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
【技术领域】
[0001] 本发明涉及计算机图像处理技术领域，尤其涉及一种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。
【背景技术】
[0002] 数字图像在传输、显示、压缩过程中，图像质量很容易受到噪声、模糊、块效应等退 化因素的影响，降低了信息有效性。如何有效的衡量图像质量退化程度，对于图像处理算法 性能的优劣和光学系统参数指标的选择有着重要的意义，科学家们提出了很多图像质量评 价算法。
[0003] 其中，主观图像质量评价方法是最直观的评价方法，但是由于需要花费大量 的时间和人力成本，并不太适用于实际应用场合。客观图像质量评价方法，根据是否 需要参考图像作为标准图，可以分为全参考图（Full-reference，FR)评价，半参考图 (Reduced-reference, RR)评价和无参考图（No-reference，NR)质量评价方法。第一类全 参考图像质量评价方法，利用退化图像和参考图像的差异信息，能够得到与人眼视觉系统 有较高一致性的评价结果。第二类半参考图质量评价方法，借助部分参考图像的特征描述， 来给出退化图像的评价指标。实际应用场合中，参考图像通常难以获得，这两种评价算法有 着明显的局限性。第三类无参考图像评价算法，只利用单幅失真图像就能够得到最终的图 像评价结果。近年来，很多无参考图像质量算法针对某类特性的失真类型所设计提出，常见 的失真包括JPEG压缩退化、JPEG2000压缩退化、模糊退化、噪声退化等。
[0004] 噪声是图像中常见的退化因素，加性高斯白噪声是通常的噪声模型，针对噪声图 像，学者们提出了很多图像噪声水平估计方法。然而，普通的噪声估计算法往往忽略了噪声 图像对于观测者的主观感受。目前也很少有针对噪声图像的无参考客观质量评价方法。
【发明内容】
[0005] 本发明提出一种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，对噪 声图像进行视觉显著特性滤波，利用图像分割算法和仿射重建最优化问题求解图像信号成 分，计算噪声残差图像，统计噪声散点直方图，能够准确的得到噪声图像质量评价数值，其 评价结果与人眼主观感知有很好的一致性。
[0006] 本发明结合仿射重建和噪声散点直方图，提出了一种针对噪声图像的图像质量客 观评价方法，其主要思路是：
[0007] 1、引入视觉显著性频率滤波，结合图像分割算法和仿射重建模型，得到噪声图像 信号图
[0008] 采用视觉显著性函数对噪声图像滤波，滤波结果结合了人眼视觉系统对于不同频 率内容的响应差异，体现了对噪声图像的主观感受能力，使得最终评价结果更加接近主观 感知。在图像分割的基础上，仿射重建模型计算得到仿射重建矩阵，能够获取不含噪声的图 像信号成分，从而能够实现噪声残差图像的有效获取。
[0009] 2、从噪声残差图像中统计噪声散点直方图，计算噪声图像质量评价值
[0010] 噪声残差图像中每个分块能够估计出一个对应的噪声散点，计算得到各分块的噪 声散点标准差，即可统计出噪声散点直方图。噪声散点直方图能够表征图像噪声在不同噪 声标准差强度区间的分布情况，利用散点直方图能够准确的给出噪声图像质量评价数值。
[0011] -种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，包括如下步骤：
[0012] (1)输入待评价的噪声图像为I，对图像I进行视觉显著性滤波，得到滤波后的图 像F:
[0013]
(1)
[0014] 其中，csf 是视觉对比敏感函数（Contrast Sensitivity Function, CSF)，表征了 人眼视觉系统（Human Visual System, HVS)对图像中不同空间频率成分的对比敏感差异。 采用的csf模型表示如下：
[0015] csf (f) = 2. 6X (0. 0192+0. 114f) exp (-(0.1 Hf)11) (2)
[0016] 其中，空间频率
