一种基于压缩感知的全参考图像质量客观评价方法
【技术领域】
[0001] 本发明涉及图像处理技术领域，具体涉及一种基于压缩感知的全参考图像质量客 观评价方法。
【背景技术】
[0002] 图像传递着大量的信息，在数码电子产品和互联网应用中举足轻重。伴随着海量 的图像数据，我们面临着信息的快速筛选、图像内容的有效分析以及图像质量的准确判断 等问题。图像质量客观评价方法通过计算机模拟人眼视觉系统来建模研究图像质量，该方 法以自动连续的高效工作方式而成为了该领域的研究重点。其中，全参考图像质量评价结 果最可靠，且其理论和算法对半参考及无参考图像质量评价具有重要的借鉴意义。因此，当 前全参考图像质量客观评价方法成为了研究热点。
[0003] 传统的经典评价算法如均方根误差RMSE、信噪比SNR以及峰值信噪比PSNR等，这 些算法既然没有考虑图像的结构特征而去除冗余像素，也没有结合人眼的视觉特性，因而 评价结果与人眼主观测试差距较大，利用上述算法得到的评价结果的斯皮尔曼等级排序相 关系数SR0CC、均方根误差RMSE和皮尔逊相关系数PLCC的指标水平都比较低。
[0004] 通过引入人类视觉系统（Human Vision System，HVS)的感知特性，提出了许多仿 生学评价算法，例如Dalay算法，Lubin算法，Safranek-Johnson算法，Teo-Heeger算法， Watson离散余弦变换算法以及Watson小波变换算法等。但有许多系统性缺陷制约着仿生 学方法的性能，例如简单的视觉刺激HVS研究机理并不能完整的表达高度复杂的视觉信息 处理过程，此外，仿生学建模算法复杂，速度慢，建模效率低，且需要主观实验检验模型的有 效性，存在建模无效的情况，实验结果表明仿生学方法的评价效率相对传统的经典算法并 没有明显的改善。
[0005] 近些年，图像质量评价领域出现了一些工程学评价方法及其改进算法，例如，结构 相似度SS頂方法，信息保真度IFC方法，奇异值分解SVD方法，梯度结构相似度GSM算法， 特征结构相似度FS頂算法，视觉保真度VIF算法等。工程学算法相对仿生学算法无需复杂 的建模过程，相对而言可以提高评价速度，但该类算法往往无法使得到的评价结果的斯皮 尔曼等级排序相关系数SR0CC、均方根误差RMSE和皮尔逊相关系数PLCC同时保持在较高的 水平。
【发明内容】
[0006] 针对现有技术的不足，本发明提供了一种基于压缩感知的全参考图像质量客观评 价方法，其核心是将压缩感知理论用于图像质量评价，通过构造的随机压缩观测矩阵对图 像进行稀疏投影变换得到投影系数矩阵，然后基于投影系数矩阵进行质量评价，全面提高 了经典评价PSNR类方法的各项评价指标（（包括斯皮尔曼等级排序相关系数SR0CC、均方根 误差RMSE和皮尔逊相关系数PLCC))的水平，使得SROCC的指标达到了工程学SS頂方法同 样的水平，而RMSE和PLCC指标超过了工程学方法的水平，且相对于工程学评价方法，本发 明减小了评价时间消耗。
[0007] -种基于压缩感知的全参考图像质量客观评价方法，包括：
[0008] 步骤1，对参考图像和失真图像分别进行预处理得到相应的图像灰度矩阵；
[0009] 步骤2,针对所述的失真图像和参考图像的图像灰度矩阵基于压缩感知原理构造 稀疏的随机观测矩阵；
[0010] 步骤3,将所述的随机观测矩阵分别与参考图像和失真图像的图像灰度矩阵相乘 得到相应的投影系数矩阵；
[0011] 步骤4,计算失真图像的投影系数矩阵相对于参考图像的投影系数矩阵的峰值信 噪比作为失真图像的客观评价值。
[0012] 将压缩感知理论用于图像质量客观评价研究领域中，通过构造稀疏的随机观测矩 阵对图像进行稀疏投影变换，然后基于投影矩阵进行图像的质量评价，由于观测矩阵较强 的随机性和稀疏性，得到的投影矩阵（投影系数矩阵）不仅能够反映原图像的空间结构特 征，而且能够提取原图像的主要能量系数，压缩掉冗余像素信息，因此利用图像的投影矩阵 进行质量评价，能够大大降低计算量，且符合人眼的主观视觉特性。该发明全面提高了 PSNR 图像质量客观评价方法的各项指标水平，且同时相对于工程学评价方法减小了评价时间消 耗。
