基于混合尺度变换的图像质量评价方法
【专利摘要】本发明公开一种基于混合尺度的图像质量评价方法，步骤为：第一步、采用下采样的方法对原图x和失真图y分别进行不同程度的下采样，记第i次下采样后的原图和失真图分别为xi，yi；第二步、对第i次下采样之后的原图和失真图分别进行预处理，并计算其在结构相似度函数中对应的亮度、对比度、结构分量；第三步、结合亮度、对比度、结构相似度在特定尺度下的最优值(li,ci,si)，得出最终的客观质量分数。在六个图像库下的实验结果证实，相比传统的基于尺度的方法，本发明可以提高图像质量评价的预测精度。
【专利说明】基于混合尺度变换的图像质量评价方法
【技术领域】
[0001] 本发明设计的是一种图像质量评价方法，具体是一种基于混合尺度变换的图像质 量评价方法。
【背景技术】
[0002] 人类80%的信息通过视觉获取，尤其是在信息发达的当今社会，数字电视、数码 影像、视频会议、社交媒体等各种传媒的蓬勃方法，使得对图像和视频的高质量需求越来越 大。图像质量评价（IQA)是一个经典的研究方向，它在数字图像处理的诸多领域发挥着重 要作用，例如图像压缩、存储和传输等的发展和优化。一般地讲，图像质量评价分为两类：主 观评价和客观评价。根据国际电信联盟（ITU)提出的ITU-R BT. 500主观评价介绍可知，以 前的设计通过实验并获取了观测者的主观平均意见得分（MOSs)。由于主观评价的一些显 著的缺陷（如不便性，费时，昂贵），客观IQA方法对于自动预测图像质量就显得很有必要。 在所有现有的客观指标中，最有名的一组IQA指标是均方误差（MSE)和峰值信噪比（PSNR)， 因为他们十分方便而且有明确的物理意义。
[0003] 在近十年研究中，越来越多的人认为MSE/PSNR没有很好的将人对图像质量的判 断/M0S相关起来。因此，像结构相似性指数（SSIM)这样的一些先进的指标提出了一种可替 代和具有互补性的方法用以解决IQA问题，"A universal image quality index"_"Image quality assessment:From error visibility to structural similarity，'中介绍的这些 方法属于单一尺度类型。这种基于单一尺度的图像质量评价方法一般包括两个步骤：采用 适当比例系数的图像变换和SS頂指标。然而，这类方法没有考虑图像变换系数对SS頂中 三种组成分量（亮度、对比度和结构相似度）的不同影响。尽管上面提到的IQA度量有相 当好的性能，但是不难发现，一个显著影响因子"尺度"未被考虑在内。为了填补这一空白， 越来越多的基于多尺度的IQA方法发展起来，例如，多尺度SSIM(MS-SSIM)，信息保真度准 则（IFC)，视觉信息保真（VIF)和信息内容加权（IW)PSNR/SSM。这些IQA方法的预测精度 充分说明了多尺度方法的有效性。
[0004] 最近，一些研究如 W. L在 Trans. Image. Processing 中提出的"Perceptual visual quality metrics :Asurvey，'、KeGu 提出的 "Self-adaptive scale transform for IQA metric"（收录于 ISCAS2013)、"GES:a newimage quality assessment metric based on energy features in Gabor transform domain，'(G. Zhai 发表于 ISCAS2006)、''LGPS:Phase basedimage quality assessment metric"（G. Zhai 发表于 SIPS2007)提出了另一种解决 尺度问题的方法，并指出合适的基于单尺度变换的IQA方法也可以达到满意的结果。特别 地，基于SAST模型的PSNR/SS頂方法可以在根据图像尺寸和观看距离估计的最优尺度参数 调整的参考图像和失真图像上实现。这种方法很有效，因为随着观看距离的增大，观测角度 缩小，所观察到图像细节就更少。
【发明内容】
[0005] 针对现有技术中的缺陷，本发明的目的是提供一种基于混合尺度变换的图像质量 评价方法，可用于更加准确地评估图像质量。
[0006] 本发明是通过以下技术方案实现的，本发明包括以下步骤：
[0007] 第一步、采用下采样的方法对原图X和失真图y分别进行不同程度的下采样，记第 i次下采样后的原图和失真图分别为Xi，yi ;
[0008] 第二步、对第i次下采样之后的原图和失真图分别进行滤波处理，并计算降采样 后图像在结构相似度（SSIM)函数中对应的亮度（luminance)、对比度（contrast)、结构 (structural)分量。
[0009] 第三步、结合亮度、对比度、结构相似度在特定尺度下的最优值Ci，Si)，得出最 终的客观质量分数。客观质量分数和M0S/DM0S值的相关性越强，评价方法越准确。
