针对jpeg图像格式的显著性细节保持的质量评价方法
【技术领域】
[0001] 本发明设及一种图像处理技术领域的方法，尤其是设及一种针对肝EG图像格式的 显著性细节保持(SDP)的质量评价方法。
【背景技术】
[0002] 在一个完整的图像压缩系统中，对压缩后的图像进行质量评价是一个不可缺少的 部分。通过图像质量评价方法对图像的压缩效果进行评价，所得到的结果已经成为比较各 种图像处理算法性能，W及优化系统参数一个重要的评价指标。因此，利用图像压缩，可W 减轻图像存储和传输的负担，在图像采集、编码压缩、网络传输等领域都有着重要的意义。 另外，在互联网大数据应用环境中，随着互联网中可视媒体图片数量的快速增长，W及用户 对网页图片加载快速的需求，分析和评估各种主观和客观质量评价方法的特点，构建符合 人类视觉感知特征的客观质量评价模型具有重要的意义。为了提高大数据质量评价的效 率，客观质量评价是必不可少的手段，让主观评价和客观评价的结果能够得到比较准确的 统一，通过对其质量和效率的验证，为互联网企业节省更多的存储和网络成本。
[0003] 图像质量评价方法主要分为主观评价方法与客观评价方法两种。其中图像主观质 量评价方法是在标准的环境之下，评分人员对图像的质量进行主观的评分，运种方式的评 价完全取决于评分者的感知结果，是完全基于人的视觉判断的。图像客观质量评价方法则 是希望通过一种模型来确定出判断图像质量的量化指标，希望能够用数学模型与公式等确 定图像质量的水准，达到与人眼主观视觉系统观察图像所得结果相一致的目的。当前比较 流行的客观图像质量评级方法主要分为全参考质量评价、半参考质量评价W及无参考质量 评价=种。
[0004] 目前常用的全参考质量评价方法有：1、基于通过对原始图像与目标图像的像素误 差统计来判断图像质量，如均方误差MSE和峰值信噪比PSNR"2、基于图像局部特征的结构相 似度的质量评价方法(SSIM)，是指原始图像与压缩图像的结构信息间的相似性，是一种W 图像结构作为出发点产生的图像质量评价方法。由于人眼视觉系统对于图像中的结构信息 是十分敏感的，因此SSIM也能很大程度上接近主观评价的效果。但是该方法并不是专口针 对肝EG图像格式设计，在实际图像压缩应用中无法采用，速度较慢。3、针对分块编码图像格 式的质量评价方法（BBCQ) ,Shoham等人发表的"A novel perceptual image quality measure for block based image compression"的论文中，提出了针对分块编码图像的客 观质量评价方法(BBCQ:Block Based Coding如ality)。该质量评价方法主要由S个计算 因子构成，分别是像素间差异、块状效应评价、W及纹理失真。但是该方法参数较多，不易调 整，而且纹理失真运一个因素在实际试验中并不完全符合图像质量损失。W上运些客观质 量评价方法并没有完全真实的反应反映出人的主观感受，和人眼视觉特性存在着一定的鸿 沟。
【发明内容】
[0005] 针对上述现有技术中存在的缺陷，本发明的目的是提供一种针对肝EG图像格式的 显著性细节保持(SDP)的质量评价方法，针对肝EG图像编码特点、符合人眼视觉特性、实用 性更强。
[0006] 为达到上述目的，本发明所采用的技术方案如下：
[0007] 一种针对肝EG图像格式的显著性细节保持的质量评价方法，包括W下步骤：
[0008] 第一步:对原始图像I和失真图像T进行预处理，然后对预处理后的图像进行下采 样，得到对应的下采样图像化和化；
[0009] 第二步:对下采样图像化和化进行显著性相似度计算，分别得到原始图像与失真图 像的显著图Si和St,然后根据得到的显著图计算原始图像与失真图像的显著相似性salSim;
[0010] 第=步:采用Sobel算子提取图像梯度作为图像的低层特征，得到原始图像与失真 图像的梯度图Gi和Gt,然后计算两者的梯度相似性gSim;
[0011] 第四步:采用滑动窗口的方法，计算窗口内像素的统计值作为窗口中屯、点的值，逐 像素移动窗口，计算原始图像与失真图像的高斯加权PSNR相似性pSim;
[0012] 第五步:采用滑动窗口的方法，计算滑动窗口内原始图像与失真图像标准差的相 似度，作为原始图像与失真图像的纹理相似性tSim;
[0013] 第六步:综合上述四种度量，得到原始图像与失真图像的质量评价分数SDP。