[0013] 所述步骤1中预处理包括依次进行灰度化处理和高斯低通滤波。
[0014] 作为优选，高斯低通滤波时采用的窗口大小为kXk，k的取值范围为0. 015t~ 0. 42t，t取图像矩阵行和列的最小值，即：t = min {P，Q}，PXQ为失真图像的大小。进一步 优选，高斯低通滤波时采用的标准差为I. 〇~3. 0。
[0015] 构建的随机观测矩阵可以服从高斯随机分布、泊松随机分布或均匀随机分布，作 为优选，所述的随机观测矩阵为服从高斯随机分布的随机观测矩阵）。
[0016] 所述稀疏的随机观测矩阵中每个元素均在1、_1和0中随机选取。作为优选，1、_1 和〇被选取的概率分别为1/P、Ι/p和l-2/p，即：对于随机观测矩阵任意一个元素，其取值 为1、-1和0被选取的概率分别为1/p、l/ρ和l-2/p，p的取值范围为3~6。
[0017] 作为优选，随机观测矩阵的行数X和列数y满足：
[0018] X = 0· 001 ~0· 5s，y = r，
[0019] 其中，r、s分别为所述图像灰度矩阵的行数和列数。
[0020] 进一步优选，X = 0· Is。
[0021] 满足上述条件的随机观测矩阵具有如下优点：
[0022] 1)随机观测矩阵尽可能大的稀疏化；2)满足压缩感知的有限等距性质 (Restricted Isometry Property, RIP)〇
[0023] 所述步骤4中根据如下公式计算峰值信噪比：
[0025] 其中，PSNR为峰值信噪比，投影系数矩阵的大小为MXN，x(i，j)、y(i，j)分别为参 考图像和失真图像对应的投影系数矩阵中第i行第j列的元素值；η为参考图像的灰度等 级水平。
[0026] 与现有技术相比，本发明将压缩感知理论用于图像质量评价，通过构造的压缩观 测矩阵对图像进行稀疏投影变换得到投影系数矩阵，然后基于投影系数矩阵进行质量评 价，本发明方法全面提高了 PSNR评价方法的各项指标水平，且相对于工程学评价方法减小 了评价时间消耗。
【附图说明】
[0027] 图1为本发明基于压缩感知的图像质量客观评价方法的操作流程图；
[0028] 图2 (a)为本实施例的参考图像；
[0029] 图2 (b)为本实施例的失真图像；
[0030] 图2(c)为2 (a)的灰度图；
[0031] 图2(d)为2(b)的灰度图；
[0032] 图2 (e)为2 (c)的高斯低通滤波图；
[0033] 图2 (f)为2 (d)的高斯低通滤波图；
[0034] 图2 (g)为2 (e)的稀疏投影图；
[0035] 图2 (h)为2 (f)的稀疏投影图。
【具体实施方式】
[0036] 下面将结合附图和具体实施例对本发明作进一步详细说明。
[0037] 本实施中以德克萨斯大学奥斯汀分校图像视频工程所提供的LIVE Release 2 图像标准数据库为例进行说明。德克萨斯大学奥斯汀分校图像视频工程所提供的LIVE Release 2图像标准数据库，存储有一些配对的标准案例（即参考图像和失真图像对），每 个案例中的失真图像均有对应的MOS值（主观评价分值）已知，该MOS值即为人眼的主观 测试结果。
[0038] 进行全参考图像质量客观评价时首先从LIVE Release 2图像标准数据库选择参 考图像和相应的失真图像，然后进行对选择的失真图像进行全参考图像质量客观评价，如 图1所示，该方法包括：
[0039] 步骤1，对参考图像和失真图像（如图2(a)和图2(b)所示）分别进行预处理得到 相应的图像灰度矩阵；
[0040] 进行预处理时：
[0041] 首先，按照如下公式对参考图像和失真图像进行灰度变换，将其分别变换为灰度 图像Gray :
[0