一种改进的特征相似性图像质量评估方法
【技术领域】
[0001] 本发明涉及一种改进的特征相似性图像质量评估方法，属于数字图像处理技术领 域。
【背景技术】
[0002] 随着数字图像处理技术在图像的采集、编码压缩、传输和显示等各领域的发展，图 像质量对所获取信息的充分性和准确性具有决定性作用，因此建立有效的图像质量评估机 制具有重要意义。
[0003] 数字图像质量评估方法可以分为主观图像质量评估方法和客观图像质量评估方 法。主观图像质量评估方法，曾经被认为是图像视觉质量量化的唯一"正确"的方法，然而， 在实践中，主观图像质量评估通常是既费时又费力的。客观图像质量评估方法，主要是通过 模拟人类视觉系统设计出一种方法来对图像质量进行评估。客观图像质量评估方法又分为 全参考图像质量评估方法、半参考图像质量评估方法和无参考图像质量评估方法。目前最 常用的方法是全参考图像质量评估方法。传统的全参考客观图像质量评估方法有均方误 差（Mean Square Error, MSE)和峰值信噪比（Peak Signal to Noise Ratio, PSNR)，由于 其简单的计算方法和清晰的物理意义一直被广泛使用，但这些方法只是从统计意义上对图 像进行分析，没有考虑到像素之间的相关性。为此，Zhou Wang等人利用图像像素间的相关 性提出了一种新的图像质量客观评估方法：结构相似度（Structural Similarity，SSIM)， 该方法从图像组成的角度将结构信息定义为独立于亮度、对比度的反映场景中物体结构的 属性，并将失真建模为亮度、对比度和结构三个不同因素的组合，计算简单易于实现，并且 其评估性能优于PSNR(或MSE)，但是忽视了图像中携带着重要信息的边缘信息，对模糊失 真图像不敏感。杨春玲等人提出基于梯度特征的结构相似度GSS頂方法，该方法是在SS頂 方法的基础上通过梯度来表示图像的边缘信息，弥补了 SS頂方法对模糊失真图像的不足。 Lin Zhang等人提出基于底层特征的图像质量评估方法FS頂，该方法运用相位一致性提取 图像的底层特征，比较接近人类视觉系统，但其对图像失真的变化程度尤其是图像边缘信 息的变化程度不敏感。
【发明内容】
[0004] 本发明提供了一种改进的特征相似性图像质量评估方法，以用于得到一种既符合 人眼视觉系统特点又能有效识别图像边缘的新的图像质量评估方法。
[0005] 本发明的技术方案是：一种改进的特征相似性图像质量评估方法，首先输入一幅 原始图像和一幅失真图像，分别获取两幅图像的相位一致性，然后利用两幅图像的相位一 致性得到图像的特征相似性；再分别获取两幅图像的梯度图像，利用梯度图像得到两幅图 像的亮度比较函数、对比度比较函数和相关系数比较函数，然后将亮度比较函数、对比度比 较函数和相关系数比较函数相结合得到图像的梯度相似性；最后将图像的特征相似性和图 像的梯度相似性相结合即得到失真图像质量评估的结果。
[0006] 所述得到图像的特征相似性的具体步骤如下：
[0007] stepl. 1、输入一幅原始图像x和一幅失真图像y ;
[0008] St印1. 2、通过运用高斯函数作为转换函数G2〇, 9 J :
[0009]
[0010] 其中，0 j 31 /J表示滤波器的方向角，j = {0, 1，……，J-l}，J是方向角的数 量；〇 e表示滤波器的角度带宽，是滤波器的中心频率，〇 ^用于控制滤波器的带宽，《 表示信号的频率，9表示信号的相位角；
[0011]Stepl. 3、通过调制〇。和0.j，G2(〇，0.j)和原始图像X，可得到一组响应 [e;#,+ (x)，c"^. (x)];其中，(x)和分别表示偶数响应和奇数响应；
[0012] 尺度为n，方向角为0 ;的局部振幅为：
[0013]
[0014] 沿笔卞'向0 .的li部能骨为.