[0014] 所述第一步中，对原始图像I和失真图像T进行预处理的方法包括如下：分别将原 始图像I和失真图像T由RGB通道转换为YIQ通道，然后对转换后的图像进行下采样，得到对 应的下义样图像化和化；
[001引对RG昭IjYIQ的颜色空间转换公式如下：
[0017]对转换后的图像进行下采样的公式如下：
[001 引 F=max( 1 ,;round(N/256))
[0019]其中：N是图像高度或宽度。
[0020] 所述第二步中，计算原始图像与失真图像的显著相似性salSim的具体方法包括如 下：
[0021] 根据已经公开的Frequency-化ned图像显著检测算法分别计算原始图像与失真图 像的显著图Si和St,按如下公式计算显著性相似性salSim:
[0023] 其中：Tl是一个非常小的正整数，W确保分母不为零。
[0024] 所述第=步中，Sobel算子和图像梯度的计算公式如下：
[002引其中：I为原始图像。
[0029]所述第S步中，原始图像与失真图像的梯度图Gi和Gt之间的梯度相似性gSim的计 算公式如下：
[0031] 其中：e是一个正整数，是根据梯度值的动态范围得到的值。
[0032] 其中，e 3 1200。
[0033] 所述第四步中，计算高斯加权PSN时目似性pSim的具体方法包括如下：
[0034] 为避免JPEG 8 X 8分块效应，考虑到高斯滤波器的对称性及由中屯、点向四周扩散 的特征，将滑动窗口定义为11 X 11的高斯加权W= {Wij I i，j = 1，2，. . .，N}，N= 11，标准差设 为1.5,则原始图像与失真图像PSNR的相似性计算公式如下：
[003引其中：其中分别为原始图像与失真图像Y通道的像素值，K为Y通道深度，在 滑动窗口内，diff为原始图像和失真图像差值平方的高斯系数加权平均值，thr为峰值信噪 比阔值，pSim表示原始图像与失真图像的PSNR相似性。
[0039] 所述第五步中，计算原始图像与失真图像的纹理相似性tSim的具体方法包括如 下：
[0040] 将滑动窗口内原始图像与失真图像标准差的相似度，作为两张图像的局部纹理相 似度，公式如下：
[0042] 其中：参数T2是一个非常小的正整数，W确保分母不为0;义。，7。分别为原始图像 与失真图像Y通道的像素值，K为Y通道深度，Wij为高斯加权W=Iwij IiJ = 1，2，. ..，11}，m (X)，化(Y)分别为原始图像与失真图像的高斯加权均值;Oi2(X)，022(Y)分别为原始图像与失 真图像的高斯加权方差;tSim即为W标准差相似度表征的图像纹理相似度。
[0043] 所述第六步中，得到原始图像与失真图像的质量评价分数SDP的具体方法包括如 下：
[0044] 综合图像的显著性相似性salSim、梯度相似性gSim、PSNR相似性pSim和纹理相似 性tSim，得到质量评价分数如下：
[0046] 其中：salWg是显著性加权因子，该因子为每个像素点的最大显著性值：SalWg = max(Si, St)。
[0047] 与现有技术相比，本发明具有如下的有益效果：
[004引（1)本发明通过引入图像显著性对图片的重要细节进行描述，可W更准确的反应 图像压缩后的质量失真，改进了图像质量的预测准确性；
[0049] (2)本发明针对JPEG图像编码特点提出的质量评价方法，能够更准确的反应JPEG 图像压缩产生的失真现象；
[0050] (3)本发明对于网络可视媒体大数据的质量评价有更强的实用性。
【附图说明】
[0051] 通过阅读参照W下附图对非限制性实施例所作的详细描述，本发明的其它特征、 目的和优点将会变得更明显：
[0052] 图1为本发明实施例的图像质量评价方法框架图；
[0053] 图2a为本发明实施例的显著相似性示意图；
[0054] 图化为本发明实施例的梯度相似性示意图；
[0055] 图2c为本发明实施例的PSNR相似性示意图；
[0056] 图2d为本发明实施例的纹理相似性示意图；
[0057] 图3为主观分数MOS和客观分数的分布及其拟合曲线示意图。
【具体实施方式】
[005引下面结合具体实施例对本发明进行详细说明。W下实施例将有助于本领域的技术 人员进一步理解本发明，但不W任何形式限制本发明。应当指出的是，对本领域的普通技术 人员来说，在不脱离本发明构思的前提下，还可W做出若干变形和改进。运些都属于本发明 的保护范围。
[0059] 如图I所示，本发明所提供的针对肝EG图像格式的显著性细节保持(SDP)的质量评 价方法，包括W下步骤：
[0060] 第一步:对原始图像I和失真图像