专利名称：一种图像质量盲评估的统计测度方法
技术领域：
本发明属于图像质量评估技术领域，具体涉及图像质量盲评估的统计测度方法。
背景技术：
在图像的获取、压缩、存储、传输和再现过程中，往往会对数字图像引入大量不同类型和不同级别的失真，这些失真将导致图像质量的严重下降。如何对图像质量进行准确的客观评估已经成为图像处理领域里一个极具挑战性的课题[1][2]。
·
图像质量的客观评估研究，其目的就是设计一种评估测度或算法，并期待得到与人眼主观图像质量评估相类似的结果。现存的图像质量客观评估方法主要是全参考评估方法，即通过某一方法来对比失真图像与参考图像的质量进而得到评估结果M[4]。这种类型的评估方法限制了其应用范围，例如数字影像设备拍摄到的图像一般是没有参考图像的，而通过长距离传输到手机或者电视的图像要想得到其参考图像也许是不方便的。这意味着在许多应用场合中，存在着对半参考评估方法(依赖于一部分参考信息)与盲评估方法(不需要任何参考信息)的需求。本发明为图像质量的盲评估提供一种新方法。由于在盲评估中没有任何有关未失真图像的参考信息，因此盲评估算法的实现面临着极大的困难[5]-[8]。近年来，由于自然场景统计(Natural Scene Statistics, NSS)模型能描述自然图像中与内容无关的统计性质，因此受到了越来越多学者们的重视[3]_[5]，[11]，[12]。NSS模型是对自然场景建立的统计模型。相关的研究表明无失真自然图像小波变换系数的边缘或联合概率分布，可以通过高斯尺度混合(Gaussian scale mixture, GSM)的分布模型进行描述，而失真图像的小波系数则不具备这一性质MM[n]。如果长度为#的随机矢量Γ可以表示为F其中LJ表示其在概率意义上的等价性；U为零均值、方差为％的高斯随机变量^为随机乘数变量，则随机矢量7服从GSM
分布，其概率密度函数P (Y)为多个高斯分布的混合，且与乘数，的分布相关，即[11][13]
I/ νΤζ^-1γ\
Ptn=J—^-rexP 2 P^dz(,)
根据NSS模型的统计性质，自然图像小波变换系数的边缘或联合概率分布服从GSM分布，即，若将同一小波子带内、或相邻尺度或/和方向子带间的小波系数拉长，会得到服从GSM分布的随机矢量Γ。假设在一个大小为夏Ui足够小)的小波系数邻域内，乘数z是保
持不变的，那么就可以暂时将z看作是一个确定量或者常量。记这个邻域的中心系数为
，邻域内所有系数拉长得到的随机矢量为e Rm。上标s w分别表示中心系数所位于小
波系数子带的尺度{scale、与方向{orientation)，y标r、c分别表示在小波系数子带内的行(row)与列{column)的坐标，因此上下标一起构成了中心系数与邻域的索引。在后面
的论述中，如果省略上下标不会造成误解，则都不再给出上下标。每个邻域对应的乘数(后面省略表示为z)可以通过对条件概率分布函数P P K)的最大似然估计得到。在不失普适性地假设的前提下，对J的最大似然估计结果为[11]
其中cv可以直接通过对原始的小波系数估计得到。当对所有的小波系数，都从其对应的系数邻域内估计出相应的乘数Z后，那么可以得到近似服从高斯分布的随机变量。这个过程称为区分归一化变换(Divisivenormalization transformation, DNT)过程,每个小波系数被它所在的系数邻域的能量所归一化，从而降低了小波变换系数之间的线性统计相关性，且与人眼视觉机制中对能量的分配原则相一致M[11]。从DNT过程得到的随机变量d被称为DNT系数。大量相关研究证实，自然图像DNT系数i的边缘或联合概率分布都近似服从高斯分布，但是当图像失真时，其DNT系数的分布开始偏离高斯分布，且偏离程度与人眼可感知到的图像质量的衰减程度相关M[1°]。因此，可以图像的DNT系数的分布就可以用来描述图像中是否有失真，并且可以通过DNT系数分布与高斯分布之间的偏差程度量化估计图像质量的衰减程度。目前最优的图像质量盲评估算法是文献[6]中提出的一种基于NSS模型的盲评估算法，称为 DIIVINE (Distortion Identification-based Image Verity and IntegrityEvaluation)测度。DIIVINE测度基于一个双层框架实现，第一阶段进行失真类型识别，第二阶段针对不同失真的进行质量估计，最后将两阶段的结果进行整合得到对图像的质量估计结果。但是DIIVINE算法需要复杂的特征选择与提取过程。