亡和匕分别是水平方向和垂直方向的空间频率分 量，单位是周/度（cycles/degree) 〇
[0017] (2)对于步骤（1)得到的滤波图像F，利用分水量图像分割算法进行近似区域分 割，得到分割块集合{?J，两者的关系如下所示：
[0018] F = U1CD1 (3)
[0019] 其中，U为图像块并集操作，i为总的分割块数目。各分块区域无重叠交叉，即 Φ, ΠΦ, = 0 (当i乒j)。分害U后像素值相近区域被分到同一分块，对各自分块分别进行评 估。
[0020] (3)对于步骤（2)得到的任意图像区域分割块Φ，建立仿射重建模型，得到如下最 优化问题：
[0021] (4)
[0022] 其中，丨为图像像素坐标值，H为像素坐标矩阵。W为仿射重建矩阵，re r'求 解最优化问题的惩罚方程，将其对W进行求导，并将一阶导数置零，得到如下方程：
[0023] HtWH-HtF = 0 (5)
[0024] 利用矩阵最佳逼近问题求解，得到仿射重建矩阵的最优解：
[0025] W* = (Ht) + (HtF) H+ (6)
[0026] 其中，#表示矩阵H的转置矩阵，H+表示矩阵H的广义逆矩阵。图像F的仿射重 建信号 Fsignal 即可表示为：
[0027] Fslgnal=W* X H (7)
[0028] (4)结合步骤⑴得到的滤波图像F和步骤（3)得到的重建信号Fslgnal，计算得到 噪声残差图像F residual
[0029] Frasldual=F-Fslgnal ⑶
[0030] (5)步骤（4)得到的噪声残差图像中每个分块能够估计出一个噪声散点，计算得 到各分块的噪声散点标准差，即可统计出噪声散点直方图。
[0031] (6)利用噪声散点直方图，计算得到最终的噪声图像评价数值。在噪声散点直方图 中，散点分布数量最多的区间认为是主要噪声成分，考虑该区间所强度散点的均值，即可得 到如下所示的评价值：
[0032]
(9)
[0033] 其中，S (i)表示该噪声区间估计噪声散点的噪声标准差数值，N表示噪声散点数 量分布最多的区间内噪声散点个数，log表示对数操作运算，M表示最终的噪声图像评价 值。
[0034] 本发明针对噪声图像提出了一种无参考图像质量评价方法，利用视觉敏感对比函 数对噪声图像进行视觉显著特性滤波，利用图像分割算法和仿射重建最优化问题求解图像 信号成分，计算噪声残差图像，统计噪声散点直方图，能够准确的得到噪声图像评价数值。 评价结果具有很好的准确性和单调性表现，并和主观评价感受一致性较好。在本发明中，只 要输入一幅噪声图像，即可得到符合人眼视觉特性的噪声图像质量评价数值。本发明可应 用于图像复原算法及成像系统性能评估，在图像处理场合有广泛的应用领域。
【附图说明】
[0035] 图1为算法流程图。
[0036] 图2为输入待评价的噪声图像。
[0037] 图3为显著性滤波结果。
[0038] 图4为图像分割结果。
[0039] 图5为仿射重建得到的图像信号图。
[0040] 图6为噪声残差图。
[0041] 图7为噪声散点直方图。
[0042] 图8为LIVE数据库训练结果及拟合曲线。
[0043] 图9为预测主观评价数值和实际主观评价值的关系图。
【具体实施方式】
[0044] 本算法的流程图如图1所示。
[0045] 一种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，包括如下步骤：
[0046] (1)输入待评价的噪声图像为I，对图像I进行视觉显著性滤波，得到滤波后的图 像F:
[0047] F (10)
[0048] 其中，csf 是视觉对比敏感函数（Contrast Sensitivity Function, CSF)，表征了 人眼视觉系统（Human Visual System, HVS)对图像中不同空间频率成分的对比敏感差异。 采用的csf模型表示如下：
[0049] csf (f) = 2. 6X (0. 0192+0. 114f) exp (-(0.1 Hf)11) (11)
[0050] 其中，空间频率
?匕和f及别是水平方向和垂直方向的空间频率分 量，单位是周/