一种结合视觉分析的图像清晰度衡量方法
【技术领域】
[0001] 本发明涉及图像评价与图像处理技术，尤其涉及一种结合视觉分析的图像清晰度 衡量方法。
【背景技术】
[0002] 图像清晰度评价一直是图像处理领域的一项重要内容，在图像的压缩、通信、打 印、显示、重建、增强等领域有着较为广泛的应用。图像清晰度评价，尤其在数字成像与优化 中特别重要，比如自动对焦技术、显示系统中的清晰度增强、图像处理算法的参数优化与优 劣判定等等。
[0003] 通常的评价手段，急切需要清晰参考图像，但由于在实际应用中，难以获得未失真 的清晰参考图像，非常需要有无参考型图像的清晰度评价指标，而这也一直是目前的技术 难点，备受学术界的广泛关注。传统的无参考清晰度评价方法有梯度函数法、方差法、能量 谱法等等，但是诸如此类方法都基于相同内容图像间的清晰度比较，无法实现评价指标与 图像内容的无关性，从而导致应用范围受到限制。
[0004] 针对人眼视觉的主观评价特性，构建与图像内容无关的无参考清晰度评估模型， 如何建立更符合人眼视觉系统的无参考图像清晰度评价方法也是目前图像处理界的难题 之一 D
【发明内容】
[0005] 本发明针对现有技术的不足，提供一种结合视觉分析的图像清晰度衡量方法，能 实现无参考的清晰度衡量，且符合主观评价。
[0006] 本发明采用的主要思路具体如下：
[0007] 1、根据视觉传输模型实现分频率分析
[0008] 人眼的光学系统特性以及视网膜等视觉处理过程的非线性与滤波效果，使得对比 度阈值随激励信号空间频率的不同而变化。对比度阈值的倒数随空间频率变化的曲线称为 对比度敏感函数（Contrast Sensitivity Function，CSF)。对比敏感度函数描述了人类视 觉系统的频率响应特性，可以当成带通滤波器。其中，对比敏感度是指人眼分辨亮度差异的 能力。科学家已通过一些心理视觉实验对这一特性进行了测量和描述。CSF经常被看作是 视觉系统的MTF，实际上，MTF对应的只是CSF中的线性滤波成分（光学系统特征）。
[0009] 目前已提出多种CSF模型，较为典型的CSF模型可以写为：
[0010] A(Tp ) = (0. 2+0. 45Tp )e °·18Τρ
[0011] 式中，T是由人类视觉系统MTF为峰值的空间频率（5.11周/度）确定的一个常 数；P为归一化空间频率，量纲为：周/像素宽度，Tp是人眼对应的每度周期数，MTF的峰 值位于P为〇. 5周/像素宽度（即奈奎斯特频率）的20%之处。因此，T的值为51. 1。因 此，该模型公式可写为：
[0012] A(P) = (0.2+22. 995 P )ea92p
[0013] 这种模型可称为视觉传输模型。本发明利用视觉传输模型实现对图像的分频率分 析，分析过程如下。
[0014] 若评价的灰度图像为g，空间域像素坐标用（i，j)表示，并且其在傅里叶频率域的 表达为G，频率域像素坐标用（u，v)表示。
[0015] 利用A(P) = (0.2+22.995p)eas21iG进行分频率分析，首先将A(P)表 达为与G等尺寸的图像。假设G的像素尺寸为（2M+1)X(2N+1)，则其截止空间频率为
周/像素宽度，该数值即对角线的一半。由于模型A(P)中的空间频率P是 归一化的，对于G，其归一化因子就是
于是对P进行反归一化，则G的空间频 率'
^于是可以获得对应的视觉传输模型A(P。）。于是，对于G中的任 意像素位置（u，v)，空间频率于是根据A(P。）可构造（2M+1) X (2N+1)尺寸 的频率分析图Aniap。
[0016] 根据获取的Aniap，对G进行分频率分析调制，求取调制图F = GAniap，即G与Aniap之间 像素对像素相乘。通过傅里叶反变换，获取在空域的调制图像f。
[0017] 于是，获得了分频率分析后的调制图像f，其与原始图像g相比，已经根据视觉传 输模型进行了调制，更贴近主观评价。
[0018] 2、局部强度差异衡量图像清晰度
[0019] 本发明认为，人眼感兴趣的是局部的内容变化；此外，局部强度的变化也正对应着 图像清晰度，这是由于边缘纹理所处位置一般就是局部强度变化剧烈的地方，局部强度的 大小表征着边缘等信息的密集程度，表征着清晰度的好坏。
[0020] 对1中的分频率分析后的调制图像f进行清晰度的考察。
[0021] 在局部区域内，本发明定义图像f在（i，j)处的局部强度差异Dif记录如下：
[0023] 在上式中，Ω是图像f中一个局部窗口区域，其尺寸为SXS，S通常为奇数，对于 这么一个窗口内的像素，中心像素为（i，j)即，而（x，y)为该区域内的其余任意像素 位置，而上式中的w表示空间权重，本发明中定义为：
[0025] 其中Ds(p，xy)表示像素（X，y)与像素（i，j)的空间距离（用像素间隔表示），而 σ 2是伸缩系数，其越大，该权重的影响范围会更大，距离越远的像素对当前像素的贡献越 多。从这个式子可以发现，（X，y)离（i, j)越近，fxy对f i_j的影响越大。而D(f & fxy)为像 素间的灰度差异，其定义为D(Ji^fij) = llf^-fijl。
[0026] 随着窗口的移动，（i，j)也逐个移动，于是获得了局部强度差异图Dif，其与原始 图像g等尺寸。对Dif进行归一化。
[0027] 最后定义图像清晰度为局部强度差异图Dif的均值：
[0028] Clearness = mean (Dif) 〇
[0029] 与现有技术相比，本技术方案具有以下优点：
[0030] 现有的方法一般都不直接考虑主观因素，而本发明提出的方法结合了视觉传输模 型，更为符合主观要求，实现主客观的一致性评价。此外，利用局部强度差异来衡量图像清 晰度，也符合清晰度变化的客观要求，整个方法运行高效而稳定。
【附图说明】
[0031] 图1为本发明方法的具体操作流程图；
[0032] 图2为【具体实施方式】实验所用的一组灰度图（原图和不同退化形式图），其中：
[0033] 图2a为原图；
[0034] 图2b为椒盐噪声图；
[0035] 图2c为JPEG压缩图；
[0036] 图2d为均值偏移图；
[0037] 图2e为乘性散斑噪声图；
[0038] 图2f为加性高斯噪声；
[0039] 图2g为模糊图；
[0040] 图2h为对比拉伸图。
【具体实施方式】
[0041] 为了获取图像的清晰度评价，本发明利用视觉传输模型实现图像的分频率分析， 进而使用局部强度差异衡量清晰度，获得最终评价结果。
[0042]