本发明涉及图像处理技术领域,尤其是一种图像质量评价方法。
背景技术:
图像质量评价在图像处理领域中的基础技术之一,对算法分析比较和系统性能评估等方面有着重要的作用,全参考图像质量评价是通过对比失真图像和原始图像之间的差异对失真图像的质量进行评价的一种方法,被广泛应用于评价图像编码压缩、指导图像处理算法和用户终端的图像质量监控等领域中。
闻新,张婉怡等(《基于视觉感知的全参考图像质量评价算法》,电子测量与仪器学报,2016,30(11):1780-1789)在传统图像质量评价方法的基础上,利用人眼对于图像边缘极为敏感的视觉系统感知特性,提出用边缘特征描述人的主观感知差异,该方法仅针对少数压缩算法的评价中有较高的性能,总体上对人眼的主观感知描述仍不够准确,缺乏主观一致性。
技术实现要素:
为了克服现有技术的不足,本发明提出通过局部结构变化密集程度描述干扰的显著性,结合局部结构变化强度、变化总量、变化像素与轮廓线关系,综合评价图像质量,以提高评价的准确率。
本发明解决其技术问题所采用的技术方案的具体步骤如下:
步骤1、将待测图像和参考图像分别转换为灰度图像idist和iref,对两张灰度图像idist和iref在频域下分别计算其相位一致性pcdist和pcref;
步骤2、灰度梯度图计算公式如下:
其中g代表梯度图,dx和dy为横向和纵向两个方向的梯度模板:
其中,a1和a2满足:
i为灰度图像,根据公式(1)即可分别求得灰度图像idist和iref的灰度梯度图gdist和gref;
步骤3、计算两幅灰度梯度图gdist和gref之间梯度相似度图sg,梯度相似度图sg中的每个像素点p的值sg(p)为:
gdist(p)和gref(p)分别代表的是图gdist和gref中像素点p的灰度值;其中,t2>0,从而求得两幅灰度梯度图的加权相似度sgpc为:
其中,max(pcdist,pcref)为pcdist和pcref中对应元素最大值构成的矩阵,sg由公式(2)计算确定;
步骤4、对梯度相似度图sg求分布均匀度sd:
首先将梯度相似度图sg下采样,将其连续分割成n个边长为偶数的正方形分块bi,其中i=1,2,3…n,每个分块bi中像素点灰度值的最大值作为下采样后对应位置像素点的灰度值,从而得到下采样图sg(max),其尺寸为nx×ny,下采样图中每个像素点的灰度值为px,y,x和y表示像素点在sg(max)中的横坐标和纵坐标,计算其分布均匀度sd:
sd=|s1+s2|+|s3+s4|
其中s1,s2,s3,s4为中间变量:
步骤5:计算质量分数
本发明的有益效果在于在图像质量评价中引入视觉显著性概念,通过分析干扰在图像中的分布均匀度描述干扰在图像中的视觉显著性,从而体现出图像中的干扰对人视觉的主观影响程度,以此来更加准确评价图像质量。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
人类视觉感知系统对高频信息更加敏感,因此各种扰动因素所造成图像内容的空间结构性发生变化的显著程度,无疑是影响图像质量主观感受性的核心因素。目前已有全参考图像质量评价方法仅从图像差异性分析入手,并未关注显著性这一概念。
本发明基于视觉显著性的图像质量评价方法流程图如图1所示,具体实施方式包括以下步骤:
步骤1:对于原始的参考图像及由它进行失真处理得到的待测图像转换为灰度图像idist和iref,将两张图像进行傅里叶变换并计算其相位一致性pcdist和pcref。
步骤2:计算图像梯度图。定义横向和纵向梯度模板dx和dy如下:
利用梯度模板对图像进行卷积计算梯度图
步骤3:计算加权相似度sgpc。首先计算梯度相似度sg,对于梯度图中每一个像素点p,求得其相似度
然后计算加权相似度sgpc:
其中max(pcdist,pcref)为pcdist和pcref中对应元素最大值构成的矩阵。
步骤4:求分布均匀度sd。
首先将相似度图sg下采样,将其连续分割成若干8×8像素大小的分块,每个分块中像素点灰度值的最大值作为下采样图中对应位置像素点的灰度值,得到下采样图sg(max),其尺寸为nx×ny,图中每个像素点的灰度值为px,y,x和y表示像素点在sg(max)中的横坐标和纵坐标,计算其分布均匀度sd:
sd=|s1+s2|+|s3+s4|
其中,s1,s2,s3,s4为中间变量:
步骤5:计算质量评价分数