Image Quality Assessment 2006(2))。另一类评估方法是自顶向下进行研究D自顶向 下是一种依赖图像结构信息的方法,该类方法以Zhou Wang的结构相似度为代表,该方 法同时考虑了亮度相似度、对比度相似度和结构相似度对图像质量的影响(Z. Wang,A. Bovikj H. Sheikh, and E. SimoncelIi. Image quality assessment:From error visibility to structural similarity.IEEE Transactions on Image Process.,2004,13 (4): 600 - 612)。接着,他们又考虑了多尺度的信息,提出了基于多尺度的结构相似度,提高 了评估的准石角性(Z. Wang,et al·· Multi-scale structural similarity for image quality assessment, in Signals, Systems and Computers, 2003. Conference Record of the Thirty-Seventh Asilomar Conference on,2003,pp. 1398-1402V〇1. 2.) 〇 Cheng 将梯度幅度谱,梯度方向谱和对比度引入到构建评估模型中,提出了基于该模型的图像 质量评估算法(G. Q. Cheng,J. C. Huang,C. Zhu,Z. Liu and L. Z. Cheng. Perceptual image quality assessment using a geometric structural distortion model. 17th IEEE International Conference on Image Processing, 2010) .Zhang 等人通过结合梯度幅 度和相位一致性评估退化图像质量(Lin Zhang, Lei Zhang, X. Mou and D. Zhang. FSIM:a feature similarity index for image quality assessment. IEEE transactions on image process, 2011, 20(8) :2378-2386) Jue Wufeng等为了提高评估的速度,仅考虑了梯 度相似度,通过计算梯度相似度的偏差来评估图像的质量(Wufeng Xue, Lei Zhang,uanqin Mou and C. Bovikc. Gradient Magnitude Similarity Deviation:A Highly Efficient Perceptual Image Quality Index.)。这些评估方法对单一失真或退化图像或者失真不严 重的图像质量评估较好,对交叉失真或严重失真的图像评估效果不理想。本发明通过同时 考虑了高斯图像空间的非线性归一化局部边缘强度图和非线性归一化局部梯度图,提出了 基于非线性归一化相似度的图像质量评估方法,实验结果表明提出的方法对多种失真或失 真严重的图像评估值较好,和人的视觉一致性较高。
[0004] 目前,虽然在一些简单的退化图像评估算法已经比较成熟,但在有多种因素引起 的退化图像质量评估算法效果不理想。如果能找到较好的图像目标表征方式,将会对多种 因素引起的退化图像评估有很大的帮助,除外,评估简便程度、移植性等,都是需要考虑的 问题。

【发明内容】

[0005] 针对现有技术中存在的问题,本发明提供一种提尚表征的有效性、可以提尚图像 质量评估性,更加符合人的视觉主观性、提高了质量评估鲁棒性,同时计算简便,可实现性 好,因此可以很方便应用到计算机,甚至可以移植到嵌入式系统中,可以被广泛地应用于图 像传输、图像压缩和图像处理等领域,实现生物特征认证和视频监控等用途的基于非线性 结构相似度偏差的有参图像的质量评估方法。
[0006] 本发明的目的通过以下技术方案实现。
[0007] -种基于非线性结构相似度偏差的有参图像的质量评估方法,步骤包括:
[0008] 1)读取图像:基于获得参照和不同类型退化的图像,首先利用公式
到计算每一个高斯颜色分量值,分别将其RGB颜 uq ,V1 ^ uq _,以获取整个RGB颜色图像对应的高斯图像其中, EI,EII,EIII分别表示不同的高斯颜色空间成分,R,G,B分别表示RGB颜色空间中的不同颜 色分量;
[0009] 2)利用公式GE。⑴=(Ejhx)2⑴+ (EJhy)2Q)计算局部图像梯度谱,其中,GEJi) 表示第i个像素的类梯度幅度谱,c表示高斯颜色空间的分量,在本发明中为I,II,III ;hx 和1\分别表示X方向和y方向的梯度算子,*表示卷积,本文采用的是调整后的Scharr算 子,具体如下:
,利用 评佰的眚榉性;
[0012] 5)根据局部梯度和边缘强度相似度谱的结构特性,对比局部梯度相似度谱和边缘 强度相似度谱的偏差,选择上述两者较小的偏差作为退化图像质量的评估值。
[0013] 相比于现有技术,本发明的优点在于:梯度虽然能表征图像的质量特征,但对于亮 度不同和噪声不等的退化图像,不符合人的主观感受,降低了质量评估的效果。并且实际采 集到的图像偏离图像平均亮度很多,因此为了提高表征的有效性,本发明选择非线性归一 化后的局部梯度和边缘强度表征图像,可以提高图像质量评估性,更加符合人的视觉主观 性。而本发明自适应选择有效特征表征图像,又进一步提高了质量评估鲁棒性,同时计算简 便,可实现性好,因此可以很方便应用到计算机,甚至可以移植到嵌入式系统中。本发明可 以被广泛地应用于图像传输、图像压缩和图像处理等领域,实现生物特征认证和视频监控 等用途。
【附图说明】
[0014] 图1是本发明方法生成非线性归一化的局部边缘强度谱和局部梯度谱示意图。
[0015] 图2是本发明方法生成的局部结构相似度图谱。
[0016] 图3是本发明方法在含有噪声的退化图像中生成的局部结构相似度图谱示意图 和对应的评估值。
[0017] 图4是本发明方法在不同压缩比的退化图像中生成的局部结构相似度图谱示意 图和对应的评估值。
[0018] 图5是本发明方法在不同模糊比的退化图像中生成的局部结构相似度图谱示意 图和对应的评估值。
【具体实施方式】
[0019] 下面结合说明书附图和具体的实施例,对本发明作详细描述。
[0020] 本发明提出基于非线性结构相似度偏差的有参图像的质量评估方法,用来评估 图像采集、传输、处理和压缩的图像质
再多了解一些
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1