一种基于Gabor差分盒加权维数的半参考型图像质量评价方法与流程

本发明属于图像处理领域，具体涉及一种基于gabor差分盒加权维数的半参考型图像质量评价方法。

背景技术：

图像质量评价即对图像质量进行评判并给出定量分值，以衡量图像失真程度；图像质量评价是图像处理领域的关键问题，图像质量评价方法可分成主观图像质量评价方法和客观图像质量评价方法。主观图像质量评价方法根据观察者的主观感受进行打分，虽然准确，但存在着成本高昂和费时等缺点；客观图像质量评价方法采用计算模型自动预测图像质量，成本低，耗时短，具有很好的应用前景。客观图像质量评价方法可分成全参考型图像质量评价方法，半参考型图像质量评价方法和无参考型图像质量评价方法。全参考型图像质量评价方法采用质量很好的图像作为参考图像对图像进行客观质量评价；无参考型图像质量评价方法不采用参考图像，根据图像的特性进行客观质量评价；半参考型图像质量评价方法采用从参考图像中提取的部分关键信息并结合失真图像本身的特性进行客观质量评价。本发明涉及一种半参考型图像质量评价方法。针对半参考型图像质量评价，国内外学者展开了广泛研究，wang采用小波域的自然图像统计模型提取参考图像和失真图像的特征，并采用特征之间的kl(kullback-leibler)距离进行半参考型图像质量评价；gao采用多阶curvelets、bandlets、wavelets和contourlets变换，并对变换系数提取归一化直方图进行图像质量评价；engelke分别计算块效应、模糊、振铃效应的量度进行图像质量评价；但这些方法存在着评价精度有待提高和提取的半参考特征过多不利于传输等缺点。

技术实现要素：

针对现有技术的不足，本发明提供一种基于gabor差分盒加权维数的半参考型图像质量评价方法，该方法的具体步骤如下：

s1：对输入的失真图像和参考图像进行二维gabor变换；

s1.1：输入失真图像和参考图像，若输入图像为彩色图像，则将彩色图像转换成灰度图像，并分别将输入失真灰度图像和参考灰度图像定义为d(x,y)和r(x,y)，其中x表示失真灰度图像和参考灰度图像的列索引，y表示失真灰度图像和参考灰度图像的行索引，x＝1,2,...,w，y＝1,2,...,h，其中w和h分别为失真灰度图像和参考灰度图像的宽度和高度；

s1.2：建立j个二维gabor滤波器，所述的滤波器有m个尺度和n个方向，每个尺度和方向均有gabor正弦和gabor余弦两种滤波器，因此共有j＝2×m×n个二维gabor滤波器，二维gabor滤波器的设计公式如下：

x'＝xcosθn+ysinθn

y'＝ycosθn-xsinθn

其中，m表示gabor滤波器的尺度索引，n表示gabor滤波器的方向索引，fm表示第m个尺度对应的频率，θn表示第n个尺度对应的角度，θn＝2πn/n，n＝0,1,...,n-1。fm＝a^-mfmax，其中fmax为最高频率，m＝0,1,...,m-1，γ和η分别表示gabor滤波器在横向和纵向的标准差，fc(fm,θn,x,y)是频率为fm、角度为θn、坐标为(x,y)的gabor余弦滤波器系数，fs(fm,θn,x,y)是频率为fm、角度为θn、坐标为(x,y)的gabor正弦滤波器系数；

s1.3：将s1.1获得的灰度图像经j个gabor滤波器进行滤波，得到gabor系数gcd(m,n,x,y)、gcr(m,n,x,y)、gsd(m,n,x,y)和gsr(m,n,x,y)，计算公式如下：

gcd(m,n,x,y)＝d(x,y)*fc(fm,θn,x,y)

gcr(m,n,x,y)＝r(x,y)*fc(fm,θn,x,y)

gsd(m,n,x,y)＝d(x,y)*fs(fm,θn,x,y)

gsr(m,n,x,y)＝r(x,y)*fs(fm,θn,x,y)

其中，gcd(m,n,x,y)是失真灰度图像经gabor余弦滤波器滤波后的gabor余弦系数，gsd(m,n,x,y)是失真灰度图像经gabor正弦滤波器滤波后的gabor正弦系数，gcr(m,n,x,y)是参考灰度图像经gabor余弦滤波器滤波后的gabor余弦系数，gsr(m,n,x,y)是参考灰度图像经gabor正弦滤波器滤波后的gabor正弦系数；

s2：对s1.3的失真灰度图像和参考灰度图像的gabor正弦系数和余弦系数进行分形维数计算，采用差分盒子法得到差分盒加权维数，具体如下：

s2.1：将失真灰度图像和参考灰度图像的在某一尺度和某一方向的gabor正弦系数和余弦系数大小缩放为长和宽为t，并将gabor正弦系数或余弦系数取值缩放到[0,255]范围；