[0010] 本发明的原理是，结构相似度函数（SSM)中的三个组成分量（亮度、对比度、结构 相似度）在图像的不同变换系数下对图像质量的影响是不同的，故分别研究亮度、对比度 和结构相似度在不同尺寸系数下的变化系数，得出亮度分量基本不随尺寸系数的变化而变 化，而对比度和结构分量随尺寸系数的变大通常先变大后变小的结论。最后，结合三个分量 在不同的尺寸系数下取得的最优值，最终实现了超越原有结构相似度方法性能的目标。 [0011] 与现有技术相比，具有以下有益效果：
[0012] 相比单一尺度方法，本发明可以通过加入观测条件等变量来提供更 大的灵活性。本发明中不同分量对应的变换系数是不同的，在六个图像库 (LIVE, TID2008, CSIQ, Toyama, IVC和LIVE Multiply Distortion)下的实验结果证实，相比 传统的基于尺度的方法，提出的IQA方法可以提高图像质量评价的预测精度。本发明计算 速度快，复杂度低，并且在性能上比原有方法有明显的改进。
【专利附图】
【附图说明】
[0013] 通过阅读参照以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：
[0014] 图1为本发明一实施例总体流程图；
[0015] 图2是在不同尺度变换系数下，亮度（图a)、对比度（图b)、结构相似度（图c) 分别在LIVE数据库上的变化曲线；
[0016] 图3是在不同尺度变换系数下，亮度（图a)、对比度（图b)、结构相似度（图c) 分别在TID2008数据库上的变化曲线；
[0017] 图4是在不同尺度变换系数下，亮度（图a)、对比度（图b)、结构相似度（图c) 分别在CSIQ数据库上的变化曲线；
[0018] 图 5 是 SSIM (图 a)、SSMz (图 b)、MS-SSIM (图 c)、MIS-SSIM (图 d)在 LIVE 数据 库上的散点图；
[0019] 图 6 是 SSIM (图 a)、SSMz (图 b)、MS-SSM (图 c)、MIS-SSM (图 d)在 TID2008 数 据库上的散点图；
[0020] 图 7 是 SSIM (图 a)、SSMz (图 b)、MS-SSIM (图 c)、MIS-SSIM (图 d)在 CSIQ 数据 库上的散点图。
【具体实施方式】
[0021] 下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术 人员进一步理解本发明，但不以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，还可以做出若干变形和改进。这些都属于本发明 的保护范围。
[0022] 实施例：
[0023] 本实施例的实施流程如图1所示：
[0024] 第一步、对原图和失真图分别进行100次不同尺寸的缩小，采用matlab中 imresize函数将图像依次缩小到1，1/2,1/3,1/4··· 1/100。
[0025] 第二步、先采用一个高斯加权窗对图像进行滤波，然后分别计算三个分量在不 同尺度下对应的值：
【权利要求】
1. 一种基于混合尺度的图像质量评价方法，其特征包括以下步骤： 第一步、采用下采样的方法对原图X和失真图y分别进行不同程度的下采样，记第i次 下采样后的原图和失真图分别为Xi，yi ; 第二步、对第i次下采样之后的原图和失真图分别进行滤波处理，并计算其在结构相 似度函数中对应的亮度、对比度、结构分量； 第三步、结合亮度、对比度、结构相似度在选定尺度下的最优值，得出最终的 客观质量分数，客观质量分数和MOS/DMOS值的相关性越强，评价方法越准确。
2. 根据权利要求1所述的基于混合尺度的图像质量评价方法，其特征是，第一步中：所 述的下采样，是对原图和失真图分别进行多次不同尺寸的缩小。
3. 根据权利要求1所述的基于混合尺度的图像质量评价方法，其特征是，第二步中： 分别计算亮度分量1、对比度分量c、结构分量s在不同图像变换尺寸下的值：
其中Q = 〇(山)2, C2 = (K2L)2, C3 = C2/2,用带有1. 5倍采样值并归一化到（Σ& = 1) 的高斯加权窗对图像进行滤波，W = {Wi I i = 1，2,，N};局域统计平均值μ x，标准差σ χ以 及互相关σ xy如下：
4. 根据权利要求1所述的基于混合尺度的图像质量评价方法，其特征是，第三步中： 评估整个图像质量的结构相似度函数指数定义为：
其中，x(i)和y(i)是第i个局域窗内的图像内容，是X和y参考图像和失真图像，Μ是 图像中的局域窗数。
【文档编号】G06T7/00GK104112274SQ201410318484
【公开日】2014年10月22日 申请日期:2014年7月4日 优先权日:2014年7月4日
【发明者】刘敏, 翟广涛, 杨小康, 王思文 申请人:上海交通大学