[0015] ......『一 '… f \JJ
[0016] 其中：^
^ 1分别表不C Y>的总和及 ~巧⑴的总和；
[0017] 原始图像x的相位一致性PC (X)定义为：
[0018]
[0019] 同理，失真图像y的相位一致性PC(y)定义为：
[0020]
[0021] 其中，e为最小正整数；
[0022] Stepl. 4、通过公式（4)和公式（5)分别得到原始图像x的相位一致性PC(x)和和 失真图像y的相位一致性PC(y)，然后通过公式（6)得到两幅图像的特征相似性：
[0023]
[0024] 其中，1\为常量。
[0025] 所述得到图像的梯度相似性的具体步骤如下：
[0026] Step2. 1、对输入的一幅原始图像x和一幅失真图像y分别进行sobel处理，得到 原始图像的梯度幅值图像X'和失真图像的梯度幅值图像y' ；
[0027] Step2. 2、利用原始图像x和失真图像y求取原始图像的均值y失真图像的均 值yy;利用Step2. 1得到的原始图像的梯度幅值图像X'和失真图像的梯度幅值图像y'， 分别求取梯度幅值图像x'的标准差，、梯度幅值图像y'的标准差〇y，以及梯度幅值图 像X'和梯度幅值图像y'的协方差〇x，y，；
[0028] Step2. 3、利用Step2. 2得到的原始图像的均值y x、失真图像的均值y ￥通过公式 (7)得到图像的亮度比较函数l(x，y);利用St印2.2得到的梯度幅值图像X'的标准差 〇x，、 梯度幅值图像y'的标准差〇y，以及梯度幅值图像x'和梯度幅值图像y'的协方差〇 x，y，通 过公式⑶和公式（9)得到对比度比较函数Gg(x，y)和相关系数比较函数S g(x，y);
[0029]
[0030]
[0031]
[0032] 其中，(；、(：2和C3为常量；
[0033]Step2.4、将Step2. 3得到的亮度比较函数1 (X，y)、对比度比较函数Gg(x, y)和相 关系数比较函数\(1，7)根据公式（10)的形式结合即可得到原始图像x和失真图像y的 梯度特征相似性GSSIM(x，y);
[0034] GSSIM(x，y) =1(X，y) ? Cg(x，y) ? Sg(x，y)(10)。
[0035] 将特征相似性和梯度相似性相结合的具体步骤如下：
[0036] Step3.1、利用Stepl. 3中得到的原始图像的相位一致性PC(x)、失真图像的相位 一致性PC(y)通过公式（11)获得对图像x、y整体的相似性进行加权的权数PCjiy);
[0037] PCn(x,y) =max(PC(x),PC(y)) (11)
[0038] Step3. 2、将Stepl. 4中所得的图像的特征相似性SPC(x, y)，Step2. 4中所得的图像 的梯度特征相似性GSSIM(x, y)以及Step3. 1中所得的对图像x、y整体的相似性进行加权 的权数PC；(x，y)通过公式（12)得到图像质量评估得分；
[0039]
[0040] 本发明的有益效果是：该图像质量评估方法具有符合人类视觉系统的特点和有效 识别图像边缘的特点；该图像质量评估方法对运动模糊造成的失真更加敏感。
【附图说明】
[0041] 图1为本发明的流程图；
[0042] 图2为自然图像的原始图像；
[0043] 图3为自然图像运动距离5、运动角度0的运动模糊失真图像；
[0044] 图4为自然图像运动距离10、运动角度0的运动模糊失真图像；
[0045] 图5为自然图像运动距离15、运动角度0的运动模糊失真图像；
[0046] 图6为自然运动距离20、运动角度0的运动模糊失真图像；
[0047] 图7为自然运动距离25、运动角度0的运动模糊失真图像；
[0048] 图8为自然图像运动距离30、运动角度0的运动模糊失真图像；
[0049] 图9为不同运动模糊程度下评估值的曲线；
[0050] 图10为自然图像方差为1的高斯模糊失真图像；
[0051] 图11为自然图像方差为2的高斯模糊失真图像；
[0052]图12为自然图像方差为3的高斯模糊失真图像；
[0053]图13为自然图像方