s2.2：将t×t维平面划分成大小为r×r的网格，再将缩放后的失真灰度图像或参考灰度图像划分成大小为r×r的网格内的gabor正弦系数或余弦系数最大取值记为l，同时将缩放后的失真灰度图像或参考灰度图像的gabor正弦系数或gabor余弦系数最大取值l等分成t/r部分,则每部分的大小为l×r/t，因此可得到(t/r)³个大小为r×r×(l×r/t)的盒子，设第(i,j)个网格中最大缩放gabor系数和最小缩放gabor系数分别落于第p个和第q个盒子中，则计算出覆盖第(i,j)个网格所需盒子数n(i,j)，其中i为网格在图像中的行索引，j为网格在图像中的列索引，计算公式如下：

n(i,j)＝p-q+1

s2.3：计算步骤s2.2中第(i,j)个网格的缩放后的失真灰度图像和参考灰度图像的gabor正弦系数或gabor余弦系数的绝对均值s(i,j)，公式如下：

其中，k为第(i,j)个网格中的失真灰度图像或参考灰度图像的gabor正弦系数或gabor余弦系数索引，k为第(i,j)个网格中的失真灰度图像或参考灰度图像的gabor正弦系数或gabor余弦系数个数，gi,j(k)表示第(i,j)个网格中的第k个缩放后的失真灰度图像或参考灰度图像的gabor正弦系数或gabor余弦系数，|·|表示求绝对值操作；

s2.4：计算失真灰度图像和参考灰度图像在某一尺度和某一方向的t×t维gabor正弦系数和gabor余弦系数的加权盒子数nr，计算公式如下：

其中，ω(i,j)表示第(i,j)个网格的加权系数，计算公式如下：

s2.5：采用最小二乘直线拟合方法得到失真灰度图像和参考灰度图像的gabor正弦系数和gabor余弦系数的差分盒加权维数d，计算公式如下：

s2.6：将失真灰度图像和参考灰度图像在某一尺度和某一方向的t×t维缩放gabor正弦系数和gabor余弦系数采用s2.1到步骤s2.5的方法计算得到差分盒加权维数分别记为kcd(m,n)、ksd(m,n)、kcr(m,n)和ksr(m,n)，其中kcd(m,n)为失真灰度图像gabor余弦系数的差分盒加权维数，ksd(m,n)为失真灰度图像gabor正弦系数的差分盒加权维数，kcr(m,n)为参考灰度图像gabor余弦系数的差分盒加权维数，ksr(m,n)为参考灰度图像gabor正弦系数的差分盒加权维数；

s3：将失真灰度图像在某一尺度和某一方向的t×t维缩放gabor正弦系数和gabor余弦系数的取值范围等分成i个分组，并统计gabor正弦系数或gabor余弦系数的取值位于第i个分组中的概率p(i)，根据概率p(i)计算失真灰度图像的gabor正弦系数和gabor余弦系数的gabor熵h，并将失真灰度图像gabor余弦系数的gabor熵记为hcd(m,n)，将失真灰度图像gabor正弦系数的gabor熵记为hsd(m,n)，h的计算公式如下：

其中，0≤i≤i-1，i为分组的个数，p(i)为图像中第i个分组的gabor系数概率分布；

s4：计算正弦加权系数β1(m,n)和余弦加权系数β2(m,n)，计算公式如下：

s5：根据失真灰度图像和参考灰度图像在某一尺度和某一方向的t×t维缩放gabor正弦系数或gabor余弦系数的差分盒加权维数kcd(m,n)、ksd(m,n)、kcr(m,n)和ksr(m,n)，得到半参考图像质量评价分值q，计算公式如下：

进一步地，所述的s2.1中采用双线性插值方法进行图像的缩放，缩放成长和宽大小均为t的图像，其中t＝2^p，p为满足不等式2^p<min(w,h)的最大整数。

进一步地，所述的s2.2中划分成的网格大小为r×r，其中r取值范围为2≤r≤p。

进一步地，所述的s3中将失真灰度图像在某一尺度和某一方向的t×t维缩放gabor正弦系数和gabor余弦系数的取值范围等分成i个分组，其中i取值为8、16或32。