发明内容
本发明的目的在于根据图像质量盲评估的统计特性，提供一种与人眼主观视觉对图像质量的评估结果相一致的图像质量盲评估的统计测度方法。本发明提出的图像质量盲评估的统计测度方法，应用失真图像在小波域区分归一化变换(Divisive Normalization Transform, DNT)系数的统计分布与其拟合为高斯分布之间的K-L统计测度来描述图像的失真，具体步骤如下
(1)如果失真图像是彩色图像，先将彩色图像转换成灰度图像。对失真的灰度图像进行小波系数变换，可用可操纵金字塔等方法，得到S个尺度与O个方向上的小波系数子带；
(2)在每个小波系数子带内，进行区分归一化变换，即根据式(2)对拟合小波系数分布的高斯尺度混合分布的乘数变量进行最大似然估计；将每个小波系数除以对应的乘数估计结果，得到DNT系数；
(3)在每个小波系数子带内，将DNT系数进一步分块；在每个DNT系数块内，对系数去均值，计算系数方差；对每个系数子带内所有的DNT系数块的方差取平均，作为近似参考图像DNT系数分布的高斯分布的方差；
具体操作如下在每个小波系数子带内，进一步划分力"■个大小为PsxPs的相互重叠的DNT系数块；将第个DNT系数块拉成得到的系数矢量为ERNp，其方差的无偏估计为
权利要求
1.一个图像质量盲评估的统计测度方法，其特征在于应用失真图像在小波域区分归一化变换(DNT)系数的统计分布与其拟合的高斯分布之间的K-L统计测度来描述图像的失真，具体步骤如下(1)如果失真图像是彩色图像，先将彩色图像转换成灰度图像；对失真的灰度图像进行小波系数变换，得到个尺度与个方向上的小波系数子带；(2)在每个小波系数子带内，进行区分归一化变换，即对拟合小波系数分布的高斯尺度混合分布的乘数变量进行最大似然估计；将每个小波系数除以对应的乘数估计结果，得到DNT系数；(3 )在每个小波系数子带内，将DNT系数进一步分块；在每个DNT系数块内，对系数去均值，计算系数方差；对每个系数子带内所有的DNT系数块的方差取平均，作为近似参考图像DNT系数分布的高斯分布的方差；(4)在每个小波系数子带内，计算DNT系数分布与近似高斯分布的离散化的K-L距离，将计算得到的K-L距离作为该小波系数子带的质量衰减测度；(5)将所有小波系数子带的K-L距离取平均，作为该失真的灰度图像的质量衰减测度。
2.根据权利要求I所述的方法，其特征在于对每幅图像得到的统计测度值越大，则表明图像质量越差；统计测度值越小，则表明图像质量越好。
3.根据权利要求I所述的方法，其特征在于直接从失真图像的小波系数中，估计可用于作为基准或者参考的高斯分布参数，以避免对参考信息的依赖，以及克服现有图像质量盲评估所依赖的特征选择与提取、机器学习。
4.根据权利要求I所述的方法，其特征在于将DNT系数分块，采用多次测量的方法减小对高斯分布参数估计的误差方差，以提高估计的准确度。
全文摘要
本发明属于图像质量评估技术领域，具体为一个图像质量盲评估的统计测度方法。该测度方法以失真图像在小波域区分归一化变换(Divisive Normalization Transform,DNT)系数的统计分布与其拟合为高斯分布之间的K-L统计测度来描述图像的失真。分析表明这样描述图像失真的K-L统计测度不需要任何未失真图像的参考或先验信息，因此可避免过去图像质量客观盲评估方法所依赖的特征选择与提取、机器学习等。LIVE图像质量评估数据库的评估结果表明本发明提出的盲评估统计测度对图像质量评估结果与数据库的主观评估结果高度一致，且优于文献中报道的盲评估测度。
文档编号G06T7/00GK102930545SQ201210440618
公开日2013年2月13日 申请日期2012年11月7日 优先权日2012年11月7日
发明者黄虹, 张建秋 申请人:复旦大学