基于图像分形特征的图像质量客观评价方法
【技术领域】
[0001] 本发明属于图像处理技术领域，尤其涉及一种基于图像分形特征的图像质量客观 评价方法。
【背景技术】
[0002] 图像处理也广泛的应用在医疗，军事，遥感，监测等诸多学科和领域。然而，由于多 种因素的影响，图像在获取、处理、传输和存储的过程中，将不可避免地产生图像降质问题， 这给信息获取和后期处理带来了极大的困难。因此，通过图像质量的客观评价，进而监控和 优化图像处理系统性能，已经成为图像处理领域的重要研宄内容，具有十分重要的理论和 工程应用价值。
[0003] -般来讲，根据对原始图像信息的依赖程度，图像质量客观评价可以分为三类：全 参考质量评价方法、半参考质量评价方法和无参考质量评价方法。在很多实际应用场景中， 由于无法给传输和处理的图像找到充分的原始参考信息，因此无参考图像质量评价具有更 加重要的现实意义。
[0004] 然而，由于缺乏图像的先验知识，而且现阶段对于人类视觉系统、视觉生理心理、 自然图像统计特性和图像质量等方面的理解与研宄并不充分，无参考图像质量评价的研宄 进展相对缓慢。
【发明内容】
[0005] 本发明的目的是将分形几何学中的理论，如分形维数和多重分形谱分析方法，应 用到图像质量评价的研宄领域。通过对图像分形维数和多重分形谱进行分析和特征提取， 提出一种基于图像分形特征的图像质量客观评价方法。
[0006] 由于自然图像具有自相似性，具有明显的分形特征，本发明基于分形理论对图像 建模反映图像的失真情况，利用分形维数和多重分形谱等作为图像的特征信息，实现对图 像质量的度量，从而取得良好的图像质量评价效果。
[0007] 本发明采取的技术方案是：
[0008] 首先，结合函数拟合的方法和机器学习的思想，在预处理的环节，使用公知数据库 (如美国德州大学奥斯汀分校的LIVE数据库）中的原始图像进行训练和拟合，得到后续图 像质量评价的基准特征信息一一分形维数矩阵和多重分形谱；然后，分别提取待测失真图 像的分形维数矩阵和多重分形谱等图像特征；进而，将获取的失真图像特征信息与基准参 考特征信息进行对比处理，并通过综合（pooling)处理得到失真图像的客观质量度量。
[0009] 本发明解决其技术问题所采用的技术方案如下：
[0010] 步骤⑴.根据公知数据库（如美国德州大学奥斯汀分校的LIVE图像数据库）中 的原始图像顺序编号，循环读入所有原始图像。
[0011] 步骤（2).分别计算步骤（1)读入的原始图像的分形维数。
[0012] 分形维数的计算采用盒子记数法，将原始图像转化为二值图像，然后通过划分格 子并记数来计算分形维数，具体如下：
[0013] 将原始图像用边长为!的盒子进行覆盖，然后根据边长!的不同，分别计算不同r 对应的盒子数N(r)，最后对r和N(r)取对数求其比值，进而得出原始图像的分形维数FD:
【主权项】
1. 基于图像分形特征的图像质量客观评价方法，其特征在于包括w下步骤： 步骤（1).根据公知数据库中的原始图像顺序编号，循环读入所有原始图像； 步骤（2).分别计算步骤（1)读入的原始图像的分形维数FD; 步骤（3).采用盒子记数法分别绘制出步骤（1)循环读入的原始图像的多重分形谱；此 方法和步骤（2)中分形维数FD估算基于同样的原理；循环读入的原始图像被划分为边长为 r的盒子，然后在每个盒子中进行规范化的测量和计算； 步骤（4).利用步骤（2)所获取的分形维数FD，计算循环读入的原始图像的分形维数矩 阵； 步骤巧).利用步骤（4)所获取的分形维数，将同类的分形维数归为一组；同类的原始 图像因为内容相同，所W尺寸大小也一致，分形维数矩阵大小相同，分形维数数组大小也相 同；由于失真类型是随机的，且该随机性在统计上符合高斯分布，因此利用该随机性，计算 分形维数数组中数据的平均值，将其作为可供参考的分形维数矩阵谱Tuf; 步骤化).对步骤（3)所得到的多重分形谱求取平均值，从而实现训练，得到可供参考 的多重分形谱；具体方法是；分别计算原始图像组中多幅原始图像的分形谱S个点的平均 值来得到一条均值分形谱线； 步骤（7).输入待测试的失真图像； 步骤巧).利用步骤（2)和（4)的方法计算步骤（7)输入的待测试图像的分形维数矩 阵谱Tt。,,； 步骤巧).利用步骤（3)的方法计算步骤（7)输入的待测试图像的多重分形谱； 步骤（10).利用步骤（5)训练得到的可供参考的分形维数矩阵谱Tuf和步骤（8)得到 的待测试图像的分形维数矩阵谱Ttwt，实现分形维数的比较，计算二者之间的差异Dt: Dt=EiTtest-TrefI 似 步骤（11).利用步骤做得到的均值分形谱线和步骤（9)得到的待测试图像的多重分 形谱，分别计算不同坐标（a,f(a))点对应的均值分形谱线和多重分形谱的距离，实现对应 图像块多重分形谱的比较，累计计算得到均值分形谱线和多重分形谱之间的谱距离D";设 可供参考的均值分形谱坐标为（a,。,，f(a)uf)，其中a和f分别是一个包含了多个数据的 数组，而待测图像分形谱坐标为（atwt，f(a)t,J;则有：