本发明的有益效果如下：

该方法从参考灰度图像和失真灰度图像中提取差分盒加权维数特征，在提取参考图像的差分盒加权维数后，将参考灰度图像和失真灰度图像的差分盒加权维数特征比对得到半参考图像质量评价分值；在提取差分盒加权维数特征时，将参考灰度图像和失真灰度图像划分成若干网格，并用盒子法计算网格盒子数，再用gabor系数绝对和计算出加权系数，将每个网格的盒子数加权得到差分盒加权维数，作为参考灰度图像和失真灰度图像的特征，从而克服了提取的特征维数过大、不便经传送通道传输的缺点；最后采用gabor熵计算得到加权系数，用加权系数对参考灰度图像和失真灰度图像的差分盒加权维数特征绝对差值进行加权，得到最终的客观图像质量评价分值，提高了图像质量评价精度。

附图说明

图1为本发明的基于gabor差分盒加权维数的半参考型图像质量评价方法流程图。

具体实施方式

下面根据附图和优选实施例详细描述本发明，本发明的目的和效果将变得更加明白，以下结合附图和实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

如图1所示，本发明的基于gabor差分盒加权维数的半参考型图像质量评价方法，该方法包括如下步骤：

s1：对输入的失真图像和参考图像进行二维gabor变换；

s1.1：输入失真图像和参考图像，若为输入图像为彩色图像，则将彩色图像转换成灰度图像，并分别将输入失真灰度图像和参考灰度图像定义为d(x,y)和r(x,y)，其中x表示失真灰度图像和参考灰度图像的列索引，y表示失真灰度图像和参考灰度图像的行索引，x＝1,2,...,w，y＝1,2,...,h，其中w和h分别为失真灰度图像和参考灰度图像的宽度和高度；

s1.2：建立j个二维gabor滤波器，所述的滤波器有m个尺度和n个方向，每个尺度和方向均有gabor正弦和gabor余弦两种滤波器，因此共有j＝2×m×n个二维gabor滤波器，二维gabor滤波器的设计公式如下：

x'＝xcosθn+ysinθn

y'＝ycosθn-xsinθn

其中，m表示gabor滤波器的尺度索引，n表示gabor滤波器的方向索引，fm表示第m个尺度对应的频率，θn表示第n个尺度对应的角度，θn＝2πn/n，n＝0,1,...,n-1。fm＝a^-mfmax，其中fmax为最高频率，m＝0,1,...,m-1，γ和η分别表示gabor滤波器在横向和纵向的标准差，fc(fm,θn,x,y)是频率为fm、角度为θn、坐标为(x,y)的gabor余弦滤波器系数，fs(fm,θn,x,y)是频率为fm、角度为θn、坐标为(x,y)的gabor正弦滤波器系数；

本实施例中，二维gabor滤波器有3个尺度和4个方向，因此有24个二维gabor滤波器，且

s1.3：将s1.1获得的灰度图像经j个gabor滤波器进行滤波，得到gabor系数gcd(m,n,x,y)、gcr(m,n,x,y)、gsd(m,n,x,y)和gsr(m,n,x,y)，计算公式如下：

gcd(m,n,x,y)＝d(x,y)*fc(fm,θn,x,y)

gcr(m,n,x,y)＝r(x,y)*fc(fm,θn,x,y)

gsd(m,n,x,y)＝d(x,y)*fs(fm,θn,x,y)

gsr(m,n,x,y)＝r(x,y)*fs(fm,θn,x,y)

其中，gcd(m,n,x,y)是失真灰度图像经gabor余弦滤波器滤波后的gabor余弦系数，gsd(m,n,x,y)是失真灰度图像经gabor正弦滤波器滤波后的gabor正弦系数，gcr(m,n,x,y)是参考灰度图像经gabor余弦滤波器滤波后的gabor余弦系数，gsr(m,n,x,y)是参考灰度图像经gabor正弦滤波器滤波后的gabor正弦系数；

s2：对s1.3的失真灰度图像和参考灰度图像的gabor正弦系数和余弦系数进行分形维数计算，采用差分盒子法得到差分盒加权维数，具体如下：

s2.1：将失真灰度图像和参考灰度图像的在某一尺度和某一方向的gabor正弦系数和余弦系数大小缩放为长和宽为t，并将gabor正弦系数或余弦系数取值缩放到[0,255]范围；本实施例中，t取值为512；

s2.2：将t×t维平面划分成大小为r×r的网格，再将缩放后的失真灰度图像或参考灰度图像划分成大小为r×r的网格内的gabor正弦系数或余弦系数最大取值记为l，同时将缩放后的失真灰度图像或参考灰度图像的gabor正弦系数或gabor余弦系数最大取值l等分成t/r部分,则每部分的大小为l×r/t，因此可得到(t/r)³个大小为r×r×(l×r/t)的盒子，设第(i,j)个网格中最大缩放gabor系数和最小缩放gabor系数分别落于第p个和第q个盒子中，则计算出覆盖第(i,j)个网格所需盒子数n(i,j)，其中i为网格在图像中的行索引，j为网格在图像中的列索引，计算公式如下：

n(i,j)＝p-q+1

s2.3：计算步骤s2.2中第(i,j)个网格的缩放后的失真灰度图像和参考灰度图像的gabor正弦系数或gabor余弦系数的绝对均值s(i,j)，公式如下：

其中，k为第(i,j)个网格中的失真灰度图像或参考灰度图像的gabor正弦系数或gabor余弦系数索引，k为第(i,j)个网格中的失真灰度图像或参考灰度图像的gabor正弦系数或gabor余弦系数个数，gi,j(k)表示第(i,j)个网格中的第k个缩放后的失真灰度图像或参考灰度图像的gabor正弦系数或gabor余弦系数，|·|表示求绝对值操作；本实施例中，r取值为8。

s2.4：计算失真灰度图像和参考灰度图像在某一尺度和某一方向的t×t维gabor正弦系数和gabor余弦系数的加权盒子数nr，计算公式如下：

其中，ω(i,j)表示第(i,j)个网格的加权系数，计算公式如下：

s2.5：采用最小二乘直线拟合方法得到失真灰度图像和参考灰度图像的gabor正弦系数和gabor余弦系数的差分盒加权维数d，计算公式如下：

s2.6：将失真灰度图像和参考灰度图像在某一尺度和某一方向的t×t维缩放gabor正弦系数和gabor余弦系数采用s2.1到步骤s2.5的方法计算得到差分盒加权维数分别记为kcd(m,n)、ksd(m,n)、kcr(m,n)和ksr(m,n)，其中kcd(m,n)为失真灰度图像gabor余弦系数的差分盒加权维数，ksd(m,n)为失真灰度图像gabor正弦系数的差分盒加权维数，kcr(m,n)为参考灰度图像gabor余弦系数的差分盒加权维数，ksr(m,n)为参考灰度图像gabor正弦系数的差分盒加权维数；

s3：将失真灰度图像在某一尺度和某一方向的t×t维缩放gabor正弦系数和gabor余弦系数的取值范围等分成i个分组，并统计gabor正弦系数或gabor余弦系数的取值位于第i个分组中的概率p(i)，根据概率p(i)计算失真灰度图像的gabor正弦系数和gabor余弦系数的gabor熵h，并将失真灰度图像gabor余弦系数的gabor熵记为hcd(m,n)，将失真灰度图像gabor正弦系数的gabor熵记为hsd(m,n)，h的计算公式如下：

其中，0≤i≤i-1，i为分组的个数，p(i)为图像中第i个分组的gabor系数概率分布；本实施例中，i的取值为32；

s4：计算正弦加权系数β1(m,n)和余弦加权系数β2(m,n)，计算公式如下：

s5：根据失真灰度图像和参考灰度图像在某一尺度和某一方向的t×t维缩放gabor正弦系或gabor余弦系数的差分盒加权维数kcd(m,n)、ksd(m,n)、kcr(m,n)和ksr(m,n)，得到半参考图像质量评价分值q，计算公式如下：

本实施例中，m取值为3，n取值为4。

本发明的基于gabor差分盒加权维数的半参考型图像质量评价方法采用texas大学的live数据库作为实验数据库，live数据库包括不同内容的29幅原始图像，以及五种不同失真类别的失真图像，分别是jpeg压缩失真(87幅图像)，jpeg2000压缩失真(87幅图像)，高斯模糊失真(145幅图像)，白噪声失真(145幅图像)和信道衰落失真(145幅图像)；同时live数据库提供了每一幅图像的主观查分平均意见分值(dmos)。如图1所示，参考图像和失真图像在提取出gabor差分盒加权维数特征后，比对参考图象的gabor差分盒加权维数和失真图像提取出的gabor差分盒加权维数特征即可得到客观图像评价分值。

为了衡量本发明算法的有效性，采用客观图像评价分值q和主观差分平均意见分值dmos之间的一致性作为算法有效性的量度，分别计算值和dmos值之间的pearson相关系数(plcc)和spearman秩相关系数(srcc)，在计算plcc和srcc之前对q值进行逻辑回归处理，设计实施例子用于对比本发明提出方法和另外两种方法(psnr：峰值信噪比，rred：小波熵差法)的srcc(psnr：0.8636，rred：0.7751，本发明：0.9128)，plcc(psnr：0.8722，rred：0.7538，本发明：0.9157)，相关系数越接近于1，则q值和dmos值一致性越高，即本发明中的算法预测结果和主观评价结果更接近。

本领域普通技术人员可以理解，以上所述仅为发明的优选实例而已，并不用于限制发明，尽管参照前述实例对发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在发明的精神和原则之内，所做的修改、等同替换等均应包含在发明的保护范围之内。