其中，d(i)为第i个数据点的分形谱距离，s为数据点数； 步骤（12).利用步骤（10)和（11)计算得到的分形维数差异Dt和多重分形谱距离Dm, 计算无参考图像的质量评价度量Q; Q= 〇1X〇T+ ?2XDm 巧） 其中，和02为可W调节的加权系数，《1+。2=1，且W lE[0, 1]，《2居[0,U。
2. 如权利要求1所述的基于图像分形特征的图像质量客观评价方法，其特征在于步骤 (1)所述的公知数据库为美国德州大学奥斯汀分校的LIVE图像数据库。
3. 如权利要求1所述的基于图像分形特征的图像质量客观评价方法，其特征在于步骤 (2) 所述的分别计算原始图像的分形维数具体如下： 分形维数的计算采用盒子记数法，将原始图像转化为二值图像，然后通过划分格子并 记数来计算分形维数，具体如下： 将原始图像用边长为r的盒子进行覆盖，然后根据边长r的不同，分别计算不同r对应 的盒子数N(r)，最后对r和N(r)取对数求其比值，进而得出原始图像的分形维数FD:
(1) 其中，r为盒子边长，N(r)是完全覆盖信号所需的盒子数量。
4. 如权利要求1所述的基于图像分形特征的图像质量客观评价方法，其特征在于步骤 (3) 所述的采用盒子记数法分别绘制出步骤（1)循环读入的原始图像的多重分形谱，具体 如下： 该盒子记数法和步骤（2)中分形维数FD估算基于同样的原理，循环读入的原始图像被 划分为边长为r的盒子，然后在每个盒子中进行规范化的测量和计算； 3-1.利用标准的盒子记数法来分析点集，具体如下： 首先将循环读入的原始图像转化为灰度图像； 然后将灰度图像视为=维空间的一个曲面，其中，X和Y坐标为灰度图像中像素的位 置，Z坐标为灰度值； 接着依据灰度值变化的剧烈程度，灰度图像上的点被划分为一系列的子集& (a)，对子 集Ei(a)求取其密集程度，用f(a)来表示，其中，i为子集个数，（a，f(a))为分形谱的点坐 标； 最后随着a的变化得到一系列的f(a),f(a)进一步刻画了各个子集Ei(a)的特性，也 就提取了原始图像特征； 3-2.多重分形谱的计算具体如下： ① 将原始图像读入mXn矩阵中，记作Amx。，其中m和n分别为矩阵Amx。的行数与列数； ② 从a= 0,W第一步长逐步增大a(例如令其W步长0. 1增加）；对于每一个a,分别 计算当r一 0,且满足uBr/lnCr)} =a的（i, _]')点，并把（i, _]')点收入到Ei(a)中； 其中，uBf是边长r对应的盒子中像素灰度值总和； ⑨对子集Ei(a)求取f(a); ④随着a的增长，给出f(a)的曲线（二维平面空间曲线）；该曲线即矩阵Amx。的多重 分形谱； 步骤（4).利用步骤（2)所获取的分形维数，计算循环读入的原始图像的分形维数矩 阵；具体如下： ① 对原始图像的尺寸进行调整，具体的通过插值处理将图像的行列变为k的倍数； ② 然后对调整后的原始图像进行分割，分割成边长为kXk的正方形，得到分割后的原 始图像矩阵； ⑨对原始图像矩阵中的每个正方形分别计算分形维数，得到分形维数矩阵；原始图像 的分形维数矩阵是一个包含有原始图像分块分形维数的1Xp矩阵，其中1和P分别为行和 列包含图像分块的个数。
【专利摘要】本发明公开了一种基于图像分形特征的图像质量客观评价方法。本发明具体实施包括如下步骤：1.在预处理环节，使用公知数据库中的原始图像进行训练和拟合，得到图像质量评价的基准特征信息——分形维数矩阵和多重分形谱；2.采用盒子记数法分别计算待测失真图像的分形维数矩阵和多重分形谱等图像特征信息；3.将获取的失真图像特征信息与基准参考特征信息进行对比处理，得到其差异，并基于此通过综合处理以客观度量失真图像的质量。本发明所提出的图像质量客观评价与主观评价具有很好的一致性，对于含有特定失真类型的图像质量评价性能更优异。
【IPC分类】G06T7-00
【公开号】CN104794716
【申请号】CN201510198220
【发明人】丁勇, 朱亦凡, 钱大宏, 邢天玮, 张航, 赵新宇, 陈宏达
【申请人】浙江大学
【公开日】2015年7月22日
【申请日】2015年4月23日